Власти США рассматривают возможность введения дополнительных ограничений на экспорт в Китай передовых полупроводниковых технологий, критически необходимых для разработки чипов для искусственного интеллекта. По мнению США, такие ИИ-чипы могут быть использованы китайскими военными.
Речь идёт о запрете поставок в КНР чипов, изготовленных по технологии gate all-around (GAA). Эта инновационная архитектура микросхем позволяет создавать более производительные процессоры для высокотехнологичных вычислений, в том числе в области ИИ.
По сообщению Bloomberg, ограничения коснутся не только готовых чипов GAA, но и технологий для их производства — оборудования и программного обеспечения. Цель США состоит в максимальном затруднении получения Китаем вычислительных мощностей, необходимых для разработки собственных систем ИИ.
Решение пока не принято, а власти США определяют оптимальный масштаб ограничений. Однако окончательные правила планируется утвердить до президентских выборов в ноябре. Экспортные запреты затронут интересы таких американских технологических гигантов как Nvidia, Intel, AMD и производителей чипов TSMC и Samsung.
Уже сейчас действует ряд ограничений на поставки в Китай передовых полупроводников и оборудования для их производства. Однако власти США намерены и дальше ужесточать контроль, чтобы не допустить использования технологий ИИ китайскими военными. При этом приходится балансировать между интересами бизнеса и соображениями национальной безопасности.
Новые правила активно обсуждаются с технологическими компаниями и экспертами отрасли. Первая версия подверглась критике как слишком «широкая», при этом представители бизнеса настаивают, чтобы ограничения коснулись только технологий производства чипов GAA, но не затрагивали экспорт готовой продукции в Китай.
По словам некоторых источников, также ведутся разговоры об ограничении экспорта чипов памяти с высокой пропускной способностью. Эти полупроводники, производимые SK Hynix, Micron играют ключевую роль в ускорении доступа к данным для систем искусственного интеллекта. Благодаря этому удается поддерживать высокую скорость работы AI-акселераторов при обучении нейросетевых моделей — процессе, требующем интенсивной обработки больших объёмов информации.
Источник: