# Сопутствующие статьи по теме Вывод

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Вывод", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Полная картина децентрализованного ИИ на 2026 год: Почему блокчейн является незаменимым «лекарством» для ИИ?

**Децентрализованный ИИ в 2026 году: почему блокчейн — неизбежное «лекарство» для ИИ?** Статья утверждает, что централизованный ИИ сталкивается с ключевыми структурными ограничениями: дорогие и дефицитные вычислительные ресурсы (GPU), чрезмерная концентрация контроля у нескольких корпораций (ChatGPT, Gemini и др.), невозможность проверки результатов работы моделей и сложности со сбором обучающих данных из-за приватности и регулирования. Выходом является децентрализованный ИИ, основанный на блокчейне, который делает интеллект открытым, проверяемым и экономически доступным. Представлена подробная карта технологического стека децентрализованного ИИ на 2026 год: 1. **Уровень приложений и сервисов:** Доминируют «агентские финансы» (Agentic Finance) — превращение естественного языка в действия в блокчейне (проекты Giza, Infinit, Coinvest, Minerva), и «агентские платежи» (Agentic Payments) — автоматические расчеты между машинами (x402, Stripe Tempo). 2. **Промежуточный слой (Middleware):** Решает проблемы координации, идентификации и репутации агентов. Ключевые проекты: Bittensor (сеть специализированных «подсетей» с токеномикой TAO), Virtuals (операционная система для экономики агентов), NEAR, Base. 3. **Инфраструктурный уровень:** Основа — децентрализованные вычисления (Akash, Render, Io.net), проверяемые выводы (инференс) и обучение моделей (Prime Intellect, Tplr.ai), хранение данных (Filecoin, Grass), а также приватность и верификация (Nillion, Arcium, Oasis, Phala Network). К 2026-2027 гг. спрос на ИИ опережает развитие инфраструктуры, вычисления становятся классом активов, а токеномика — ключевым структурным преимуществом для координации ресурсов. Такие проекты, как Bittensor, NEAR и Venice, показывают, что децентрализованный ИИ эволюционирует от спекулятивной идеи в новую модель координации вычислений, данных и капитала. Однако область все еще молода, а внедрение остается неравномерным.

Foresight News06/11 10:04

Полная картина децентрализованного ИИ на 2026 год: Почему блокчейн является незаменимым «лекарством» для ИИ?

Foresight News06/11 10:04

Когда логические выводы становятся дефицитным ресурсом, кто присваивает себе ценность

В 2023 году Дэвид Кан выявил разрыв между расходами на GPU и реальными доходами от ИИ — «проблема в 2000 млрд долларов», которая к 2024 году выросла до 6000 млрд. Однако разрыв заполняется не на стороне обучения моделей, а на стороне **инференса** (вывода), что рынок начал учитывать лишь недавно. Успешное IPO Cerebras и реструктуризация отчетности NVIDIA вокруг «токенов как услуги» подтверждают: инференс, а не обучение, стал узким местом и основным драйвером повторяющихся расходов, особенно с ростом agentic и physical ИИ. Такие компании, как Anthropic, уже сталкиваются с нехваткой вычислительных мощностей для инференса. В стеке поставок ИИ-вычислений (от кремниевых чипов до API-интерфейсов) большинство игроков контролируют только один уровень. Исключением является **Hyperbolic** — платформа, не владеющая собственными GPU, но агрегирующая фрагментированные мощности из множества облаков (CoreWeave, Lambda Labs и др.) в единый пул, оптимизируя маршрутизацию и стоимость для разработчиков. Её бизнес-модель выигрывает от возможного избытка предложения GPU. В отличие от приложений, таких как Venice (которые покупают инференс как товар и добавляют стоимость через функции вроде приватности), Hyperbolic занимает более глубокий уровень агрегации и маршрутизации физических вычислений. В условиях, когда инференс становится дефицитным и дорогим ресурсом, основная ценность будет сосредоточена не у тех, кто владеет наибольшим количеством GPU, а у тех, кто может наиболее эффективно находить, агрегировать и распределять эти вычислительные мощности.

