ByteDance, владелец TikTok и китайского ИИ-сервиса Doubao, по данным Tom's Hardware, проектирует собственные AI-чипы ByteDance для серверов. Ставка не на обучение моделей, а на инференс: то есть на тот этап, где деньги сгорают уже не в красивых демо, а в ежедневной эксплуатации ИИ-продуктов. Для российской IT-аудитории это еще один сигнал: крупные платформы больше не хотят зависеть от чужих ускорителей и чужой ценовой политики.
Речь идет о процессоре, который, как утверждается, находится на стадии концепции и проектирования. Источники Reuters говорят, что ByteDance рассматривает сразу две архитектуры: Arm и RISC-V. По описанию проект ближе не к универсальному серверному CPU, а к специализированному чипу для инференса, вдохновленному подходом Groq и его language processing units. За громким названием здесь довольно приземленная логика: если основная нагрузка компании связана не с обучением модели, а с массовым прогоном запросов пользователей, выгоднее делать железо под эту задачу, а не переплачивать за универсальность.
Отдельная деталь, которая делает историю интереснее обычного «еще одна корпорация хочет свой чип», связана с памятью. The Information пишет, что ByteDance работает с китайской InnoStar Semiconductor над памятью для проекта. Если эта связка действительно сработает, компания сможет хотя бы частично обойти болезненную зависимость от HBM-памяти, которую выпускают считаные поставщики вроде Samsung и SK hynix. В мире ИИ именно память давно стала не менее дефицитным ресурсом, чем сами ускорители. Покупка GPU без доступа к нужной памяти все чаще напоминает покупку спорткара без колес.
При этом ByteDance, судя по публикациям, не строит вертикально интегрированную мини-копию Nvidia. У компании нет собственной зрелой команды, которая в одиночку потянула бы полный цикл проектирования таких микросхем, поэтому она, вероятно, будет опираться на внешних партнеров и в дизайне, и в производстве. Это важная оговорка: между красивой идеей «сделаем свой чип» и реальным запуском в дата-центре лежат годы работы, дорогая верификация, цепочка поставок, упаковка, тестирование и программный стек. На бумаге кастомный чип может обещать экономию, но без экосистемы он легко превращается в очень дорогой эксперимент.
Контекст у этой истории предельно прикладной. Китайские технологические компании живут в режиме постоянной турбулентности вокруг поставок американских чипов и ограничений на доступ к передовым ускорителям. На этом фоне любая зависимость от Nvidia, AMD или Intel превращается не просто в закупочный риск, а в стратегическую уязвимость. Даже если нужный чип сегодня можно получить, никто не гарантирует, что через квартал его не придется искать через посредников, облачных операторов в третьих странах или по совсем другой цене. Поэтому AI-чипы ByteDance выглядят не экзотикой, а попыткой вернуть себе хоть какой-то контроль над инфраструктурой.
И дело не только в геополитике. Экономика инференса быстро становится отдельной болью для всех, кто строит потребительские ИИ-сервисы. Пока рынок обсуждал обучение больших моделей, бизнес уже уткнулся в стоимость их повседневной эксплуатации. Агентные сценарии, ассистенты, генерация контента, рекомендации, чат-боты и поисковые функции требуют постоянных вычислений в продакшене. Если у вас сотни миллионов пользователей, любая оптимизация на уровне кремния превращается в заметную сумму на счете. В этом смысле AI-чипы ByteDance выглядят вполне рационально: компания пытается срезать не витринные расходы, а базовую себестоимость ИИ-сервисов.
ByteDance, конечно, не первая пришла к этой мысли. Google давно развивает TPU, Amazon делает Trainium и Inferentia, Meta продвигает MTIA, а Broadcom помогает крупным клиентам проектировать кастомные ASIC под ИИ-нагрузки. Даже Nvidia, которая зарабатывает на чужой зависимости, сама активно двигает идею более плотной связки CPU и AI-ускорителей. На этом фоне желание ByteDance сделать собственный чип уже не выглядит дерзким исключением. Скорее наоборот: если крупная платформа не экспериментирует с кастомным железом, возникает вопрос, не слишком ли она спокойна за свою маржу.
У ByteDance есть и своя предыстория в полупроводниках. Tom's Hardware напоминает, что еще в 2024 году компания начала проектировать собственный AI-ускоритель SeedChip вместе с TSMC. Отраслевые публикации связывали этот проект с планами выхода на стадию tape-out и последующего серийного производства. Новый процессор для инференса не отменяет ту работу, а дополняет ее: в больших ИИ-кластерах все чаще нужна не одна «серебряная пуля», а набор специализированных компонентов под разные этапы нагрузки. Иначе говоря, рынок идет не к одному идеальному чипу, а к сборке из нескольких типов железа, где каждый закрывает свой узкий участок.
Для разработчиков и ИТ-руководителей здесь есть довольно трезвый вывод. Архитектура AI-сервисов теперь определяется не только качеством модели, но и доступностью железа, памяти, компиляторов и каналов поставки. Если еще пару лет назад инфраструктурные решения можно было отложить «до роста», то теперь они напрямую влияют на юнит-экономику продукта и на его выживаемость в условиях дефицита. ByteDance фактически подтверждает это своим примером: сначала крупные компании покупают GPU, потом оптимизируют inference, а затем неизбежно приходят к мысли, что дешевле и безопаснее иметь хотя бы часть стека под собственным контролем.
Главный вопрос теперь не в том, сможет ли ByteDance полностью отказаться от американских поставщиков. Судя по текущему состоянию рынка, гибридная инфраструктура останется нормой еще долго, и без Nvidia такие компании пока не живут. Вопрос в другом: сколько крупных платформ решат, что эпоха «арендуем чужой интеллект на чужих чипах» заканчивается, и начнут строить собственные полупроводниковые стратегии не как имиджевый проект, а как обязательную часть ИИ-бизнеса.