Компании Qualcomm Technologies и Amazon объявили о заключении многолетнего соглашения о сотрудничестве. Работы будут осуществляться по нескольким направлениям, включая создание кастомизированных чипов для дата-центров, ориентированных на ИИ-задачи.

Партнёры отмечают, что в настоящее время наблюдается экспоненциальный рост нагрузок, связанных с ИИ. Это приводит к стремительному увеличению спроса на вычислительные ресурсы и хранилища данных. Одновременно повышаются требования к пропускной способности каналов связи. Совместные усилия Qualcomm и Amazon как раз и будут направлены на создание аппаратных решений для высокопроизводительных ИИ-инфраструктур следующих поколений.

Компании, в числе прочего, займутся разработкой передовых чипов, оптимизированных для задач инференса в крупномасштабных дата-центрах. Qualcomm и Amazon также намерены сотрудничать в области высокопроизводительных оптических систем связи: речь идёт о решениях класса 1,6 Тбит/с и выше. При этом будут использоваться технологии Qualcomm, включая DSP и SerDes.

Источник изображения: Qualcomm

В рамках сотрудничества Qualcomm намерена расширить использование облачной инфраструктуры AWS, включая платформу Amazon Bedrock, которая обеспечивает доступ к большим языковым моделям (LLM) и ИИ-инструментам через общий интерфейс. Эти сервисы Qualcomm будет применять для автоматизации проектирования электроники (EDA), что позволит значительно ускорить процессы создания передовых микросхем.

Конечной целью сотрудничества Qualcomm и Amazon называют формирование высокопроизводительной, эффективной и экономичной инфраструктуры для ИИ и сопутствующих нагрузок.

В своей опубликованной не так давно статье Сатоши Мацуока (Satoshi Matsuoka), директор Центра вычислительной науки RIKEN в Кобе (Япония), подверг сомнению устоявшиеся представления о необходимости FP64-вычислений для HPC-задач и встал на защиту схемы Озаки II. Мацуока, по сути, утверждает, что аппаратная поддержка FP64 — не лучший способ выполнения определённых HPC-нагрузок, требующих 64-бит точности, на новых моделях ускорителей NVIDIA. В подтверждение он демонстрирует возможность использования FP8-расчётов с использованием схемы Озаки II для ускорения вычислений при сохранении той же 64-бит точности.

Используя терминологию автомобильных гонок, Мацуока говорит: прекратите использовать автомобили «Формулы-1» (FP64) для максимально быстрого перемещения по трассе HPC и замените их множеством «электровелосипедов» (FP8). Как отметил ресурс HPCwire, формат FP64 десятилетиями отвечал за производительность вычислений с плавающей запятой для приложений HPC. Исторически сложилось так, что производители CPU и GPU неизменно демонстрировали рост производительности в FP64-расчётах на протяжении поколений.

Но на рынке, движимом ИИ нового поколения, предпочтение отдаётся увеличению FP8-производительности. В то время как HPC требуют FP64, для обучения и инференса в ИИ нового поколения достаточно низкой точности расчётов. Ориентируясь на более крупный рынок, NVIDIA снизила производительность FP64 в ускорителях нового поколения (у AMD таких планов нет) и создала разрыв, который, по мнению Мацуоки, может быть заполнен «электровелосипедами» FP8. В связи с этим сообщество HPC задаётся вопросом: «Где мы будем получать производительность в формате FP64? Похоже, мы стали второсортными участниками рынка NVIDIA».

Источник изображений: HPCwire

Следует отметить, что по сравнению с традиционной схемой Озаки I, Озаки II обеспечивает более высокую вычислительную эффективность и лучшую масштабируемость для крупномасштабных высокоточных численных вычислений. В начале 2026 года Кацухиса Озаки (Katsuhisa Ozaki) и два других японских исследователя отметили, что исходный алгоритм Озаки II не может быть напрямую адаптирован к матричным MAC-блокам (умножение и сложение) FP8. В связи с этим они ввели квантование, которое имитирует модульную арифметику в FP8. Благодаря этому Ozaki II поддерживается Blackwell Ultra и Rubin, которые ограничили развитие INT8-производительности в пользу FP8/FP4.

