Генеральный директор NVIDIA Дженсен Хуанг заявил, что GPT-6 Astra обучали с использованием более 100 000 GPU Grace Blackwell, объединённых в высокоскоростной кластер NVLink72, согласно раскрытию компании, на которое ссылается отчёт. Хуанг также сообщил, что в следующей партии будет использовано 400 000 GPU, хотя конкретные модели не были названы.

Раскрытие касается оборудования, использованного для обучения GPT-6 Astra. Хуанг заявил, что система использовала более 100 000 GPU Grace Blackwell, соединённых через NVLink72 — архитектуру NVIDIA, позволяющую разместить 72 GPU в одном домене высокоскоростных межсоединений. В отчёте говорится, что следующая обучающая партия планируется на 400 000 GPU, однако не уточняется, будут ли эти системы также использовать Blackwell.

В отчёте это раскрытие сопоставляется с текущим инфраструктурным разрывом в ИИ между разработчиками моделей из США и Китая. ByteDance была названа ближайшей к этому уровню среди крупных китайских компаний-разработчиков моделей: у неё соединено около 36 000 GPU B200. Сообщается, что её внутренние кластеры в основном опираются на системы H20 и H800 на базе Hopper.

Другие показатели вычислительных мощностей в отчёте остаются менее ясными. Сообщается, что Kimi получила через Alibaba около 20 000 GPU Hopper, в частности моделей H200, хотя Alibaba отвергла это утверждение. DeepSeek не раскрывала полный состав оборудования, использованного для обучения V4, однако приведённая в отчёте утечка утверждает, что в мае компания располагала примерно 20 000 вычислительных единиц, эквивалентных H, включая около 16 000 единиц мощностей Huawei 950.

В отчёте также отмечается, что платформа Blackwell, использованная для Astra, уже не является самым новым поколением NVIDIA. Vera Rubin уже вышла на полномасштабное производство, и NVIDIA оценивает, что обучение крупных моделей типа mixture-of-experts на Rubin может потребовать лишь четверть GPU, необходимых при использовании Blackwell. Согласно отчёту, ни одна китайская компания публично не сообщала об использовании 100 000 передовых GPU одного поколения для обучения одной модели.

Почему это важно

Это раскрытие важно, поскольку оно делает более очевидным разрыв между передовой разработкой ИИ и более широким рыночным нарративом о конкуренции моделей. На высшем уровне производительность всё больше зависит не только от алгоритмов или данных, но и от того, кто способен собрать, обеспечить энергией и объединить в сеть чрезвычайно крупные кластеры новейших чипов.

Это имеет более широкие последствия, выходящие за рамки самих поставщиков ИИ. Чем сильнее прогресс крупных моделей зависит от дефицитных, тесно интегрированных аппаратных стеков, тем больше стратегическое значение приобретают поставки полупроводников, сетевая архитектура и доступ к передовым вычислительным ресурсам. Для связанных с криптовалютами ИИ-секторов это сохраняет фокус на инфраструктурных ограничениях, а не на простом энтузиазме вокруг ИИ-брендинга.