A két pólusúvá váló világ az AI ökoszisztémát is kettészakította

A Huawei 2025 tavaszán hivatalosan is megkezdte az Ascend 910C mesterséges intelligencia–chip tömeges kiszállítását kínai ügyfeleinek, amellyel a vállalat célja, hogy betöltse az amerikai exportkorlátozások által keletkezett űrt az AI chippek piacán. Az Ascend 910C nem egy teljesen új fejlesztés: két korábbi, Ascend 910B lapkát integrál egyetlen modulba, kihasználva a Huawei saját Da Vinci architektúráját és a chiplet-technológia előnyeit. A duál-chip kialakítás révén elérhető számítási teljesítmény MB16/FP16 pontossággal mintegy 780–800 TFLOPS, míg a memória­sávszélesség 3,2 TB/s körül alakul.

Gyártási szempontból a 910C hibrid stratégiát alkalmaz: az SMIC második generációs 7 nm-es (N+2) eljárása mellett felhasználja a 2019 előtti amerikai szankciók előtt felhalmozott, TSMC-től származó 7 nm-es wafer-készleteket. A chip 310 W körüli fogyasztása némileg meghaladja az Nvidia H100 300 W-os értékét, ám a teljesítmény-energiahatékonyság tekintetében így is versenyképes riválisnak számít.

Teljesítmény terén a 910C leginkább következtetési (inference) feladatokban mutatja meg erősségét: független vizsgálatok szerint a H100-as GPU inferencia-sebességének mintegy 60 %-át produkálja, miközben a dedikált CUNN-kernel optimalizálások segítségével ez az arány tovább javítható. A nagyobb méretű modellképzés (training) esetén azonban a die-to-die sávszélesség korlátai – több tízszer alacsonyabb érték a H100-hoz képest – és a viszonylag fiatal ökoszisztéma miatt az Nvidia legfejlettebb chippjei továbbra is hatékonyabb hardveres megoldásoknak számítanak.

Az Ascend 910C szoftveres támogatottsága több ismert keretrendszerre kiterjed: natív MindSpore-támogatáson túl TensorFlow és PyTorch kompatibilitást is kínál, továbbá speciális eszközök segítik az áttérést az Nvidia-ról (például a DeepSeek automatizált CUDA→CUNN konverziós megoldása). Ez lehetővé teszi, hogy a kínai felhőszolgáltatók és kutatóintézetek viszonylag zökkenőmentesen integrálják a 910C lapkákat meglévő munkafolyamataikba.

Piaci szempontból a Huawei tömeges szállításai – az első tételek áprilisban érkeztek, a teljes körű kiszállítás májusban indult – azt valószínűsítik, hogy 2025 végére a kínai csúcskategóriás AI-chipek piacának 60–70 %-át fedheti le. A vállalat állítólag 1,4 millió darabos megrendelést kötött, egységenként mintegy 28 000 USD áron, ami gyakorlatilag megegyezik az Nvidia H100 árszintjével.

A geopolitikai környezet valamint az amerikai szankciók ösztönzik a kínai félvezető ipar egyre nagyobb önállóságát. A tiltások nem állították meg, hanem felgyorsították a hazai innovációt, mivel az exportkorlátozások arra kényszerítik a kínai cégeket, hogy egyre inkább hazai forrásokra és beszállítókra támaszkodjanak, ami hosszabb távon csökkentheti a nyugati technológiától való függőséget.

Ugyanakkor az Nvidia globális dominanciája nem bomlik fel egyik pillanatról a másikra: a H100-as GPU-k továbbra is a nagy méretű modellképzések referenciapontjai, és a nyugati piacon az Nvidia-tól való elfordulás aligha várható rövid távon. A 910C sikeres piacra vitele azonban kézzelfogható példája annak, hogy a technológiai versengés kettéválaszthatja a globális AI-ökoszisztémát: egy nyugati, Nvidia-központú és egy kínai, Huawei-alapú ágra. A következő generációs Ascend 920 pedig már most arra utal, hogy a vállalat nem áll meg a 910C-nél, és a verseny még csak most kezdődik. 