В качестве аргумента Мацуоки привёл графики работы HCP-приложений на конкретных чипах. В целом, на все приложения, работающие на GPU, действует одно из двух ограничений. Первое — это пропускная способность памяти (диагональная линия в левой части графика). Второе ограничение — это пиковая скорость, с которой может работать чип (горизонтальная линия в верхней части изображения).

В точке пересечения линий пропускной способности памяти и пиковой производительности GPU получает данные с той скоростью, с которой он может их обрабатывать, что представляет собой хороший баланс между характеристиками подсистемы памяти процессора. При этом, большинство HPC-приложений ограничены пропускной способностью памяти, т.е. диагональной линией на графике. Снижение FP64-производительности резко меняет эти «пределы» для новых GPU NVIDIA.

Мацуока указал на два важных следствия этих изменений. Во-первых, ранее ограничиваемые памятью ядра (kernel) теперь упираются в вычислительные ресурсы. У B300 соотношение производительности к пропускной способности памяти находится на уровне 0,16 флопс/байт (1,3 Тфлопс/8 Тбайт/с). Во-вторых, тензорные блоки низкой точности (FP4 и FP8) при работе с типичным HPC-ядром, поддерживающим только FP64, простаивают и никак не влияют на время, затрачиваемое ядром на решение. Эта ситуация является наглядным проявлением различия между ИИ-нагрузками и HPC.

Мацуока также отметил, что несмотря на быстрое развитие алгоритмов Ozaki-I и Ozaki-II для операций GEMM (General Matrix-Matrix Multiply), все опубликованные исследования производительности сосредоточены на режиме, ограниченном вычислительными ресурсами, когда метод Ozaki наиболее очевидно в выигрыше благодаря огромному количеству тензорных блоков. Исследователь указал, что ни в одном опубликованном анализе никто не задавался вопросом: когда Ozaki-II становится выгодным для ядер, ограниченных объёмом памяти? Общепринятое мнение заключается в том, что методы EFT, в т.ч. Ozaki-I и II, не могут помочь ядрам с ограниченной пропускной способностью.

Поэтому Мацуока категорически называет нативную FP64-обработку единственным способом достижения производительности уровня HPC при использовании NVIDIA B300 и более поздних версий лишь догмой. Для обоснования своего утверждения Мацуока анализирует производительность с использованием четырех стандартных примитивов HPC:

• GEMM (общее умножение матриц).
• Пакетное GEMV (общее умножение матриц на векторы).
• 7-point Stencil (метод конечных разностей).
• SpMV (разреженное умножение матриц на векторы).

В таблице ниже приведены данные об ускорении вычислений на GPU нескольких поколения при использовании Ozaki-II в FP8-режиме относительно производительности тех же GPU в нативном режиме FP64. За базовый уровень взята производительность H100, последнего ускорителя NVIDIA, архитектура которого сбалансированна и подходит для HPC, а не исключительно для ИИ-инференса.

Мацуока утверждает, что согласно приведённым данным, схема Ozaki-II не ухудшает производительность по сравнению с базовым уровнем H100; напротив, она восстанавливает или улучшает масштабируемость для каждой рабочей нагрузки. «Ozaki-II — это не просто механизм компенсации регрессии NVIDIA в FP64; это механизм, который преобразует экономию площади кремния в <…> более быстрый FP64 с точки зрения приложения», — заявил исследователь.

AMD же повышает FP64-производительность, «поскольку метод Озаки не оправдывает ожиданий». Ранее компания указала на несколько проблем с EFT-методами. Во-первых, такое ПО не соответствует стандарту IEEE и не дает тех же результатов, что запуск кода на реальном FP-64оборудовании. Во-вторых, схема Озаки нацелена на квадратные матрицы. Если таковые в расчётах не используется, то производительность оказывается ниже, чем у нативного FP64-исполнения. В-третьих, традиционные HPC-задачи основаны на векторных расчётах, для которых методы Озаки малоэффективны — менее 10 % таких приложений охвачены матричными расчётами, позволяющими использовать EFT-методы. Но и для тех, что поддерживают такие методы, всё равно придётся переписывать код. Вместе с тем AMD не собирается отказываться от поддержки эмуляции Озаки на своих чипах в качестве резервного варианта.

