Купон на скидку: 2026
Похоже, что следующей проблемой на рынке ПК станут процессоры. Как сообщает DigiTimes, дефицит процессоров уже более ощутим, чем нехватка памяти. Проблема заключается в том, что память есть в наличии, но стоит очень дорого, тогда как процессоров просто не хватает. Конечно, они не полностью отсутствуют, но дефицит наблюдается во всех сегментах, а не только в серверном, где спрос на процессоры резко возрос из-за распространения агентских ИИ.
Источник утверждает, что его контакты в отрасли описывают текущую ситуацию с процессорами как более острую, чем с памятью, которая доступна в ограниченном количестве по высоким ценам. В отличие от памяти, некоторые категории процессоров фактически недоступны вне зависимости от цены. Проблема затрагивает как Intel, так и AMD. Поставщики на рынке заявили, что улучшение может зависеть от повышения выхода техпроцесса Intel 18A. Однако это лишь частично облегчит ситуацию, так как на этом техпроцессе Intel выпускает только Panther Lake и недавно представила «маленькие» процессоры Core Series 3 (Wildcat Lake). Проблемы с более старыми потребительскими и серверными процессорами это не решит, не говоря уже об AMD, чьи процессоры производит только TSMC.
Наиболее острый дефицит касается всё ещё актуальных Raptor Lake, которые производятся по более старым техпроцессам. И это при том, что Intel якобы собирается ещё раз выпустить такие процессоры, чтобы сохранить на рынке старую платформу LGA1700 с поддержкой DDR4. Развитие агентного ИИ в целом значительно повысило спрос на процессоры. Как уже упоминалось, именно процессоры могут стать ограничителями развития отрасли. При этом алгоритм Google TurboQuant, на который многие возлагают надежды, может не облегчить ситуацию, а усугубить её.
Ряд аналитиков считает, что технология TurboQuant не снизит спрос на память, а приведёт к его ещё большему росту. TurboQuant — это алгоритм сжатия памяти для искусственного интеллекта, который позволяет сократить затраты памяти при обучении моделей в четыре-восемь раз. Казалось бы, это должно уменьшить потребность в памяти, но, как минимум, по данным Financial Times, аналитики считают иначе. Квон Сок-джун, профессор Университета Сонгюнкван в Сеуле, утверждает, что TurboQuant снижает стоимость запуска больших языковых моделей, но это открывает доступ к ранее слишком дорогим задачам, что в итоге увеличивает потребность в вычислительных ресурсах.
Хан Ин-су, один из исследователей, на чьей работе основан алгоритм Google TurboQuant, говорит, что алгоритм может служить основой для реализации сложных задач, таких как обработка более длинных контекстов в условиях ограниченных ресурсов памяти. Аналитик Ким Ён-гун сравнивает появление TurboQuant с технологией «контейнеризации» Google Kubernetes, которая, несмотря на опасения, привела к увеличению спроса на серверы и память. Рынок, по его мнению, неправильно оценил TurboQuant, и по мере развития моделей ИИ потребуется всё больше памяти. Это явление напоминает эффект Джевонса, когда повышение эффективности использования ресурса ведет к росту его потребления. Пока что TurboQuant не начал влиять на рынок, но его реальное воздействие станет очевидным после презентации на Международной конференции по обучению представлениям в Бразилии в конце апреля.