Osszd meg ezt a cikket
Az okos szemüvegek piaca valóban robbanás előtt áll?
Egyes iparági szakértők szerint 2025 lehet az az év, amikor az okos szemüvegek végérvényesen kilépnek a kísérleti eszközök árnyékából, és megkezdik térhódításukat a szélesebb fogyasztói rétegekben. Bár a technológia nem új, az utóbbi évek fejlesztései, piaci szereplők belépése és a mesterséges intelligencia térnyerése együttesen egy olyan fordulópontot vetítenek előre, amely indokolttá teszi a kérdést: az okos szemüvegek piaca valóban robbanás előtt áll?
Kína 100 ezer Nvidia chipet szerezne be – de honnan jönnek a tiltott technológiák?
Miközben az Egyesült Államok és Kína közötti politikai és gazdasági feszültségek egyre fokozódnak, a globális technológiai verseny sem lassul. A világ egyik legfontosabb chipgyártója, az amerikai Nvidia olyan új stratégiákon dolgozik, amelyekkel a geopolitikai korlátok ellenére is fenntarthatja jelenlétét Kínában. A vállalat nem csupán üzleti, hanem diplomáciai téren is igyekszik mozgásteret teremteni magának.
 Fázisátmenet figyelhető meg a nyelvi modellek tanulásában
Mi történik a mesterséges intelligencia „elméjében”, amikor megtanulja megérteni a nyelvet? Hogyan jut el oda, hogy nem csupán a szavak sorrendjét, hanem azok jelentését is képes követni? Egy nemrég megjelent kutatás a mesterséges intelligencia e belső folyamataiba enged elméleti betekintést, és olyan átváltozást azonosít, amely a fizikából ismert fázisátmenetekhez hasonlítható.
 Hogyan segít az MI a cementipar szén-dioxid-kibocsátásának csökkentésében
A globális szén-dioxid-kibocsátás mintegy nyolc százalékáért egyetlen iparág felelős: a cementgyártás. Ez több, mint amennyit az egész légi közlekedési szektor kibocsát világszerte. Miközben a világ egyre több betont használ — lakóházakhoz, infrastruktúrához, ipari létesítményekhez —, a cement előállítása továbbra is rendkívül energiaigényes és szennyező marad. Ezen a helyzeten kíván változtatni a svájci Paul Scherrer Intézet (PSI) kutatócsoportja, amely mesterséges intelligencia segítségével dolgozik ki új, környezetbarát cementrecepteket.
Hol tart ma valójában a mesterséges intelligencia?
A mesterséges intelligencia fejlesztése az elmúlt években látványos és gyakran lenyűgöző eredményeket produkált. Az olyan rendszerek, mint a ChatGPT, képesek természetes nyelvű szövegeket generálni, problémákat megoldani és sokszor az emberi teljesítményt is meghaladni különféle feladatokban. Ugyanakkor egyre több neves kutató és technológiai vezető – köztük John Carmack és François Chollet – hívja fel a figyelmet arra, hogy ezek az eredmények nem feltétlenül jelentik az általános mesterséges intelligencia (AGI) közeledtét. A színfalak mögött most új típusú problémák és kérdések kerültek a figyelem középpontjába, amelyek messze túlmutatnak a puszta teljesítményen.
SEAL az önmagát tanító mesterséges intelligencia előhírnöke
Hosszú évek óta tartja magát az elképzelés, hogy a mesterséges intelligencia fejlesztésének kulcsa az emberi tanítás: adatok, címkék, finomhangolás, gondosan megtervezett beavatkozások. Most azonban egy új megközelítés látott napvilágot. Az MIT kutatóinak legújabb munkája, a SEAL (Self-Adapting Language Models) névre keresztelt rendszer olyan nyelvi modelleket mutat be, amelyek képessé válnak saját maguk tanítására. Az eredmények nemcsak technológiai újdonságot jelentenek, hanem felvetik a kérdést: vajon milyen szerepet szánunk a jövőben az embernek az intelligens rendszerek képzésében?