Коротко о главном
Это первая часть из шести, посвящённых индустрии ИИ-оборудования. Здесь мы предполагаем, что вы не знаете о полупроводниках ничего, и начинаем с самого начала. К концу серии вы сможете объяснить всю цепочку поставок кому угодно: кто что производит, почему горстка компаний контролирует ключевые узкие места, что физически ограничивает рост отрасли и где в этом всём стоит Корея.
Без этих знаний вполне можно прожить день в Сеуле. Но если вы живёте в Корее, эта отрасль тихо влияет на вашу квитанцию за электричество, государственный бюджет, курс воны на вашем счёте и рынок труда. Разобраться в ней стоит.
Что такое чип на самом деле
Начнём с песка. Обычный песок — это в основном диоксид кремния. Очистите его достаточно хорошо — получится кремний такой степени чистоты, которая почти не встречается в других производствах. Из него выращивают один цилиндрический кристалл, режут на диски диаметром около 30 сантиметров — и получают пластину: чистый холст, на котором создаётся каждый чип.
Кремний — полупроводник: он проводит электричество при одних условиях и не проводит при других. Это свойство позволяет создать переключатель без движущихся частей. Подайте небольшое напряжение на один вывод — ток потечёт между двумя другими. Уберите напряжение — ток остановится. Этот переключатель называется транзистором, и, по сути, из него одного и состоит любой чип.
Один транзистор — один переключатель. Соедините несколько — получите схему, выполняющую простую логику: это И то, это ИЛИ то, НЕ это. Соедините миллионы — можно складывать числа. Соедините невообразимое количество — можно запустить ИИ-модель.
Этот масштаб сложно представить. Высококлассный ИИ-процессор упаковывает невообразимое количество транзисторов в кусочек кремния размером с почтовую марку — намного больше, чем чипы даже нескольких лет назад. Их не размещают по одному: это было бы невозможно. Их печатают — проецируют световой узор на химически обработанную пластину, проявляют как фотоплёнку, а затем вытравливают и наносят материал по этому рисунку. Этот шаг называется литографией, и это самое сложное во всей отрасли. В третьей части объясняется, почему одна нидерландская компания держит полную монополию на EUV-машины, используемые для самых передовых слоёв.
Почему «2 нм» — не размер
Чипы принято описывать через техпроцесс: 7 нм, 5 нм, 3 нм, 2 нм. Логично предположить, что это размер чего-то. Когда-то так и было. Но уже больше десяти лет — нет.
Сегодня это метки поколений — скорее как год выпуска автомобиля, чем реальная спецификация. Ни один элемент на чипе «2 нм» не имеет ширины 2 нанометра. Метка говорит лишь о том, что производитель умеет упаковывать транзисторы плотнее предыдущего поколения, — а это обычно означает лучшую производительность и меньшее энергопотребление на ту же работу.
Из этого следуют два практических вывода. Первый: названия не сравнимы между компаниями. «2 нм» одной фирмы необязательно плотнее, чем «3 нм» другой, — ведь каждая компания называет свои узлы сама. Второй: маркетинговое название — плохой ориентир в качестве чипа. Важны плотность транзисторов, энергоэффективность и выход годных изделий — то есть доля чипов на пластине, которые получились рабочими. Выход — число, которое производители охраняют тщательнее всего: узел с отличными характеристиками и низким выходом означает убыток на каждой пластине.
Почему ИИ нужен другой вид чипа
Представьте разницу между небольшой командой опытных специалистов и стадионом, полным людей с калькуляторами.
CPU — это небольшая команда. Несколько мощных ядер, каждое из которых справляется со сложными, непредсказуемыми инструкциями и решает, что делать дальше. Именно это нужно операционной системе: множество разных задач, каждая со своей логикой, поступающих без какого-либо порядка.
GPU — это стадион. Огромное количество простых ядер, каждое из которых гораздо слабее, — и все выполняют одну и ту же операцию одновременно с разными данными. GPU создавались для графики, где нужно одновременно вычислить цвет двух миллионов пикселей, а каждый пиксель требует одинакового расчёта.