В правительстве США выразили поддержку обеим концепциям. «В ходе обсуждений с Лизой Су (Lisa Su) и Дженсеном Хуангом (Jensen Huang) я убедился в их твёрдой приверженности формату FP64 и его дальнейшему развитию, — сказал ранее в интервью СМИ заместитель министра энергетики США (DoE) по науке и инновациям. «Это взаимодополняющие технологии», которые будут работать вместе, чтобы поддержать цель миссии Genesis — расширение границ в науке и технике с использованием ИИ. Следует уточнить, что он никогда прямо не заявлял о методах Озаки как о «запасном варианте» по сравнению с традиционными методами FP64 и и не объявлял об использовании эмуляции Озаки в целом.

Французский ИИ-стартап Mistral объявил об успешном завершении раунда финансирования серии D, в ходе которого он привлёк €3 млрд с оценкой рыночной стоимости более €21 млрд, что, по его словам, стало крупнейшим раундом привлечения акционерного капитала, когда-либо проводившимся европейской технологической компанией.

Раунд возглавила Samsung Electronics, к которой присоединились совладельцы фонда Scaleup Europe, управляемого EQT, и существующий инвестор PSG Equity. В раунде приняли участие действующие инвесторы, включая a16z, ASML, Belfius, BNP Paribas CIB. В качестве новых инвесторов к раунду присоединились Advent, фонды и счета, управляемые BlackRock, а также Великое герцогство Люксембург.

Источник изображения: Mistral

Благодаря проведённому раунду оценка рыночной стоимости Mistral выросла почти в два раза с €11,7 млрд, полученной после проведения раунда серии С в сентябре 2025 года, который возглавила ASML. В том раунде также приняли участие NVIDIA и Андреессен Горовиц (Andreessen Horowitz).

Привлечённые средства позволят Mistral расширить инфраструктуру и ускорить коммерческий рост и международное присутствие. В настоящее время компания работает в 20 странах и поддерживает более 125 критически важных ИИ-систем на предприятиях по всему миру, включая Airbus, ASML и HSBC.

Основанная в 2023 году Mistral позиционирует себя в качестве европейской альтернативы крупным американским ИИ-компаниям OpenAI и Anthropic. Хотя масштабы, конечно, несопоставимы. В июне PitchBook сообщала, что компания привлекла около $4 млрд инвестиций, тогда как OpenAI привлекла $186 млрд, а Anthropic — $161,25 млрд. Рыночная стоимость OpenAI по итогам раунда в марте составила $852 млрд, а Anthropic после раунда финансирования H, завершённого в мае, оценивается в $965 млрд.

Как отметила Mistral, во время первой волны внедрения генеративного ИИ главным вопросом было то, кто сможет создать самую мощную модель. А сейчас организации и правительства задаются другим вопросом: как использовать возможности ИИ для решения своих критически важных задач, не отказываясь от контроля над инфраструктурой и контуром сбора данных.

Mistral утверждает, что является единственной компанией в мире в сфере ИИ, которая создаёт полный пакет решений, необходимых для ответа на этот вопрос: модели с открытым исходным кодом, инфраструктуру и вычислительные мощности, на которых они работают, а также продукты, которые позволяют внедрять их в производство; это гарантирует, что клиенты никогда не будут привязаны к планам одного поставщика, ценам или доступности.

Комплексный и открытый подход компании, как утверждается, также позволяет организациям использовать ИТ-технологии, не раскрывая свои наиболее ценные данные, рабочие процессы и институциональные знания никому за пределами своих собственных стен. Это то, что делает стек от Mistral суверенным ИИ-слоем. Это означает сохранение контроля в четырёх измерениях: данные, которые остаются в пределах границ организации, управляемые и настраиваемые модели, частные и предсказуемые вычисления и производственные системы, которые полностью контролируются и поддаются аудиту.

Arm представила платформу нового поколения Neoverse Compute Subsystems (CSS) N4 для разработки серверных процессоров для ИИ ЦОД. Как сообщает компания, ИИ-инфраструктура становится всё более разнородной: для некоторых развёртываний требуются микросхемы, адаптированные под определённую системную архитектуру или функцию — от специализированных вычислительных платформ до цифровых сигнальных процессоров, сетевых и других специализированных решений.

Новая платформа позволяет внедрить технологии Arm в эти решения, предоставляя партнёрам возможность адаптировать её под свои нужды, сокращая при этом трудозатраты на разработку, риски, связанные с интеграцией, и время, необходимое для создания микросхемы. По словам компании, Neoverse CSS N4 (Ranger) — это самая гибкая вычислительная подсистема Arm, обеспечивающая самый быстрый способ создания кастомных процессоров для ИИ ЦОД.

