Koniec dominacji Nvidii? Chińscy giganci stawiają na autorskie rozwiązania

Amerykańskie ograniczenia eksportowe miały spowolnić rozwój chińskiej sztucznej inteligencji. W praktyce coraz częściej działają jak katalizator. Chińskie firmy technologiczne, od Huawei przez Cambricon po Alibabę i Baidu, nie próbują już wyłącznie odtwarzać zachodniego modelu opartego na uniwersalnych układach GPU. Coraz wyraźniej budują własną ścieżkę: wyspecjalizowane akceleratory AI, projektowane pod konkretne zadania, konkretne modele i konkretne centra danych.

Czy to oznacza koniec dominacji Nvidii? Globalnie — jeszcze zdecydowanie nie. W Chinach — pytanie zaczyna brzmieć inaczej: czy Nvidia pozostanie punktem odniesienia także tam, gdzie jej najlepszych układów po prostu nie wolno sprzedawać?

Sankcje, które wymusiły zmianę kierunku

Od 2022 roku Waszyngton stopniowo ogranicza chińskim firmom dostęp do najbardziej zaawansowanych układów AI. Najpierw chodziło o najmocniejsze procesory graficzne, później także o ich wersje „odchudzone” specjalnie dla rynku chińskiego. Nvidia nadal może oferować Chinom wybrane produkty, ale nie te, które napędzają najpotężniejsze zachodnie centra danych.

W efekcie chiński rynek znalazł się w sytuacji dość szczególnej. Z jednej strony potrzeby obliczeniowe rosną błyskawicznie, bo sztuczna inteligencja przestaje być pokazem możliwości, a staje się codziennym narzędziem w administracji, e-commerce, usługach finansowych, edukacji, przemyśle i rozrywce. Z drugiej strony dostęp do najbardziej pożądanych układów Nvidii jest ograniczony politycznie, a nie rynkowo.

O tym paradoksie pisaliśmy już przy okazji tekstu o tym, jak amerykańskie sankcje przyspieszają chińską niezależność technologiczną. Im mocniej USA próbują utrzymać przewagę poprzez kontrolę eksportu, tym większą motywację mają chińskie firmy, by budować własne rozwiązania. Nie tylko własne chipy, ale całe środowisko: oprogramowanie, interkonekty, klastry, chmurę i narzędzia dla deweloperów.

GPU kontra ASIC, czyli uniwersalność kontra specjalizacja

Przez lata symbolem obliczeń dla AI był układ GPU. Początkowo projektowany do grafiki komputerowej, okazał się idealny do równoległego przetwarzania ogromnych macierzy danych. Nvidia nie zbudowała jednak swojej pozycji wyłącznie na krzemie. Jej najważniejszą przewagą jest CUDA — środowisko programistyczne, na którym przez lata uczyły się pracować całe pokolenia inżynierów AI.

GPU jest więc wygodnym „narzędziem wielofunkcyjnym”. Nadaje się do badań, eksperymentów, trenowania nowych modeli i obsługi zadań, które szybko się zmieniają. Ma jednak swoją cenę: jest drogie, energochłonne i nie zawsze optymalne tam, gdzie obciążenia są powtarzalne.

Tu pojawia się ASIC, czyli układ scalony zaprojektowany do konkretnego zastosowania. Jeśli GPU porównać do szwajcarskiego scyzoryka, ASIC jest narzędziem wykonanym pod jedną czynność. Nie zrobi wszystkiego. Ale to, do czego został zaprojektowany, zrobi szybko, oszczędniej i taniej w eksploatacji.

W świecie dużych modeli językowych taka specjalizacja zaczyna mieć coraz większy sens. Zwłaszcza na etapie inferencji, czyli codziennego uruchamiania już wytrenowanych modeli dla milionów użytkowników. Wtedy nie chodzi o laboratoryjną elastyczność, lecz o koszt wygenerowania odpowiedzi, szybkość przetwarzania tokenów i zużycie energii w skali całych centrów danych. A to jest dokładnie ten etap, na którym chińskie firmy chcą zarabiać masowo.

Trzy chińskie ścieżki

Według chińskich i branżowych źródeł krajowy rynek akceleratorów AI coraz wyraźniej dzieli się na kilka ścieżek. Pierwszą są nadal uniwersalne GPU rozwijane przez takie firmy jak Moore Threads, Biren Technology, Enflame czy Iluvatar CoreX. To próba zbudowania chińskiej odpowiedzi na klasyczny model Nvidii. Droga ambitna, ale długa, bo wymaga nie tylko samego układu, lecz także dojrzałego ekosystemu software’owego.

Drugą ścieżką są NPU, czyli procesory neuronowe. Tu najważniejszym graczem jest Huawei z rodziną Ascend, ale w tej samej kategorii mieści się również Cambricon ze swoimi układami Siyuan. NPU projektuje się przede wszystkim pod obliczenia typowe dla sieci neuronowych, a więc zadania, które dominują w treningu i obsłudze modeli AI.

