В 2026 году рынок AI-чипов выходит из стадии зарождения с множеством новых архитектур и масштабных релизов от Qualcomm, AMD, Google, Nvidia и других. Главные тренды — рост памяти, новые подходы к памяти и повышенная энергоэффективность для inference. Важно отслеживать чипы с инновационной архитектурой и масштабируемостью.
AI Chip & Silicon Round-up 2026
полный разбор ролика · 5 глав ↓
Введение в AI-чипы 2026
Рынок AI-чипов перестал быть новым, с первыми TPU и Tensor Core GPU более 7 лет назад. 2026 год обещает множество новых архитектур и релизов, которые стоит изучать.
Видео фокусируется на самых интересных AI-чипах 2026 года и их потенциале для индустрии.
Qualcomm и будущее памяти
Qualcomm масштабно развернул AI100, но это устаревшее железо. AI200 с 70 млрд транзисторов и LPDDR5x ориентирован на inference, но рост цен на память может ограничить успех.
AI250 обещает 10-кратный рост пропускной способности памяти благодаря compute near memory и LPDDR6, что стоит держать в фокусе.
AMD и масштабируемость
AMD готовит MI455X с 320 млрд транзисторов, 432 ГБ HBM4 и 20 ТБ/с пропускной способности, что может бросить вызов Nvidia.
Helios rack и 3.5D упаковка обеспечивают высокую плотность и производительность, что важно для масштабных систем.
Google TPUv7 и оптические сети
Google TPUv7 построен на TSMC N3E с 100+ млрд транзисторов и 192 ГБ HBM3e, оптимизирован для Gemini inference.
Оптические переключатели позволяют создавать Superpods из 9,216 TPU, обеспечивая уникальную масштабируемость и энергоэффективность.
Groq LPU и детерминированное исполнение
Groq LPU с 55 млрд транзисторов и 230 МБ SRAM рядом с ядрами устраняет задержки через детерминированное исполнение.
Для запуска моделей требуется много таких чипов, что — компромисс между памятью и скоростью.