Китайский разработчик роботакси Pony.ai уже закладывает в инфраструктуру запасной сценарий на случай новых ограничений поставок Nvidia. Чипы Nvidia в Китае остаются важной основой для обучения и запуска систем автономного вождения, но компания одновременно учится обходиться менее мощными вычислительными ресурсами и подключает локальных поставщиков. Для российских команд, работающих с ИИ и компьютерным зрением, это знакомая история: зависимость от одного класса ускорителей быстро превращается из инженерного выбора в риск для продукта и бюджета.
О подходе Pony.ai рассказал финансовый директор компании Лео Ван, сообщает TechCrunch. По его словам, спрос на вычислительные мощности уже заметно превышает предложение, а инженерам приходится экономнее разворачивать модели обучения. Вместо наиболее производительных решений команда может использовать ресурсы среднего уровня, если это позволяет выполнить задачу без критичной потери качества или сроков.
Pony.ai развивает автономное вождение полного цикла: от обучения моделей до эксплуатации роботакси. В такой схеме ускорители нужны не только для экспериментов в лаборатории. Они участвуют в подготовке моделей восприятия, прогнозирования поведения объектов и принятия решений, а затем вычислительная платформа должна поддерживать готовое ПО в автомобиле. Ограничения на доступ к производительным чипам бьют по всем этапам сразу: растут сроки обучения, дорожают вычисления и усложняется планирование парка.
Ван не утверждает, что локальные решения уже сопоставимы с Nvidia по соотношению цены и производительности. Его оценка заметно осторожнее: альтернатива существует, стала зрелее за последние несколько лет, но экономически пока не всегда выглядит оптимальной. Это важная оговорка. Наличие совместимого чипа не означает автоматической замены: нужно переносить и оптимизировать софт, адаптировать пайплайны, тестировать драйверы и оценивать стабильность поставок.
Фактически китайский рынок автономного транспорта несколько лет строит «план Б». Усиление экспортных ограничений на высокопроизводительные американские чипы перестало быть гипотетическим риском для компаний, которые обучают большие ИИ-модели. Поэтому ставка делается на смесь мер: оптимизацию моделей, более рациональное распределение задач между разными типами оборудования и отечественные ускорители. Чем раньше такая архитектура появляется в продукте, тем меньше шанс, что политическое решение поставит дорожную карту на паузу.
Не один процессор, а вся инженерная цепочка
В индустрии автономного вождения Nvidia занимает разные позиции. Одни компании используют автомобильные процессоры производителя непосредственно для работы систем помощи водителю и автопилота в машине. Другие опираются на графические процессоры Nvidia прежде всего при обучении моделей. Есть и более глубокие партнёрства, где поставщик вычислительной платформы участвует в создании всей программно-аппаратной связки. Среди таких партнёров TechCrunch называет Mercedes-Benz, Zoox и Wayve.
Поэтому разговор о замене Nvidia нельзя сводить к сравнению паспортной производительности микросхем. Для команды разработки значение имеют экосистема инструментов, готовые библиотеки, квалификация инженеров, стоимость миграции и предсказуемость работы инфраструктуры. Если модель обучалась и профилировалась под один стек, переход на другой может потребовать не косметической настройки, а пересмотра части ML-пайплайна. В роботакси к этому добавляются требования к безопасности и длительный цикл валидации на реальных дорогах.
Для бизнеса это означает, что стоимость автономного километра зависит не только от цены автомобиля, сенсоров и оператора удалённой поддержки. В ней всё заметнее доля вычислительной экономики: сколько данных нужно обработать, как часто переобучать модель, на каком оборудовании проводить симуляции и какой запас мощностей держать под масштабирование. Если дефицит ускорителей сохраняется, выигрывают компании, умеющие уменьшать потребность в «железе» без деградации системы.
Параллельно рынок продолжает расширять парк автономных машин. May Mobility планирует использовать электрические Volkswagen ID. Buzz для своей глобальной платформы поездок и заявляет цель развернуть свыше 10 тысяч автономных автомобилей к 2031 году. Японский стартап Newmo привлёк 20,8 млрд иен, примерно $135 млн, в раунде под руководством KDDI. Эти сделки показывают, что инвесторы не считают автономный транспорт закрытой главой, хотя его техническая база становится дороже и геополитически чувствительнее.
Для российских разработчиков вывод практичный: аппаратную независимость лучше проектировать до масштабирования. Речь не обязательно о немедленном отказе от привычного стека, а о переносимых пайплайнах, измеримых требованиях к производительности и регулярных тестах на альтернативном оборудовании. Чипы Nvidia в Китае пока не исчезли из отрасли, но опыт Pony.ai показывает, что планировать продукт только вокруг них уже рискованно.
Главный вопрос теперь не в том, найдётся ли формальная замена Nvidia, а в том, насколько быстро альтернативная экосистема догонит её по цене, инструментам и надёжности. Пока китайские компании готовы платить за эту гибкость дополнительной инженерной сложностью. Подробности позиции Pony.ai и контекст рынка доступны в материале .