Trzecia ścieżka to jeszcze bardziej wyspecjalizowane rozwiązania: TPU, znane wcześniej przede wszystkim z podejścia Google, oraz PPU rozwijane przez Alibabę. W przypadku Alibaby chodzi o układy T-Head Zhenwu M890, zaprojektowane pod potrzeby własnej chmury i zadań związanych z agentami AI. Chińskie źródła podają, że M890 ma oferować trzykrotnie wyższą wydajność niż poprzednia generacja Zhenwu 810E. Jak zawsze przy danych producentów i bliskich im mediów zachowajmy ostrożność, ale sam kierunek jest czytelny: Alibaba nie chce być wyłącznie klientem Nvidii, Huawei czy kogokolwiek innego. Chce kontrolować własny fundament obliczeniowy.

Warto tu przypomnieć, że na Chiny24.com pisaliśmy już o tym, jak Huawei i lokalne chipy stają się realną alternatywą dla Nvidii. Obecne doniesienia nie tyle zmieniają tamten obraz, ile go doprecyzowują. Chińczycy nie próbują wyłącznie „dogonić Nvidii”. Oni coraz częściej próbują zbudować rynek, na którym Nvidia nie będzie już centralnym punktem odniesienia.

Huawei na prowadzeniu

Najwięcej uwagi przyciąga oczywiście Huawei. Według cytowanego przez chińskie media i The Next Web majowego raportu Morgan Stanley, w 2026 roku Huawei może zdobyć około 62% chińskiego rynku akceleratorów AI. Cambricon miałby zająć drugie miejsce z udziałem około 14%, a Alibaba i Baidu po około 5%.

Takie informacje należy traktować jako prognozy, nie jako fakty dokonane. Ale pokazują one, gdzie analitycy widzą środek ciężkości chińskiego rynku. Nie w importowanych GPU, lecz w krajowych układach ASIC, z Huawei jako głównym dostawcą.

Nowa generacja Ascend 950 ma być tego najlepszym przykładem. W materiałach branżowych pojawiają się dwie wersje: 950PR, nastawiona na wstępne przetwarzanie zapytań i systemy rekomendacyjne, oraz 950DT, projektowana pod trening i dekodowanie. Podawane parametry — 128 do 144 GB pamięci, przepustowość do kilku TB/s, obsługa formatów niskiej precyzji takich jak FP8 i FP4 — brzmią efektownie. Dla normalnego czytelnika to język hermetyczny. Sens jest jednak prosty: Huawei chce optymalizować układy nie pod abstrakcyjny ranking mocy, lecz pod realne etapy pracy dużych modeli.

Chińskie źródła i The Next Web twierdzą, że Ascend 950 oraz Cambricon Siyuan 690 mogą w wybranych testach generowania tokenów przewyższać Nvidię H20 o 50 do 150%. To ważna informacja, ale trzeba ją czytać we właściwym kontekście. H20 nie jest najlepszym układem Nvidii. To wersja ograniczona, dopuszczona do sprzedaży w Chinach właśnie dlatego, że nie reprezentuje pełni amerykańskich możliwości. Jeśli więc chińskie ASIC pokonują H20 w określonych zadaniach, jest to sukces rynkowy i polityczny, ale jeszcze nie dowód, że Chiny przeskoczyły Nvidię jako taką.

Nie pojedynczy chip, lecz cały system

Najciekawsze w chińskiej strategii nie jest jednak samo porównywanie układów. Tu łatwo popaść w sportowe emocje: kto ma więcej teraflopów, więcej pamięci, większą przepustowość. Tymczasem Huawei, Alibaba czy Baidu grają w inną grę.

Chiny budują system. Chip jest tylko jednym elementem. Obok niego pojawia się własny software, własne klastry, własne połączenia między serwerami, własne centra danych i własne modele. Huawei rozwija CANN i MindSpore jako odpowiedź na CUDA i zachodnie frameworki. Moore Threads rozwija swoje MUSA. Alibaba wiąże chipy z własną chmurą. Baidu od lat rozwija Kunlun pod potrzeby własnych usług AI.

To podejście ma słabe strony. Fragmentacja może stać się dużym problemem. Jeśli każdy duży gracz tworzy własny typ akceleratora, własny stos oprogramowania i własne narzędzia, deweloperzy będą musieli obsługiwać kilka równoległych światów. Nvidia wygrała między innymi dlatego, że uprościła życie programistom: CUDA stała się de facto standardem. Chiny mogą zyskać niezależność sprzętową, ale zapłacić za nią większą złożonością.

Z drugiej strony chiński rynek ma cechę, której często nie doceniamy: skalę. Jeśli dany układ działa wystarczająco dobrze w chmurze Alibaby, w centrach danych Huawei albo w usługach Baidu, to może zostać wdrożony masowo bez oglądania się na globalną zgodność. Chiński internet, chińska administracja i chiński przemysł są wystarczająco duże, by przez pewien czas rozwijać własny ekosystem nawet wtedy, gdy nie jest on wygodny dla reszty świata.

