Гонка чипов добралась до Лас-Вегаса
Lisa Su вышла на сцену CES 2026 в черной водолазке. Без фанфар. Толпа ждала очередного залпа по Nvidia, но услышала другое. "Вычислительная мощность - это новая грамотность". И тишина.
AMD показала не просто чипы. Они представили план по созданию армии инженеров. Каждый новый ускоритель MI400X теперь поставляется с ваучером на образовательный грант. Прямо в коробке. (Да, как в детстве, только вместо игрушки - шанс на карьеру).
Грант покрывает до 80% стоимости курсов по машинному обучению, компьютерному зрению или разработке AI-систем. Программа запущена совместно с Fei-Fei Li World Labs. Подать заявку можно через сайт AMD, начиная с 15 февраля 2026.
Зачем Fei-Fei Li пришла на анонс железа?
Это был неожиданный дуэт. Су - инженер до кончиков пальцев. Ли - гуру AI-этики и один из создателей ImageNet. Они стояли рядом, пока на экране крутились графики производительности MI400X против нового Rubin от Nvidia.
"Мы строим мосты между кремнием и нейронами", - сказала Ли. Ее World Labs выделит $50 миллионов на стипендии для студентов, которые будут работать с платформой AMD. Условие простое: опубликовать исследование в открытом доступе. Никаких патентных ловушек.
MI400X: цифры, которые имеют значение
В теории новый ускоритель должен обрабатывать 2,5 петафлопс на матричных операциях. На практике - он вдвое быстрее предшественника в задачах обучения трансформеров. Но главное не это.
Архитектура Infinity Fabric 4.0 позволяет соединять до 12 GPU в единый массив без потерь пропускной способности. Для исследователей, которые мучаются с генерацией изображений на AMD, это может стать спасением. Наконец-то.
| Параметр | MI400X | Предыдущее поколение |
|---|---|---|
| Пиковая производительность (FP16) | 2.5 Петафлопс | 1.1 Петафлопс |
| Память HBM4 | 128 ГБ | 80 ГБ |
| Энергопотребление | 700 Вт | 650 Вт |
| Поддержка NVLink-аналога | Да, до 12 GPU | До 8 GPU |
Где взять деньги на обучение? Инструкция к действию
Грантовая программа работает по принципу "сначала проект, потом деньги". Не наоборот. Вот как это устроено.
1Выбери проблему
Не абстрактную "улучшить AI", а конкретную. Например, ускорить инференс 70B-параметровой модели на локальном AMD железе. Или снизить энергопотребление дата-центра на 15% с помощью новых алгоритмов квантования.
2Собери прототип
Не обязательно на MI400X. Подойдет и старая карта. Важно показать, что идея работает в принципе. Результаты выложи на GitHub. Без кода заявку даже не будут рассматривать.
3Напиши заявку на 3 страницы
Максимум. Никаких 20-страничных академических трудов. Четко объясни: что делаешь, как и почему это важно для будущего AI. Приложи ссылку на код и видео с демонстрацией.
Не пытайся обмануть систему. Рецензенты - практикующие инженеры из World Labs. Они за пять минут запустят твой код и поймут, если что-то не так. Лучше скромный работающий проект, чем грандиозный слайд.
Почему сейчас? И почему AMD?
Ответ прост: дефицит кадров. Компании вроде OpenAI строят план на триллион долларов, но не хватает людей, которые понимают, как работает железо под капотом. Nvidia делает ставку на закрытые экосистемы. AMD - на открытую.
Greg Brockman, появившийся на сцене после Ли, сказал прямо: "Мы упираемся в потолок производительности. Новые архитектуры нужны как воздух. И те, кто их создаст, должны учиться сегодня".
Это не благотворительность. Это стратегическая инвестиция. Каждый студент, получивший грант, вероятно, будет десятилетиями работать с платформой AMD. Как когда-то целое поколение выросло на CUDA.
Что это значит для тебя?
Если ты студент или начинающий исследователь - это шанс. Не нужно бросать MIT, как в тех историях про стартапы. Можно получить финансирование и остаться в академии.
Если ты инженер в компании - присмотрись к MI400X. Цена пока не объявлена, но если производительность соответствует заявленной, это может изменить расклад сил. Особенно для открытых проектов, где важен каждый доллар.
А если ты просто следишь за индустрией - запомни эту дату. CES 2026 может стать моментом, когда гонка чипов превратилась в гонку умов. И это куда интереснее.
Совет напоследок: не гонись за самым модным направлением вроде AI-терапевтов. Лучшие гранты получат те, кто решает скучные, но фундаментальные проблемы. Как распределить вычисления в кластере из 100 GPU без потерь. Или как заставить модель работать в два раза быстрее на том же железе. Именно это двигает индустрию. А не очередной чат-бот.