Arm Compute Subsystems или CSS — это программа создания полукастомных решений, которая позволяет клиентам разрабатывать чипы на основе IP-ядер Arm, настраивая количество ядер, размер кеша, I/O-блоки и возможности подключения в соответствии со своими потребностями. Neoverse CSS N4 поддерживает от 8 до 128 ядер Neoverse N4 с тактовой частотой до 3,8 ГГц (первые в серии N с такой частотой), изготовленных по техпроцессу N3P от TSMC, с поддержкой мультичиплетной и мультисокетной архитектуры.

Источник изображения: Arm

Платформа поддерживает память DDR5/LPDDR6, обеспечивает до 256 Мбайт L3-кеша с ECC на кристалл, до 2 Мбайт L2-кеша с ECC на ядро и по 64 Кбайт L1d/L1i-кеша на ядро. Также платформа поддерживает до 128 линий PCIe 6.0/7.0 (блоки по x16 с бифуркацией до x4) с CXL 4.0, интерфейсы AMBA CHI/AXI и UCIe. Для BMC предполагается использование ASPEED AST2600. По данным компании, Neoverse CSS N4 обеспечивает в 2 раза более высокую производительность, в 1,25 раза более высокую производительность на ватт и в 1,75 раза более высокую пропускную способность памяти по сравнению с Neoverse N3 (Hermes).

Идея состоит в том, чтобы позволить разработчикам чипов тратить больше времени на добавление своих собственных элементов и меньше времени на то, чтобы разбираться, почему предположительно совместимые блоки перестали взаимодействовать друг с другом. CSS поставляется в виде RTL (Register-Transfer Level), который может быть интегрирован в современные EDA-процессы, с руководством по внедрению, поддержкой совместимости с IP-блоками сторонних производителей и интегрированным стеком ПО.

Arm заявляет, что клиенты могут развернуть Linux для проверки и разработки ПО до того, как появится готовый чип. Компания также предложила клиентам, которые не хотят заниматься разработкой собственных чипов, объединить CSS N4 с процессором Arm AGI. Это уже готовый чип для рабочих нагрузок, требующих высокой скорости обработки данных, а CSS N4 позволяет гиперскейлерам и разработчикам чипов адаптировать его под конкретные стойки. По словам компании, OpenAI, Meta✴, Cloudflare, Oracle, SAP, Lenovo, Supermicro и Verda уже разрабатывают системы и сервисы на базе процессора AGI.

ИИ-стартап Anthropic подписал соглашения общей суммой порядка $517 млрд за последние 11 мес. По данным The Information, компилировавшей соответствующие сведения с октября 2025 года, речь идёт о 14,8 ГВт вычислительных мощностей, которыми компания будет пользоваться в ближайшие годы. По данным источника, пожелавшего сохранить анонимность, ещё раньше компания также зарезервировала от 1 до 2 ГВт мощностей.

В последнее время Anthropic быстро наращивает свои вычислительные ресурсы. В конце августа заключено соглашение с Nscale на сумму $45 млрд, а до этого компания подписала с американскими застройщиками более дюжины писем о намерениях, касающихся аренды ЦОД. Кроме того, заключено соглашение на 191 МВт с Riot Platforms на $9,1 млрд. Наконец, компания заключила соглашение с Google на $200 млрд о поставке TPU-ускорителей — эту продукцию Anthropic сможет использовать самостоятельно, без прямого участия Google.

Источник изображения: Brecht Corbeel/unsplash.com

Компания не только арендует дата-центры, но и пользуется услугами облачных провайдеров для получения дополнительных вычислительных мощностей. Крупные сделки по их аренде были заключены с Akamai, AWS (с использованием ускорителей Trainium), крупная сделка на $50 млрд заключена с облачной компанией Fluidstack. Дополнительно известно о сделках со SpaceX/xAI, Google Cloud, Lambda, Volta Infra, CoreWeave, AMD и Microsoft.

Ранее инвесторам сообщалось, что компания намерена арендовать за $180 млрд серверы до 2029 года. Впрочем, с тех пор сумма, вероятно, значительно выросла. По данным The Information, она уже превысила полтриллиона долларов. Впрочем, издание признаёт, что могут быть и прочие сделки, о которых не сообщалось публично. Крупнейшими поставщиками вычислительных мощностей для Anthropic стали Google и AWS, совокупно они обеспечат 11 ГВт.

