Бывший руководитель AI-направления Databricks Навин Рао запустил, пожалуй, один из самых дерзких инфраструктурных проектов года: он утверждает, что новую вычислительную архитектуру можно довести до уровня, где энергопотребление ИИ при инференсе сократится в 1000 раз. Для разработчиков, облачных команд и техдиров это не абстрактная лабораторная история: если упор рынка действительно упрется в электричество, то борьба за энергопотребление ИИ быстро станет не менее важной, чем гонка за качеством моделей.
Стартап Unconventional AI, который возглавляет Рао, представил свою первую модель под названием Un-0, сообщает TechCrunch. Это система генерации изображений, которая должна показать главное: архитектура компании способна воспроизводить поведение привычных AI-систем не только в теории, но и в рабочем сценарии. Вместе с анонсом команда выпустила исследовательскую работу, где описала, как собрала полноценную модель генерации изображений на программной симуляции собственной осцилляторной архитектуры. По словам компании, по качеству результат сопоставим с современными diffusion-моделями.
Ключевой момент здесь не в том, что рынок получил еще один генератор картинок. Таких сервисов и моделей уже больше, чем терпения у юристов и комплаенс-отделов. Важнее то, каким способом Un-0 работает. Вместо стандартных вычислительных чипов и привычного стека, на котором живут большие языковые модели и diffusion-системы, Unconventional AI делает ставку на осцилляторную архитектуру. Рао называет Un-0 «hello world» для нового типа компьютера. Пока это звучит как формулировка человека, который просит рынок поверить авансом, но в данном случае у него хотя бы есть что показать: не только слайды, но и модель, и paper с описанием подхода.
Пока, правда, вся конструкция держится на симуляции. Текущая версия Un-0 не работает на физическом чипе Unconventional AI: компания только собирается вскоре раскрыть схемы реального процессора. Дальше план еще амбициознее: построить собственный inference stack целиком, от чипов до вычислительной системы, и в итоге продавать вычислительные мощности примерно в той же логике, в какой это делают обычные провайдеры. Формулировка Рао предельно прикладная: на вход приходит prompt, на выходе уходит inference, но на это тратится тысячная доля энергии по сравнению с текущими подходами. Звучит как хорошая заявка на рынок, где счет за электричество уже перестал быть скучной строкой в Excel.
Почему эта история вообще заслуживает внимания, хотя до железа еще нужно дожить? Потому что проблема названа точно. Индустрия несколько лет жила в режиме «добавим больше GPU, потом разберемся», но у этой стратегии есть физический потолок. Чем сильнее компании выносят AI в прод, тем дороже становится не только обучение, но и ежедневный инференс: генерация ответов, изображений, поисковые подсказки, ассистенты в продуктах, аналитика в реальном времени. Если модель используется не в демо, а в массовом сервисе, счет идет уже не на красивые пресс-релизы, а на энергетику, стойки, охлаждение и доступную мощность в дата-центрах. В этой логике энергопотребление ИИ действительно превращается в фундаментальное ограничение, а не в тему для ESG-презентаций.
У Unconventional AI на этом фоне есть сразу два риска и один шанс. Первый риск очевиден: обещание «в 1000 раз» звучит настолько щедро, что рынок автоматически достает калькулятор и скепсис. Второй риск еще банальнее: компания насчитывает меньше 50 сотрудников, а замахивается фактически на переизобретение вычислительной архитектуры, AI-инференса и поставки вычислений как сервиса. Это тот случай, когда стартап берется не за отдельный кусок стека, а почти за весь пирог целиком. Но именно здесь и появляется шанс. Если Рао прав хотя бы в направлении, а не в точной цифре, то выигрыш даже на порядок уже меняет экономику многих AI-сценариев. Для бизнеса разница между «можно запускать массово» и «слишком дорого для масштабирования» часто измеряется не качеством модели, а стоимостью одного запроса.
Для русскоязычной IT-аудитории в этой новости есть вполне практический вывод. Инфраструктурный слой AI снова становится местом, где возможен реальный сдвиг, а не только косметические улучшения интерфейсов и очередной чат-бот «для всего». Разработчикам это напоминает, что будущее AI зависит не только от новых архитектур моделей, но и от того, на чем они исполняются. Продактам и CTO стоит смотреть не только на capability-гонку, но и на unit economics инференса. А стартапам, которые строят сервис поверх чужих моделей, эта история лишний раз показывает неприятную правду: маржа в AI может съедаться не конкуренцией, а счетом за киловатт-часы.
Главный вопрос теперь не в том, может ли Un-0 рисовать картинки на уровне привычных diffusion-моделей, а в том, получится ли у Unconventional AI перевести красивую симуляцию в работающее железо и коммерческий сервис. Если да, рынок получит редкий для нынешнего цикла AI сюжет: не еще одну модель поверх существующей инфраструктуры, а попытку переписать саму стоимость инференса. Проверить детали анонса, цитаты Навина Рао и описание research paper можно в материале .