链捕手06/08 15:42

Когда логические выводы становятся дефицитным ресурсом, кто присваивает себе ценность

链捕手06/08 15:42

Преодолевая «стену памяти»: Революция на уровне пластины и маршруты вычислений в эпоху AI-инференса

В 2026 году мир ИИ достиг поворотного момента: крупнейшие облачные провайдеры впервые стали тратить на вывод моделей больше, чем на их обучение. Ключевой проблемой эпохи обучения была производительность вычислений, но в эпоху вывода главным узким местом стала «стена памяти» — задержки и энергозатраты на перемещение данных между памятью и процессором. Традиционные GPU, как у NVIDIA, упираются в ограничения пропускной способности памяти. Компания Cerebras Systems предлагает радикально другой подход — чип на целой кремниевой пластине (Wafer-Scale Engine, WSE-3). Эта архитектура размещает 44 ГБ сверхбыстрой SRAM-памяти прямо на кристалле, обеспечивая пропускную способность в тысячи раз выше, чем у HBM в GPU, что кардинально ускоряет генерацию токенов в больших языковых моделях (LLM). Ключевое преимущество Cerebras — минимальная задержка при выводе, особенно для первого токена и длинных контекстов. Однако у этого пути есть серьезные компромиссы: сложности с теплоотводом, ограниченная экосистема ПО, низкая внешняя пропускная способность и физические ограничения на дальнейшее увеличение объема SRAM с уменьшением техпроцесса. Крупные технологические компании (Google, AWS, Microsoft) в ответ развивают три направления: специализированные AI-чипы (ASIC), продвинутые стандартные технологии упаковки (как SoW от TSMC), которые могут нивелировать преимущество Cerebras, и оптические интерконнекты для преодоления «стены памяти». Cerebras сейчас сталкивается с вызовом масштабирования: крупные контракты требуют быстрого развертывания энергоемких дата-центров специальной конструкции, что превращает компанию из производителя чипов в поставщика облачных услуг. В итоге, в эпоху доминирования задач вывода ИИ, нет единственно верного архитектурного пути. Cerebras выбирает путь физической оптимизации для максимально низкой задержки в специализированных задачах, в то время как NVIDIA и другие делают ставку на универсальность и масштабируемость для широкого спектра рабочих нагрузок. Будущее архитектуры вычислений для ИИ остается открытым и полным возможностей для инноваций.

marsbit06/05 11:09

Преодолевая «стену памяти»: Революция на уровне пластины и маршруты вычислений в эпоху AI-инференса

marsbit06/05 11:09

ЦПУ незаметно вернулся в центр сцены вычислений для ИИ

В течение последних трех лет доминирующим нарративом в сфере AI-вычислений были GPU, которые рассматривались как главное узкое место, в то время как CPU считались вспомогательными компонентами. Однако к 2026 году эта история начала меняться. По мере перехода AI от обучения моделей к развертыванию миллионов агентов и выполнению выводов, задачи координации, управления параллельными процессами и потоков данных становятся новыми критическими факторами. Именно эти задачи, в которых GPU неэффективны, выдвигают CPU на центральное место в качестве «плоскости управления» AI-инфраструктурой. Это изменение подтверждается такими примерами, как дата-центр Microsoft «Fairwater», где здание с CPU на 48 МВт поддерживает кластер GPU на 295 МВт, обрабатывая огромные потоки данных. Intel, представившая процессор Xeon 6+ с 288 энергоэффективными ядрами (E-core), созданный по техпроцессу Intel 18A, делает ставку именно на этот сценарий высокой плотности и пропускной способности для рабочих нагрузок, связанных с AI-агентами и выводом. Этот подход отражает более широкую отраслевую тенденцию, которую также продвигают AMD, Ampere и собственные разработки облачных провайдеров на ARM, такие как AWS Graviton. Однако успех Intel зависит от нескольких факторов: реакции NVIDIA, которая разрабатывает собственные решения CPU+GPU; конкуренции с процессорами облачных провайдеров; и способности техпроцесса 18A конкурировать с аналогами от TSMC и Samsung. Таким образом, «возвращение» CPU в качестве ключевого элемента для координации в AI является реальным отраслевым трендом, но то, какая компания — Intel, AMD, ARM-экосистема или NVIDIA — возглавит этот процесс, еще предстоит определить в ближайшие годы.

