• Mobile Cloud и его партнёры объединили отечественные GPU и нейроморфные чипы в системе ИИ-инференса, которая распределяет вычисления модели между двумя типами процессоров
  • Разработчики сообщают о снижении операционных затрат более чем на 40% по сравнению с сопоставимым отечественным GPU-кластером в тестах на модели DeepSeek V4 Flash

Факт

Облачный бизнес China Mobile — Mobile Cloud — и его партнёры представили систему ИИ-инференса, объединяющую отечественные GPU с нейроморфными чипами. Система была показана на China Computing Conference в Ланфане, провинция Хэбэй, проходившей с 11 по 13 сентября.

Проект был разработан совместно с CETC Nanhu Research Institute, Lynxi Technology, Iluvatar CoreX, Tsinghua University и Peking University. По словам разработчиков, тесты на модели DeepSeek V4 Flash показали более чем двукратный рост соотношения «цена/производительность» и снижение операционных затрат более чем на 40% по сравнению с сопоставимым отечественным GPU-кластером. Эти цифры исходят от команды разработчиков и не были независимо подтверждены.

Система распределяет работу между двумя типами чипов. Вычисления внимания выполняются на отечественных GPU, а задачи FFN возлагаются на нейроморфные процессоры. Модельный компилятор, высокоскоростной протокол соединения и общий инференс-движок управляют разделением задач, планированием и результатами. Отдельно Iluvatar сообщила о выручке от продуктов инференса в размере 654 млн юаней за первое полугодие 2026 года — это 69,2% её общей выручки.

Оценка

Идея проста: не заставлять один тип процессора выполнять все части модели. GPU сохраняет за собой работу, которая подходит универсальному ускорителю, а нейроморфный чип берёт на себя вычисления, которые, по мнению разработчиков, он может выполнять эффективнее. Если такое разделение подтвердится в эксплуатации, облачный оператор сможет снизить стоимость обслуживания ИИ-запросов, не заменяя весь свой GPU-парк.

Сложность — во всём, что находится между двумя чипами. Данные должны перемещаться вовремя, программное обеспечение должно решать, где выполняется каждое вычисление, и ни один из процессоров не должен слишком долго ждать другого. Экономия, измеренная на одной конфигурации DeepSeek, может сократиться при более длинных запросах, более высокой нагрузке или смене модели.

Поэтому для читателей BTW заявление о 40% требует сопоставления на уровне всей системы. Клиентам нужно было бы выполнять одинаковую нагрузку при одинаковом времени отклика и качестве выдачи, учитывая оба процессора, соединение и программное обеспечение. Если гибридная система и в таких условиях окажется дешевле, архитектура станет коммерчески интересной.

За чем следить

Пилотные испытания у клиентов должны показывать стоимость всей системы, время отклика и пропускную способность, а не очередной пиковый бенчмарк. Результаты на нескольких моделях и разных схемах нагрузки покажут, сохраняется ли заявленная экономия вне теста DeepSeek V4 Flash. Более весомым доказательством, чем дальнейшие демонстрации, станут коммерческие заказы или развёртывания у облачных и корпоративных клиентов.