Еще недавно казалось, что в гонке ИИ-ускорителей все уже решено. Nvidia прочно закрепилась на вершине рынка, ее решения стали стандартом для обучения и запуска современных нейросетей, а конкуренты пытались догнать лидера по производительности. Но по мере роста вычислительных кластеров выяснилось, что проблема давно не сводится только к скорости. Все больше внимания приходится уделять расходам на электричество, охлаждение и содержание дата-центров.

Именно здесь Intel рассчитывает найти свое преимущество. Вместо очередной попытки обойти Nvidia по производительности компания делает ставку на Jaguar Shores — платформу, ориентированную на энергоэффективность и экономику крупных ИИ-развертываний. Причем речь идет не только о самом ускорителе, но и об оптимизации всей стойки целиком. Попробуем разобраться, почему Intel считает такой подход своим шансом вернуть себе часть рынка ИИ-вычислений.

Почему дата-центрам все сложнее прокормить ИИ  

Современные ускорители для искусственного интеллекта потребляют значительно больше энергии, чем процессоры предыдущих поколений. Если обычный серверный CPU укладывался в десятки или чуть больше ста ватт, то актуальные GPU легко перешагивают за 700 Вт на чип, а в плотной конфигурации стойки их суммарная мощность достигает десятков киловатт. В результате одна стойка с ИИ-оборудованием может потреблять столько же, сколько раньше требовалось для целого небольшого зала с традиционными серверами. Это кардинально меняет подход к электропитанию, резервным мощностям и инфраструктуре в целом.

Для владельцев дата-центров все это уже давно не теория. Во многих регионах становится все сложнее получить дополнительное электроснабжение, поэтому новые проекты приходится переносить в другие места или вкладывать деньги в собственные источники энергии. Не меньше проблем возникает и с отводом тепла: воздуха все чаще оказывается недостаточно, поэтому операторы переходят на жидкостные системы. В итоге увеличивается не только стоимость оборудования, но и расходы на строительство площадок, электроэнергию и их дальнейшее содержание. 

Новый план Intel для рынка ИИ-ускорителей 

Intel работает над ускорителями для ИИ уже несколько лет. После приобретения Habana Labs компания развивала линейку Gaudi, ориентируя ее прежде всего на задачи инференса и отдельные сценарии обучения. Текущая модель Gaudi 3 уже предлагает конкурентное соотношение цены и производительности в ряде практических кейсов, особенно когда важна не только скорость, но и предсказуемость затрат. Эти чипы используют относительно доступную память HBM и демонстрируют хорошие показатели в задачах с большими языковыми моделями.

Параллельно существовали планы по более универсальному продукту. Изначально готовился Falcon Shores — дискретный ускоритель на базе наработок Gaudi, который должен был обеспечить более широкие возможности и выйти ближе к концу 2025 года. Однако в итоге от плана отказались, оставив его преимущественно для внутренних тестов и валидации. Такой поворот позволил компании пересмотреть приоритеты и сосредоточиться на следующем этапе развития.

И здесь появляется Jaguar Shores. Вместо того чтобы предлагать просто очередной чип или карту, Intel делает ставку на решение уровня целой стойки — так называемый rack-scale-подход. Это означает, что оптимизируется не только сам ускоритель, но и вся связанная инфраструктура: распределение питания, сетевые соединения между устройствами, тепловой режим и взаимодействие с центральными процессорами в рамках одной стойки. Системный взгляд дает возможность улучшать показатели эффективности на уровне всего кластера, а не отдельных компонентов в изоляции.

Еще один аргумент в пользу Jaguar Shores — тесная связка с серверными процессорами Xeon. На практике ИИ-системы редко работают только на ускорителях: часть задач все равно выполняется ЦП. Когда и CPU, и ускорители разрабатывает одна компания, проще добиться их эффективной совместной работы. Кроме того, Intel рассчитывает на преимущества своего нового техпроцесса 18A. Разработчики обещают, что технологии RibbonFET и подача питания с обратной стороны кристалла помогут снизить энергопотребление и повысить эффективность будущих чипов. 

И еще один важный фактор — программная экосистема. Intel продвигает открытые подходы, включая oneAPI и широкую поддержку популярных фреймворков, в отличие от более закрытой модели, которая доминирует у основного конкурента. Для организаций, не желающих полностью зависеть от одного поставщика или тратить значительные ресурсы на адаптацию существующего кода, это может стать важным аргументом при рассмотрении вариантов. В сочетании с аппаратными улучшениями на уровне стойки такой подход формирует основу для предложений с привлекательным профилем долгосрочных затрат.

Где Intel надеется обойти Nvidia 

Для владельцев дата-центров важна не только цена самих ускорителей. Не меньшее значение имеют расходы, которые появляются уже после покупки оборудования: счета за электричество, охлаждение, обслуживание и модернизацию инфраструктуры. Чем крупнее ИИ-кластер, тем заметнее становятся эти затраты. Похоже, Intel рассчитывает, что именно здесь ее решения смогут дать заказчикам ощутимую экономию. 

По словам Intel, нынешние ускорители семейства Gaudi уже способны конкурировать с решениями Nvidia и AMD в ряде задач. Компания утверждает, что Gaudi 3 обеспечивает хорошее соотношение производительности и энергопотребления при работе с большими языковыми моделями и другими ИИ-нагрузками. При этом такие ускорители потребляют меньше энергии, чем некоторые флагманские решения конкурентов. На первый взгляд разница в несколько десятков или даже сотню ватт может показаться незначительной, но в кластере из сотен или тысяч ускорителей она превращается в заметную экономию на электричестве. Дополнительным аргументом Intel считает и более низкую стоимость своих ускорителей по сравнению с наиболее дорогими моделями Nvidia. 

Intel считает, что выиграть можно не только за счет самих ускорителей, но и за счет более грамотной организации всей стойки. Если питание, охлаждение и взаимодействие между устройствами будут работать эффективнее, то в тех же условиях удастся разместить больше вычислительных ресурсов. 

Что в итоге… 

Однако Intel придется бороться не только за производительность. Nvidia за последние годы успела построить вокруг своих ускорителей огромную экосистему, к которой привыкли разработчики, исследователи и владельцы дата-центров. Поэтому, даже если новое железо окажется конкурентоспособным, убедить клиентов отказаться от привычных инструментов будет непросто. 

Были и внутренние сложности: переносы сроков, отмена отдельных проектов, финансовые трудности компании, которые привели к сокращениям штата. Все это снижает уверенность потенциальных клиентов в долгосрочной поддержке и стабильности roadmap. Сам Jaguar Shores пока находится на ранней стадии: завершение дизайна ожидается примерно к середине 2026 года, а реальные поставки, скорее всего, сдвинутся на 2027 год или позже. За это время рыночная ситуация и конкурентные предложения могут заметно измениться.

Впрочем, списывать Intel со счетов пока рано. Рынок ИИ растет настолько быстро, что места на нем хватает не только Nvidia, а многие компании все меньше хотят зависеть от одного поставщика оборудования. Кроме того, по мере роста вычислительных кластеров все больше внимания уделяется не только мощности, но и расходам на электричество, охлаждение и эксплуатацию. Если Jaguar Shores действительно сможет предложить заметную экономию без серьезных потерь в производительности, Intel вполне способна закрепиться в отдельных сегментах рынка. До прямой конкуренции с Nvidia в самых тяжелых задачах обучения нейросетей компании еще далеко, однако даже частичный успех Jaguar Shores станет важным шагом к возвращению Intel на рынок ИИ-ускорителей.