marsbit06/03 10:43

ЦПУ незаметно вернулся в центр сцены вычислений для ИИ

marsbit06/03 10:43

Запуск MoE на смартфоне? Meta предлагает MobileMoE, ускорение на iPhone 16 Pro до 3.8 раза

Мета представила MobileMoE — первую эффективную реализацию модели смешанных экспертов (MoE) для инференса на коммерческих смартфонах. Традиционно MoE использовались в облачных больших языковых моделях (LLM), тогда как на мобильных устройствах применялись плотные архитектуры из-за ограничений памяти и вычислительных ресурсов. MobileMoE заменяет плотные слои в Transformer на MoE-слои. Маршрутизатор выбирает для каждого токена несколько наиболее релевантных экспертов, при этом один общий эксперт участвует в вычислениях всегда. Обучение модели включает четыре этапа: предварительное обучение, промежуточное обучение, контролируемое тонкое обучение (SFT) и обучение с учётом квантизации. Результаты показывают, что MobileMoE-S/M при сопоставимом использовании памяти требует в 2–4 раза меньше вычислений, чем плотные базовые модели, достигая аналогичной или более высокой точности в 14 базовых тестах. На iPhone 16 Pro инференс ускорился до 3,8 раз на этапе ввода и до 3,4 раз на этапе генерации. После квантизации до INT4 модель сохраняет конкурентоспособность, а пиковое использование памяти на Samsung Galaxy S25 ниже, чем у аналогов. Несмотря на преимущества в коде и математике, MobileMoE пока уступает Qwen3.5 2B в следовании инструкциям и сложных рассуждениях. Для дальнейшего улучшения необходимы дистилляция, постобучение и мультимодальное расширение. Также требуются исследования для оптимизации памяти при изменяющихся входных данных и использования NPU на мобильных устройствах.

marsbit06/01 06:10

Запуск MoE на смартфоне? Meta предлагает MobileMoE, ускорение на iPhone 16 Pro до 3.8 раза

marsbit06/01 06:10

Снижение цены на MiMo на 99% — не маркетинг! Ло Фули разбивает доводы скептиков в Twitter.

Сяоми объявила о снижении цен на API MiMo-V2.5 на 99%, что вызвало спекуляции о ценовой войне. Руководитель проекта Луо Фули опубликовал технический блог, объясняя снижение цен инженерными улучшениями, а не маркетингом. Ключевые оптимизации включают: 1. **Гибридная архитектура SWA:** В модели 60 из 70 слоев используют Sliding Window Attention (окно 128 токенов), сокращая объем KVCache в 7 раз. 2. **Двухпульный KVCache:** Раздельное управление памятью для полного внимания и SWA, повышая эффективность использования GPU и поддерживая в 5 раз больше одновременных пользователей. 3. **Высокий % попадания в кэш:** Улучшенный механизм кэширования префиксов обеспечивает попадание в кэш для 93-95% запросов на повторное чтение контекста, минимизируя вычисления. 4. **Распределенный кэш GCache:** Кэш развернут на SSD GPU-серверов, устраняя отдельные затраты на хранилище. 5. **Интеллектуальная маршрутизация LLM-Router:** Система оптимизирует распределение запросов, повышая производительность и сокращая задержки. 6. **Многотокеновое предсказание (MTP):** Модель предсказывает несколько токенов за шаг, ускоряя генерацию ответов. Эти шесть инженерных оптимизаций, работая вместе, значительно снизили себестоимость обработки запросов, сделав снижение цены на 99% экономически обоснованным при сохранении рентабельности. Луо Фули подчеркивает, что это демонстрация реальных инженерных возможностей, а не маркетинговый ход.

marsbit05/31 10:38

Снижение цены на MiMo на 99% — не маркетинг! Ло Фули разбивает доводы скептиков в Twitter.

