Инфраструктурный стартап Infinity с агентами ИИ бросает вызов монополии Nvidia на ПО для чипов

Монополия Nvidia в индустрии искусственного интеллекта держится не только на производительности её чипов, но в первую очередь на проприетарной программной платформе CUDA. Эта среда разработки, созданная более десяти лет назад, превратила графические процессоры компании в универсальные вычислительные машины, на которые заточены все основные фреймворки машинного обучения, включая PyTorch и TensorFlow. Любой разработчик, пишущий код на Python, автоматически оказывается в экосистеме Nvidia, поскольку его программа будет по умолчанию оптимизирована для работы на чипах этого производителя. Для конкурирующих архитектур требуется написание низкоуровневого кода, что требует специфических знаний и ресурсов, недоступных большинству стартапов.

Новый игрок, компания Infinity, привлекшая 15 миллионов долларов от Touring Capital, исследователей OpenAI и Anthropic, предлагает радикально иной подход к решению этой проблемы. Вместо того чтобы создавать ручную оптимизацию под каждую архитектуру, как это делает Nvidia, стартап разработал автономного агента под названием Ignition. Этот агент способен самостоятельно писать, тестировать и переписывать низкоуровневый код для любых чипов, используя методологию, основанную на прошлой работе основателя, который создавал алгоритмы, генерирующие новые алгоритмы машинного обучения. Система работает в замкнутом цикле: она генерирует код, запускает его на тестовом оборудовании, измеряет производительность и затем автоматически улучшает слабые места без участия человека.

Интересно, что стратегия Infinity нацелена на самый уязвимый аспект доминирования Nvidia — зависимость от ручного труда инженеров. Компании приходится вручную обновлять библиотеки cuDNN и оптимизировать ядра для новых моделей ИИ, которые выходят практически еженедельно. Автоматизированный агент Infinity может потенциально выполнять эту работу быстрее и с меньшими затратами, переводя конкуренцию из плоскости ресурсов в плоскость эффективности автоматизации. Это особенно актуально для рынка инференса (запуска готовых моделей), где скорость и стоимость обработки запросов критически важны, и где альтернативные чипы от таких компаний, как D-Matrix, уже проявили интерес к технологии.

Однако заявления о создании полного аналога CUDA остаются в значительной степени спекулятивными. CUDA — это не просто несколько строк кода, а целая экосистема, включающая компиляторы, профилировщики, тысячи готовых библиотек и десятилетний боевой опыт оптимизации. Стартап пока демонстрирует только библиотеку для инференса, а не полноценный инструмент для разработки и обучения моделей. Переход от доказательства концепции к реальной замене устоявшейся платформы может занять годы и потребует серьёзных инвестиций в привлечение разработчиков и совместимость со всеми существующими фреймворками. Примечательно, что сама идея автоматизированного проектирования кода напоминает работу AlphaChip от Google DeepMind, которая физически проектировала разводку чипов, но теперь тот же принцип пробуется для программного управления ими.

В долгосрочной перспективе успех Infinity будет зависеть от того, сможет ли он предложить не просто автоматизацию, а более простой и дешёвый способ запуска моделей на альтернативном оборудовании по сравнению с Nvidia. Если агент Ignition действительно сможет достичь сопоставимой производительности на других архитектурах при меньших затратах на разработку, это может изменить правила игры на рынке ИИ-железа. В любом случае, появление таких проектов сигнализирует о том, что эпоха доминирования одной платформы, основанного на человеческом труде оптимизаторов, подходит к концу, уступая место автоматизированным системам, способным адаптироваться к любому чипу.