После урегулирования претензий к SAP следующим объектом расследования Еврокомиссии может стать Oracle, чья практика лицензирования ПО вызывает вопросы как у участников рынка, так и у регулятора. Как сообщает The Register, ЕК обратилась к другим компаниям с просьбой высказать мнение по этому поводу, что может означать сбор информации для будущего расследования.

Закончившееся недавно расследование Еврокомиссии в отношении другого поставщика корпоративного ПО, компании SAP, завершилось принятием регулятором юридически обязывающих обязательств от немецкой компании об отмене платы за восстановление лицензии и снижении платы за обслуживание, а также о других уступках. Представитель ЕК сообщил The Register, что расследование в отношении SAP завершено, и регулятор «будет продолжать отслеживать возможные дальнейшие антиконкурентные практики и злоупотребления в этом секторе. Однако на данном этапе формального расследования в отношении какой-либо компании не проводится».

Лицензионная политика Oracle (Oracle) на протяжении многих лет подвергается критике. Одним из часто критикуемых моментов является отношение к Java, которая перешла под управление Oracle после приобретения Sun Microsystems в 2009 году. OpenJDK, эталонная реализация платформы Java, является open source, но поставщики могут взимать плату за проприетарные комплекты разработки, среды исполнения и поддержку.

Источник изображения: Guillaume Périgois/unsplash.com

В январе 2023 года Oracle запустила модель лицензирования Java SE Universal Subscription — по её словам, «простую, недорогую ежемесячную подписку, которая включает лицензирование и поддержку Java SE для использования на настольных компьютерах, серверах или в облачных средах». Эксперты сразу отметили, что даже предприятиям с ограниченным использованием Oracle Java придётся платить исходя из общего числа сотрудников, что является существенным отличием от предыдущих условий лицензирования. По оценкам Gartner, модель подписки на одного сотрудника в два-пять раз дороже, чем предыдущая версия.

Также вызывает критику предлагаемое Oracle соглашение о неограниченной лицензии (Unlimited License Agreement). Некоторые консультанты по лицензированию утверждают, что вариант «всё включено» предлагает низкую ценность, привязывает пользователей к определённой платформе и ограничивает их в выборе альтернативных продуктов. В свою очередь, Oracle заявила, что соглашение предлагает гибкость и приемлемую ценность.

Если в 2021 году объём рынка российских ЦОД оценивался в 0,8–1 ГВт, то на начало 2026 года он вырос почти вдвое, до 1,8 ГВт с учётом коммерческих и государственных ЦОД, а также объектов, находящихся в ведении корпораций. При этом в следующую пятилетку совокупная мощность ЦОД может дополнительно удвоиться, сообщает «Коммерсантъ» со ссылкой на статистику NF Group.

За последние три года количество стойко-мест коммерческих ЦОД росла на 12–15 % ежегодно, но темпы строительства объектов не успевают за ростом спроса. Порядка 75 % совокупной коммерческой ёмкости ЦОД приходится на Московский регион, ещё 8–10 % — на Санкт-Петербург. Остальные мощности находятся в основном в Екатеринбурге, Новосибирске, Казани и других крупных городах, где сосредоточены крупнейшие заказчики, операторы и сетевая инфраструктура. Локациями с наиболее активным развитием строительства ЦОД экспертами называются Свердловская и Новосибирская области.

Дефицит энергомощностей в Московском регионе по оценкам NF Group, составляет 200–300 МВт. В Москве и Подмосковье на стадии строительства и проектирования находятся объекты на те же 200–300 МВт, но нет гарантий, что все они будут введены в эксплуатацию. При этом в Московской области в десятки раз выросла стоимость аренды земли для ЦОД. Попутно рассматривается вопрос разрешения ЦОД локальной генерации энергии.

Источник изображения: Gilly/unsplash.com

На строительство одного ЦОД мощностью 10 МВт нужен участок в 2–3 га, объекты от 50 МВт требуют 12–14 га. При этом ключевую роль играет не доступная площадь земли, а технические условия, акт технологического присоединения, вид разрешённого использования участка и удалённость от жилых районов — со временем вокруг ЦОД в России намерены создать «зоны отчуждения».