marsbit05/31 10:38

Философия инвестирования Гэвина Бейкера, раннего инвестора Nvidia: Длинные позиции по узким местам AI-инфраструктуры, короткие — по рискам всего рынка

В статье излагается инвестиционная философия Гэвина Бейкера, основателя Atreides Management и раннего инвестора в Nvidia. Его ключевой тезис: ИИ — это не пузырь, а суперцикл, движимый тремя фундаментальными ограничениями: электроэнергией, полупроводниковыми пластинами и вычислительными мощностями. Наибольшую прибыль принесут не компании, создающие модели ИИ (как OpenAI), а поставщики критической инфраструктуры — «продавцы лопат», решающие проблемы с соединениями GPU, памятью, чипами для вывода решений, передовыми техпроцессами и энергоснабжением. Бейкер применяет стратегию «лонг/шорт»: концентрированно инвестирует в компании, которые являются «узкими местами» инфраструктуры ИИ (например, Astera Labs, Micron, Nvidia, Cerebras), одновременно хеджируя общие рыночные риски с помощью опционов put на индекс QQQ. Он утверждает, что нынешний бум отличается от пузыря доткомов, так как крупнейшие технологические компании финансируют свои расходы на ИИ за счет собственных денежных потоков, а не заемных средств, а физические ограничения в цепочке поставок (производство чипов TSMC, оборудование ASML, электросети) не позволяют предложению быстро обогнать спрос и создать неустойчивую ситуацию. Будущие возможности он видит в вертикальных и локальных моделях ИИ, инфраструктуре суверенного развертывания, а также в комбинации энергетики и космических технологий.

marsbit05/30 03:26

Философия инвестирования Гэвина Бейкера, раннего инвестора Nvidia: Длинные позиции по узким местам AI-инфраструктуры, короткие — по рискам всего рынка

marsbit05/30 03:26

Разбор инвестиционной философии раннего инвестора Nvidia Гэвина Бейкера: Делать ставку на узкие места AI-инфраструктуры и хеджировать риски общего рынка

Инвестор Гэвин Бейкер, один из первых инвесторов Nvidia, считает, что ИИ — это не пузырь, а суперцикл, движимый инфраструктурой. Его инвестиционная философия сосредоточена на «узких местах» инфраструктуры ИИ: электроснабжении, производстве полупроводников и вычислительной мощности. Он полагает, что наибольшая прибыль будет получена не от крупных языковых моделей, а от компаний, которые решают проблемы с соединением GPU, памятью, энергоэффективностью и производством чипов. Бейкер вкладывает средства в такие компании, как Astera Labs (соединение чипов), Cerebras и Positron (чипы для вывода), Micron (память), Nvidia (GPU) и Unity (моделирование мира). При этом он хеджирует общие рыночные риски, покупая опционы пут на индекс QQQ, что отражает его уверенность в конкретном секторе ИИ, но осторожность в отношении рынка в целом. Его ключевой аргумент против сравнения с пузырем доткомов заключается в том, что нынешние расходы на ИИ финансируются за счет денежных средств технологических гигантов, а не заемных средств, а физические ограничения (например, производственные мощности TSMC и ASML, поставки электроэнергии) не позволяют предложению стать избыточным. Пока спрос на вычислительные ресурсы и энергоэффективность растет быстрее, чем предложение, инфраструктура ИИ останется привлекательным направлением для долгосрочных инвестиций.

marsbit05/29 08:35

Разбор инвестиционной философии раннего инвестора Nvidia Гэвина Бейкера: Делать ставку на узкие места AI-инфраструктуры и хеджировать риски общего рынка

marsbit05/29 08:35

Тревога от звезды аудита: весь DeFi опасен, выводите средства скорее!