Оказалось, что ИИ устроен так же. Под интерфейсом запуск ИИ-модели — это по большей части одна операция: матричное умножение, то есть структурированное перемножение больших массивов чисел с суммированием результатов. Арифметика, с которой справится десятилетний ребёнок. Её же просто немыслимо много. Это задача для стадиона, а не для команды специалистов, — вот почему индустрия видеокарт неожиданно для себя оказалась в центре искусственного интеллекта.
Не каждый ИИ-чип — GPU. Несколько крупных технологических компаний проектируют собственные ускорители, которые полностью отказываются от графического наследия и сразу ориентируются на математику ИИ: TPU от Google, Trainium и Inferentia от Amazon, MTIA от Meta. Это ASIC — специализированные интегральные схемы. Компромисс очевиден: они эффективнее на той узкой задаче, под которую созданы, и бесполезны для всего остального. Во второй части рассказывается, кто их производит и почему компании берут на себя эти расходы.
Обучение и инференс — это разные задачи
Почти все запутанные утверждения об экономике ИИ станут понятнее, если разделить эти два понятия.
Обучение — это создание модели. Берёте огромный массив текстов, изображений или других данных, прогоняете через сеть с невообразимым количеством параметров, сравниваете результат с правильным ответом и чуть-чуть подправляете каждый параметр в направлении, уменьшающем ошибку. Затем повторяете снова и снова, долгое время, на очень большом количестве чипов, работающих непрерывно. Обучение — это огромные сконцентрированные единоразовые затраты. Именно о них говорят, когда упоминают кампус дата-центра, потребляющий электричества как средний город.
Инференс — это использование готовой модели. Отправляете вопрос — модель читает свои параметры, производит вычисления и выдаёт ответ. Каждый отдельный инференс ничтожно мал по сравнению с обучением. Но он происходит каждый раз, когда кто-либо в мире пользуется продуктом, — а это уже миллиарды раз в день.
В 2023–2024 годах отрасль жила по запросам на обучение. Затем центр тяжести начал смещаться в сторону инференса — ведь как только модель существует, затраты на её обслуживание не прекращаются никогда. Этот сдвиг важен коммерчески: инференс вознаграждает эффективность и низкую стоимость ответа, а это другая конкуренция, чем за сырую производительность при обучении. Именно это окно пытаются использовать специализированные разработчики чипов — в том числе два корейских стартапа, о которых пойдёт речь в шестой части.
Стена памяти — и есть вся история
Вот то, что большинство объяснений пропускают, — и именно это делает Корею важной.
Кажется, что узкое место ИИ-чипа — скорость вычислений. На самом деле — нет. Процессор считает значительно быстрее, чем остальная система успевает подавать ему числа. Подаёшь слишком медленно — дорогостоящий процессор простаивает в ожидании. Инженеры называют это «стеной памяти».
Причина — физическая. Параметры ИИ-модели нужно где-то хранить, а их слишком много, чтобы разместить внутри самого процессора. Поэтому они живут в соседних чипах памяти, и каждое вычисление требует их загрузки по соединению. У этого соединения фиксированная ширина и фиксированная скорость. Количество данных, которое оно переносит в секунду, называется пропускной способностью, — и именно она исчерпывается первой.
Аналогия, которая работает: процессор — это повар, способный готовить с удивительной скоростью, а пропускная способность памяти — это ширина двери на кухню. Нанять повара побыстрее бесполезно, если ингредиенты могут поступать по одному за раз.
Вот почему память перестала быть скучным сырьевым товаром. Десятилетиями чипы памяти продавались в основном по цене за гигабайт — в жёстком цикле перепроизводства и дефицита. ИИ изменил вопрос с «сколько ты можешь хранить» на «как быстро ты можешь это доставить», — и компании, умевшие ответить на второй вопрос, обнаружили, что продают нечто намного труднее заменимое.
