Генеральний директор Intel (INTC.US) Чен Ліву високо оцінив передові китайські AI-моделі та рішуче підтримав відкритий код для підвищення ефективності.

Згідно з інформацією від Zhihu Finance APP, головний виконавчий директор Intel (INTC.US) Патрік Генселінґер у понеділок заявив, що провідні штучно-інтелектуальні (AI) моделі Китаю мають нижчу вартість обробки одного токена та вже отримали "дуже швидке" впровадження. За повідомленнями, Генселінґер зазначив, що такі моделі, як DeepSeek, Kimi та GLM, вже мають "достатньо добрі" результати. Він додав: "Я є переконаним прибічником відкритого коду. Це найкращий спосіб підвищення ефективності". Також він зауважив, що у підсумку вибір найкращих моделей для певних випадків використання визначить ринок.

Погляди Генселінґера поділяє й генеральний директор NVIDIA (NVDA.US) Дженсен Хуанг. Хуанг неодноразово захищав китайські відкриті моделі. У липні цього року Дженсен Хуанг заявив, що моделі DeepSeek, Alibaba та Moonshot AI є "дуже видатними" та заслуговують на впровадження. Він також зазначив, що відкриті моделі можуть розширити сферу застосування AI, а не знижують попит на чипи NVIDIA.

Однією з головних переваг відкритих AI-моделей є відносно нижча вартість їхнього використання. Для Intel ширше впровадження таких моделей може підштовхнути до більш масового розгортання AI, а отже — збільшити попит на CPU, сервери та інфраструктуру дата-центрів, необхідних для обробки цих навантажень, у чому Intel нині активно розвивається.

Водночас Генселінґер вже позиціонує бізнес дата-центрів Intel як вигодоотримувача розвитку агентних AI. Дані показують, що виручка Intel у другому кварталі зросла на 25% у річному вимірі та досягла 16,13 мільярда доларів, що є найшвидшим темпом за останні роки та перевищує ринкові очікування у 14,42 мільярда доларів. При цьому виручка підрозділу даних центрів та AI склала 6,3 мільярда доларів, вирісши на 59% у річному порівнянні, що більш ніж вдвічі перевищує загальні темпи зростання компанії, і суттєво вище за очікувані ринком 5,37 мільярда доларів.

У міру того, як індустрія переходить від навчання великих моделей до масового впровадження агентних AI, які здатні автономно виконувати завдання, попит на універсальні CPU стрімко зростає. Агентний AI здатен виконувати складні, багатоступеневі завдання, тому вимагає значної обчислювальної потужності. Традиційне AI-інференсування переважно використовує GPU для обрахування матриць, натомість агентний робочий процес розбиває завдання на етапи: планування, пошук, читання та запис файлів, перевірка правил, виконання коду, виклик інструментів та валідація результату. Ці етапи природно більше залежать від універсального CPU, доступу до пам’яті, I/O та системного управління. У класичних інференс-сценаріях співвідношення ресурсів GPU до CPU — близько 7:1, тоді як в агентній архітектурі воно може наближатися до 1:1 або й віддавати перевагу CPU. Це не значить, що GPU не мають значення — це свідчить, що AI-дата-центри входять у нову епоху гетерогенних систем: "GPU-острови" поступаються місцем комбінації CPU + GPU + ASIC + оптичних інтерконектів та інфраструктури зберігання.

Крім того, деякі експерти вважають, що розвиток відкритих моделей дозволяє Intel зменшувати залежність від однієї AI-екосистеми. На сьогодні ринок AI-інфраструктури значною мірою побудований навколо NVIDIA CUDA. Водночас розвиток відкритих моделей дає змогу компаніям формувати більш диверсифіковану AI-інфраструктуру. Наприклад, підприємства можуть комбінувати NVIDIA GPU + Intel CPU, або Intel CPU з іншими AI-акселераторами, або покладати універсальні обчислення на CPU, а AI-інференс — на спеціалізовані прискорювачі. Для Intel основне — не стати "другою NVIDIA", а якнайбільше забезпечувати присутність як постачальник незамінної універсальної інфраструктури для AI-дата-центрів.