По словам экспертов, 1 га с 10 МВт мощности в Москве или непосредственной близости стоит 0,8–1 млрд руб. Устойчивый рынок подобных участков пока отсутствует, цены на площадки могут отличаться в разы. С учётом стоимости передачи участка и оформления мощностей, подходящая земля может обойтись в 1,1–1,3 млрд руб. Тем временем капитальные затраты на создание новых ЦОД увеличились приблизительно в 2–2,5 раза из-за роста цен оборудования, санкций, роста стоимости строительства и ряда других причин. По некоторым оценкам, около 40 % стоимости проекта может приходиться на «валютную составляющую».

В целом порядка 75 % затрат на строительство ЦОД — создание инженерных систем, 15 % — общестроительные работы, по 5 % приходится на проектные изыскания и прочие системы. Другими словами, экономика ЦОД в первую очередь зависит от инженерной составляющей, а не стоимости здания. При этом за электричество приходится конкурировать с офисными и жилыми проектами, в Московской области — дополнительно со складскими терминалами. В результате сроки реализации проектов увеличиваются, а затраты растут.

По расчётам 3data, в ближайшие 3–5 лет операторы будут заниматься как запуском новых площадок, так и обновлением старых объектов для их адаптации к росту нагрузок. В NG Group прогнозируют, что в следующие пять лет мощность ЦОД в стране может вырасти до 3–3,5 ГВт. При этом некоторые эксперты прогнозируют возможную миграцию операторов в регионы.

Команда разработчиков «Яндекса» сообщила о запуске «Алисы AI» для бизнеса — ИИ-ассистента для решения задач в корпоративной среде.

«Алиса AI» для бизнеса помогает автоматизировать рабочую рутину: подготовить материалы к встрече, собрать регулярный отчёт из писем и документов, распределить задачи по исполнителям, составить инструкции на основе базы данных компании и многое другое. Решение развёрнуто в облачном окружении «Яндекс 360» и позволяет использовать корпоративные знания, к которым у сотрудника есть доступ, а также подключённые рабочие инструменты: «Почту», «Диск», «Календарь», «Трекер», «Вики» и внешние системы — «Битрикс24», «Спарк», amoCRM, «1С».

Отличительной особенностью бизнес-версии «Алисы AI» является безопасность: система функционирует в отдельном пространстве — корпоративные данные в нём отделены от личных. При этом обеспечивается полный контроль над доступами: администратор может управлять подключением сотрудников и правами доступа. Поддерживается вход через корпоративные учётные записи (SSO). Использование данных организации для обучения ИИ-моделей запрещено по умолчанию.

Источник изображения: 360.yandex.ru/business/alice-business

В дополнение к готовому решению в ближайшем будущем на платформе Yandex Cloud появится настраиваемое — для компаний с дополнительными требованиями к безопасности и хранению данных. Они смогут использовать ассистента по гибридной модели или развернуть его во внутренней инфраструктуре организации. Также в этой версии можно будет создавать собственные навыки и плагины.

По статистике Министерства промышленности и информационных технологий Китая (MIIT), к концу июня текущего года общая мощность ИИ-вычислений в стране составила 2185 Эфлопс. Это на 177 % больше, чем годом ранее. А к концу июля, по данным Национальной комиссии по развитию и реформам, они превысили 2450 Эфлопс. В дальнейшем ожидается их кратное увеличение, сообщает SCMP. КНР намерена развёртывать ИИ-кластеры по 100 тыс. ускорителей и стремительно наращивать национальные ИИ-мощности в следующие пять лет.

Пока же власти наращивают инвестиции в инфраструктуру, необходимую для реализации этих амбициозных планов с сфере искусственного интеллекта. MIIT в своём отраслевом пятилетнем плане поставило цель добиться мощности ИИ-вычислений на уровне 9800 Эфлопс (9,8 Зфлопс) к 2030 году. На развитие информационной инфраструктуры в 2026–2023 гг. намерены потратить ¥3,7 трлн ($532 млрд).

В частности, планом предусматривается «упорядоченное развёртывание» кластеров интеллектуальных вычислений по 10 тыс. ИИ-ускорителей, а также объектов по 100 тыс. и более ускорителей. В то же время будут создаваться специальные вычислительные мощности для инференса, адаптированные под различные задачи и отрасли. Также предполагается развитие инфраструктуры с учётом использования ИИ-чипов китайского производства.

