AI-чипы Ascend 910C снова оказались в центре внимания: команда с участием Huawei заявила о пост-тренировке модели DeepSeek V4-Pro с 1,6 трлн параметров на кластере из 1000 ускорителей. Для рынка это показатель того, как национальные вычислительные платформы пытаются закрывать задачи LLM без привычной зависимости от зарубежных GPU.
Для закупок и инженерных проектов важны не только сами ускорители AI, но и вся компонентная база вокруг них: серверные платы, питание, память, высокоскоростные интерфейсы и охлаждение. Чем крупнее такие стенды, тем заметнее требования к срокам поставки электронных компонентов и стабильности спецификаций.
История с DeepSeek показывает, что спрос на серверные микросхемы и модули для AI-инфраструктуры остается высоким даже при ограничениях на поставки топовых GPU. Производителям оборудования приходится внимательнее планировать совместимость корпусов, разъемов, контроллеров питания и сопутствующих компонентов для плотных вычислительных узлов.
Для российских B2B-заказчиков практический вывод — заранее фиксировать альтернативы по микросхемам, питанию и интерфейсам, особенно если проект связан с локальными серверами, ускорителями машинного обучения или модернизацией дата-центра.
Внутренняя ссылка: для подбора компонентной базы под вычислительные и серверные платы смотрите раздел Микросхемы в каталоге ООО «Телеметрия».