Соучредитель компании по аудиту безопасности OpenZeppelin Мануэль Араоз сделал тревожное заявление, что все DeFi-протоколы, включая ведущие, такие как Aave и Compound, стали небезопасными. Главная причина — экспоненциальный рост способностей искусственного интеллекта в поиске и эксплуатации уязвимостей в смарт-контрактах. AI-агенты теперь могут за минуты находить сложные баги, на обнаружение которых у опытных хакеров уходили недели, и автоматически генерировать атакующие скрипты. Эта новая реальность уже привела к беспрецедентной волне взломов. В апреле и мае 2026 года убытки от атак на Drift Protocol, Kelp DAO, THORChain и другие протоколы составили сотни миллионов долларов. Угроза усугубится с появлением мощных моделей ИИ вроде Mythos от Anthropic, обученных специально для поиска уязвимостей. Баланс риск/доходность в DeFi стал критически несбалансированным. В то время как реальная доходность в надежных протоколах упала до однозначных процентов, риск полной потери капитала из-за хакерской атаки, усиленной ИИ, резко возрос. Эксперт советует пользователям, не готовым к такому риску, рассмотреть возможность вывода средств из DeFi-протоколов.

Odaily星球日报05/28 03:58

Тревога от звезды аудита: весь DeFi опасен, выводите средства скорее!

Odaily星球日报05/28 03:58

Почему Zhipu AI вырос почти на 30% за один день?

**Чжипу ворвался на рынок: почему акции компании взлетели почти на 30% за один день?** Компания "Чжипу" (Zhipu AI), известная как "первая акция глобальной большой модели", показала резкий рост акций — на 26% за день. Причина — технический прорыв: запуск API высокоскоростной версии модели GLM-5.1, генерирующей текст со скоростью **400 токенов в секунду** (около 200 иероглифов). **Почему скорость стала ключевым фактором?** До сих пор конкуренция на рынке ИИ шла по двум направлениям: размер модели (больше параметров) и цена. Однако с переходом от чат-ботов к автономным агентам (Agent) задержка в ответах стала критически важной. Задачи агента требуют десятки или сотни циклов обращения к модели, и каждый сэкономленный миллисекунд суммируется, существенно влияя на общую производительность. Скорость превращается из технического показателя в фактор, определяющий интеллектуальный потолок системы. **Сложность достижения такой скорости** Текущие лидеры рынка — OpenAI GPT-4o, Anthropic Claude — работают на скоростях 80-150 токенов/с. Показатель "Чжипу" в 400 токенов/с опережает средний уровень отрасли в 3-5 раз. Это достижение стало возможным благодаря одновременным инновациям на трех уровнях: 1. **TileRT (движок логического вывода):** Компилирует всю модель в единый, непрерывно работающий "двигатель", минимизируя простои GPU и накладные расходы на запуск операций. 2. **Гетерогенный параллелизм:** Оптимизирует распределение вычислений между несколькими графическими процессорами (GPU), адаптируя стратегию под разные типы операций (например, разреженный поиск и плотные вычисления), чтобы избежать потерь на синхронизацию. 3. **ZCube (сетевая архитектура):** Заменяет стандартную древовидную сетевую топологию на плоскую и полностью связанную. Это сокращает количество "прыжков" при передаче данных между GPU с 3 до 2 и, что самое главное, проектирует сеть таким образом, что между любыми двумя GPU существует только один оптимальный путь. Это устраняет саму возможность сетевых заторов. **Практические и рыночные последствия** Для "Чжипу" это означает: * Увеличение пропускной способности кластера на **15%** (больше пользователей при том же оборудовании). * Снижение задержек при пиковой нагрузке на **40.6%** (более стабильная работа). * Сокращение затрат на сетевое оборудование примерно на **треть**. В долгосрочной перспективе эти инновации подрывают монополию комплексных решений NVIDIA (GPU + NVLink + InfiniBand), открывая возможности для производителей альтернативных чипов (например, Huawei Ascend) и меняя структуру спроса на сетевые компоненты (выгоду получат производители высокоплотных коммутаторов и высокоскоростных оптических модулей). Прорыв "Чжипу" демонстрирует, как оптимизация инфраструктуры *вокруг* GPU может кардинально повысить эффективность и снизить стоимость вычислений ИИ.

marsbit05/23 01:24

Почему Zhipu AI вырос почти на 30% за один день?

marsbit05/23 01:24

活动图片

Популярные категорииright-arrow

Популярные тегиright-arrow

Анализ рынкаright-arrow