Что такое HBM конкретно
Ответ отрасли на стену памяти — High Bandwidth Memory, или HBM. Три идеи, сложенные буквально и фигурально.
Идти вверх. Вместо того чтобы укладывать чипы памяти рядом, складывайте их один поверх другого — десяток или более слоёв — в башню.
Пробивать насквозь. Соедините слои тысячами вертикальных каналов, пробитых прямо сквозь кремний, — они называются сквозными переходами (TSV). Это даёт несравнимо более широкий путь для данных, чем прокладка сигналов по краям.
Переехать по соседству. Поместите готовую стопку на ту же подложку, что и процессор, — в нескольких миллиметрах, а не сантиметрах, на общем основании, которое передаёт между ними сигналы.
Результат — путь для данных на порядки шире, чем у обычной памяти. Цена — производство по-настоящему сложное. Приходится склеивать стопки бумажно-тонкого кремния с микроскопическими допусками выравнивания, и один дефектный слой уничтожает всю стопку. Выход годных изделий ниже, а цены значительно выше, чем у обычной памяти.
HBM в промышленных масштабах производят только три компании: SK Hynix, Samsung и Micron. Две из них — корейские. По данным Counterpoint Research за первый квартал 2026 года, SK Hynix занимала 58% рынка HBM, Samsung и Micron — по 21%. Эта единственная цифра объясняет большую часть того, почему Корея — не просто наблюдатель в ИИ-буме.
От чипа до дата-центра
Ещё один блок терминов — именно здесь люди теряются из-за скачков масштаба. Движемся наружу:
Кристалл — это сам кусочек кремния, вырезанный из пластины.
Корпус — это кристалл вместе со стопками HBM, смонтированными на основании, которое их соединяет, а затем запечатанными. Когда говорят «чип», обычно имеют в виду именно это. Сборка называется передовой упаковкой, и она сама по себе — узкое место, о котором рассказано в третьей части.
Плата и сервер объединяют несколько корпусов вместе с CPU, хранилищем, источниками питания и охлаждением в шасси, которое вставляется в стойку.
Стойка — это шкаф серверов, соединённых так плотно, что они ведут себя как один большой процессор. Здесь ИИ-оборудование перестаёт напоминать обычные компьютеры. Современная ИИ-стойка потребляет более ста киловатт — больше, чем небольшой жилой дом, — сосредоточённых в шкафу размером с платяной шкаф. Воздух не справится с таким количеством тепла, поэтому стойки охлаждают жидкостью, поступающей прямо к чипам.
Кластер — это тысячи стоек, соединённых специализированной высокоскоростной сетью, потому что обучение большой модели означает, что каждый чип постоянно обменивается результатами с каждым другим. Здесь сеть — не просто трубопровод; она часть самого компьютера. Во второй части объясняется, почему это сделало сетевые чипы крупным бизнесом.
Дата-центр — это здание, линия электроснабжения, система охлаждения и водоснабжение. Отрасль всё чаще измеряет их гигаваттами электрической мощности, а не квадратными метрами или числом серверов, — это говорит о том, что стало реальным ограничением. Четвёртая часть — именно об этом ограничении.
Почему суммы стали такими большими
Чтобы дать цифру к спросу: Nvidia сообщила о рекордной выручке дата-центров — 75,2 млрд долларов США за один квартал, завершившийся в апреле 2026 года, — рост на 92% в сравнении с тем же кварталом годом ранее. Одна компания, одна продуктовая линейка, три месяца.
Эта цифра существует, потому что четыре крупнейшие американские облачные компании тратят в совокупности в масштабах, у которых мало мирных прецедентов, — и потому что каждый из этих чипов нуждается в памяти, упаковке, сети, здании и линии электропередач. У каждого слоя этой цепи — свои лидеры, своя экономика и своё узкое место.
Вторая часть описывает всю цепочку — слой за слоем — и называет лидеров каждого.