Источник изображения: Road Trip with Raj/unsplash.com

Новые цели — продолжение курса на активное наращивание ИИ-инфраструктуры страны. MIIT сообщает, что на конец июня страна построила 52 объекта для ИИ-вычислений за год, каждый из которых оснащён более 10 тыс. ИИ-ускорителей. Другими словами, для достижения поставленной Китаем на 2030 год цели, стране придётся нарастить вычислительные мощности более чем вчетверо.

Расширение инфраструктуры тесно связано с инициированным в 2022 году проектом «Восточные данные — западные вычисления» (East Data, West Computing), предполагающие перенос вычислительных нагрузок из восточных регионов с высокой плотностью населения и дефицитом земли и энергоресурсов, на западные территории, где земля дешева, а энергии в достатке.

С тех пор Китай уже создал сеть из восьми национальных вычислительных центров, 10 кластеров ЦОД и трёх регионов, делающих акцент на координации вычислительной инфраструктуры с энергоснабжением. Впрочем, пока соответствующая программа не вполне оправдала себя — дата-центры простаивают, а для продажи их мощностей приходится прикладывать усилия.

Стремление Таиланда стать новым хабом ИИ ЦОД столкнулось с суровой реальностью — нехваткой ресурсов. Местные власти приостановили строительство 49 дата-центров, поскольку общественность озабочена воздействием на жителей этих энергоёмких объектов, сообщает Bloomberg. Приостановка реализации проектов даст правительству на разработку новых отраслевых норм, которые, как ожидается, анонсируют через месяц.

Об этом сообщил генеральный секретарь Национального совета по экономическому и социальному развитию Таиланда. По его словам, принятое решение не означает, что Таиланд «закрывает двери» для инвестиций в дата-центры, поскольку эта индустрия имеет критически важное значение для конкурентоспособности страны. При этом он подчеркнул, что нужно просто разработать прозрачные и последовательные стандарты для устойчивого развития отрасли. По словам чиновника, Таиланду необходимо организовать единообразный надзор за действующими и строящимися ЦОД.

В целом надзор за индустрией ЦОД усиливают правительства по всему миру, поскольку быстрое внедрение ИИ привело к росту количества подобных объектов. Общемировые расходы на дата-центры до 2050 года по оценкам PwC должны к 2050 году составить $31,6 трлн — это необходимо для растущего спроса на ИИ в мире и беспрецедентного бума инвестиций в индустрию.

Источник изображения: Florian Wehde/unsplash.com

В то же время техногиганты во главе с гиперскейлерами пытаются противостоять негативной реакции на развитие строительства ЦОД, угрожающей замедлить рост рынка. По данным Data Center Watch, за первые три месяцы 2026 года как минимум 75 проектов общей стоимостью $130 млрд уже заблокированы из-за локальных протестов. Протестующие обеспокоены их возможным воздействием на окружающую среду, потреблением ресурсов, а также ростом безработицы из-за ИИ. Ранее сообщалось, что большинство американцев за то, чтобы ЦОД строили подальше от их собственных домов.

Тем временем в Таиланде активно развивается строительство ЦОД, поскольку страна претендует на роль одного из региональных хабов в этой сфере — мировые технологические компании, включая Alphabet (Google), Amazon (AWS) и Microsoft строят всё новые мощности. В мае правительство Таиланда одобрило расширение инфраструктуры TikTok, включая сервисы хостинга данных, серверы и др., два ЦОД в стране имеются и у Alibaba Cloud. В целом в I полугодии правительство одобрило 88 проектов с совокупными инвестициями ฿886 млрд ($27 млрд), связанных с ИИ и ЦОД, для сравнения, в течение всего 2025 года технологические инвестиции составили всего ฿623 млрд.

«Жадность» ЦОД до воды и электричества заставили правительство Таиланда пересмотреть подход к индустрии. Власти рассматривают возможность ввести более высокие тарифы на электроэнергию для операторов ЦОД, а также усиливает контроль за строительством дата-центров в густонаселённых зонах — после того, как возникли опасения в связи с активной застройкой ЦОД центра Бангкока. Власти столицы временно прекратили выдачу разрешений после жалоб на строительство дата-центров поблизости от больниц — выяснилось, что закон никак не мешает оформлять такие объекты как «склады». Всего, по данным властей, в стране уже действуют 35 дата-центров, ещё 117 объектов ждут одобрения и постройки.