Nvidia nadal rządzi

Nie, Nvidia nie została zdetronizowana. Najlepsze zachodnie układy nadal wyprzedzają chińskie rozwiązania w wielu obszarach, zwłaszcza w najwyższej klasie treningu modeli. Zachodnie analizy, w tym publikacje RAND, IEEE Spectrum i Council on Foreign Relations, są znacznie ostrożniejsze niż chińskie media. Wskazują na problemy z pamięcią HBM, produkcją w zaawansowanych procesach technologicznych, wydajnością pojedynczych układów, stabilnością oprogramowania i skalą dostaw.

To są realne ograniczenia. Chiny nie mają dostępu do najnowszych maszyn EUV, a SMIC nie jest TSMC. Produkcja zaawansowanych układów w dużej skali pozostaje trudna, droga i podatna na wąskie gardła. Do tego dochodzi kwestia zaufania firm technologicznych. Wbrew pozorom nie każda chińska firma marzy o pełnym uzależnieniu się od Huawei. Dla Alibaby, Baidu czy ByteDance Huawei jest nie tylko dostawcą, ale także konkurentem w chmurze i AI.

Ale równocześnie nie sposób nie zauważyć zmiany. Jeszcze kilka lat temu chiński rynek sztucznej inteligencji był w ogromnym stopniu zależny od Nvidii. Dziś zależność ta nie znika, ale jest podważana z kilku stron naraz. Huawei oferuje NPU, Cambricon rozwija własne akceleratory, Alibaba eksperymentuje z PPU, Baidu ma Kunlun, a mniejsze firmy próbują wejść w TPU i GPGPU. To już nie jest jedna alternatywa. To cały wachlarz prób.

Chińska odpowiedź: mniej elegancka, ale własna

Zachodni model AI opiera się na dostępie do najlepszych chipów, globalnych łańcuchach dostaw i dominującym ekosystemie Nvidii. Chiński model, wymuszony sankcjami, może być mniej elegancki. Bardziej rozproszony. Czasem mniej wydajny w pojedynczym elemencie. Ale będzie coraz bardziej własny.

I tu dochodzimy do sedna. Dla Pekinu pytanie nie brzmi: „czy mamy najlepszy chip na świecie?”. Pytanie brzmi raczej: „czy mamy wystarczająco dobry chip, aby uruchamiać własne modele, obsługiwać własne usługi, rozwijać własne centra danych i nie prosić Waszyngtonu o zgodę?”.

W tym sensie ASIC są dla Chin czymś więcej niż technologiczną ciekawostką. Są narzędziem polityki przemysłowej. Pozwalają obejść część ograniczeń, obniżyć koszty w przewidywalnych zastosowaniach i stopniowo budować lokalny ekosystem. Nie zastąpią GPU wszędzie. Ale nie muszą. Wystarczy, że zastąpią je tam, gdzie chiński rynek potrzebuje masowej, taniej i kontrolowanej infrastruktury AI.

Co z tego wynika?

Nie oglądamy końca Nvidii. Oglądamy natomiast początek rynku, na którym Nvidia nie zawsze będzie mogła dyktować warunki. Zwłaszcza w Chinach, gdzie polityka, skala rynku i potrzeba samowystarczalności tworzą mieszankę wyjątkowo sprzyjającą lokalnym alternatywom.

Najważniejsze wnioski są trzy.

Po pierwsze, amerykańskie sankcje nie zatrzymały chińskiego sektora AI. Zmusiły go do przyspieszenia prac nad własnymi rozwiązaniami.

Po drugie, chińskie ASIC nie są prostym zamiennikiem GPU. Są inną odpowiedzią na inne potrzeby: masową inferencję, chmurę, usługi konsumenckie i państwową infrastrukturę AI.

Po trzecie, prawdziwa wojna nie toczy się wyłącznie o chipy. Toczy się o ekosystem. O to, kto narzuci programistom, firmom i instytucjom swoje narzędzia. Nvidia ma CUDA. Chiny budują CANN, MindSpore, MUSA i własne chmurowe środowiska AI.

Czy to wystarczy, by przełamać dominację Nvidii? Globalnie jeszcze nie. Ale w Chinach ten proces już trwa. I z punktu widzenia amerykańskich decydentów to może być najbardziej niezamierzony efekt polityki sankcyjnej: zamiast utrzymać zależność Chin od Nvidii, przyspieszyli narodziny rynku, który coraz bardziej uczy się żyć bez niej.

Źródła:

• https://news.mydrivers.com/1/1126/1126616.htm
• https://www.eet-china.com/mp/a497299.html
• https://caifuhao.eastmoney.com/news/20260226152924915561010
• https://thenextweb.com/news/china-ai-chip-asic-gpu-nvidia-export-controls
• https://spectrum.ieee.org/china-ai-chip
• https://www.rand.org/pubs/commentary/2025/08/leashing-chinese-ai-needs-smart-chip-controls.html
• https://www.cfr.org/articles/chinas-ai-chip-deficit-why-huawei-cant-catch-nvidia-and-us-export-controls-should-remain

Leszek B. Ślazyk

e-mail: kontakt@chiny24.com

© www.chiny24.com