Intel наносит ответный удар: модель BridgeTower ускоряет VLM на чипах Gaudi2

Каждый раз, когда кто-то выпускает новую AI-модель, за сценой тихо потирает руки Дженсен Хуанг. Рынок железа для искусственного интеллекта превратился в театр одного актера, где NVIDIA продает лопаты всем участникам золотой лихорадки по цене, которую диктует сама. Любая попытка нарушить эту монополию воспринимается с огромным интересом и не меньшим скепсисом. И вот, похоже, Intel решила сделать серьезную заявку. На сцене появляется архитектура BridgeTower, работающая на их специализированных AI-ускорителях Habana Gaudi2, и цифры, которые она показывает, заставляют приподнять бровь.

Речь идет о Vision-Language Models (VLM) — моделях, которые одновременно понимают и текст, и изображения. Это фундамент для мультимодальных ассистентов будущего, от продвинутого поиска по картинкам до роботов, выполняющих команды в реальном мире. Проблема в том, что они невероятно «тяжелые» и прожорливые. Разработчики BridgeTower утверждают, что их архитектура, оптимизированная под Gaudi2, обеспечивает ускорение инференса (то есть, работы уже обученной модели) до 1.8 раза по сравнению с аналогичными по размеру моделями на популярных чипах NVIDIA A100. А стоимость полного цикла обучения, по их данным, оказывается на 30-40% ниже, чем на сопоставимом по мощности кластере от «зеленых». Это уже не погрешность, а серьезное экономическое преимущество.

В чем секрет? BridgeTower — это не гигантский монолит, а скорее элегантный «мост» (что и отражено в названии) между двумя уже предобученными энкодерами: один для зрения, другой для языка. Вместо того чтобы обучать с нуля монстра на триллион параметров, архитектура использует легковесные «адаптеры» и специальный модуль кросс-модального внимания, который эффективно связывает визуальные и текстовые данные. Эта модульность и есть ключ к эффективности. Аппаратная часть, Gaudi2 от Habana Labs (дочерняя компания Intel), изначально проектировалась с упором на специфические AI-задачи, в частности, на эффективную коммуникацию между чипами в больших кластерах, что критично для обучения масштабных моделей.

Конечно, это история не столько про одну модель, сколько про большую корпоративную войну за будущее дата-центров. Пока OpenAI скупает десятки тысяч H100, а Сэм Альтман ищет триллионы долларов на постройку собственных фабрик, Google тихо развивает свои TPU, а Amazon — чипы Trainium и Inferentia. Intel в этой гонке долгое время выглядела догоняющей. Покупка израильской Habana Labs за $2 млрд в 2019 году была их главной ставкой. И вот, похоже, эта ставка начинает играть. Успешный кейс BridgeTower — это не просто научная статья, это мощнейший маркетинговый сигнал рынку: «Ребята, есть альтернатива. И она работает».

Мы уже видели много «убийц NVIDIA». Большинство из них так и остались на бумаге или в пресс-релизах. Проблема не только в том, чтобы сделать быстрый чип. Проблема в экосистеме: в софте (привет, CUDA), в комьюнити, в простоте развертывания. NVIDIA выстроила вокруг своих GPU неприступную крепость. Чтобы ее поколебать, нужен не один удачный бенчмарк, а системная работа, поддержка со стороны крупных облачных провайдеров (как AWS, которая уже предлагает инстансы на Gaudi) и готовность разработчиков переучиваться и адаптировать свои пайплайны.

Наш вердикт: BridgeTower — это не революция в архитектуре VLM, но очень важный прецедент. Это демонстрация силы со стороны Intel и доказательство того, что конкуренция на рынке AI-ускорителей все-таки возможна. Для конечного пользователя это хорошая новость: чем острее будет борьба между Intel, AMD, Google и NVIDIA, тем быстрее будут падать цены на вычислительные мощности и тем доступнее станут технологии, которые сегодня кажутся уделом гигантов. Это не конец гегемонии NVIDIA, но, возможно, начало ее конца. А пока — наблюдаем за тестами от независимых команд и ждем ответного хода от Дженсена. Он точно не заставит себя ждать.