Амбітна мета інтегрувати інтелектуальні комп'ютери безпосередньо в людське тіло - чи то для безперервного моніторингу здоров'я, чи то для керування високотехнологічними протезами - тривалий час залишалася недосяжною через фундаментальний фізичний конфлікт.

Традиційні процесори штучного інтелекту обмежені природною жорсткістю кремнієвих платформ. Закріплені на динамічній поверхні серця, що б'ється, або м'яза, що скорочується, ці тверді чипи травмують живі тканини, відшаровуються від них і швидко виходять із ладу.

Новий оглядовий матеріал у науковому виданні International Journal of Extreme Manufacturing детально описує, як індустрія здійснює зсув від суто жорстких архітектур до м'якої, натхненної мозком електроніки. Такі пристрої здатні зчитувати, зберігати й обробляти інформацію, механічно підлаштовуючись під анатомічні контури тіла.

Завдяки переходу на принципово м'які матеріали - такі як пластичні полімери та текучі іоногелі - нові системи зберігають свої обчислювальні функції навіть під прямим фізичним навантаженням. Замість того щоб гнати електрони через жорсткі металеві доріжки, ці пристрої імітують хімічні процеси людського мозку за допомогою механізму органічної змішаної іонно-електронної провідності.

Працюючи подібно до мікроскопічної губки, активні компоненти поглинають і вивільняють іони з навколишнього середовища, безперервно переналаштовуючи свої внутрішні схеми. Цей подвійний рух іонів та електронів дозволяє одному м'якому транзистору відтворювати біологічну синаптичну пластичність - той самий фізичний процес, який клітини нашого мозку використовують для зміцнення або послаблення зв'язків під час навчання та забування.

Останні досягнення в галузі матеріалознавства вивели ці гнучкі компоненти на екстремальні експлуатаційні ліміти. Тепер вони здатні розтягуватися до 140% від своєї початкової довжини. Така еластичність значно перевищує природні можливості людської шкіри, що гарантує цілісність пристроїв навіть під час розміщення на рухомих суглобах.

Оскільки робота чипів базується на ефективній біохімії, а не на грубій силі електричного струму, вони виконують складні завдання (наприклад, класифікацію серцевих ритмів), працюючи при ультранизькій напрузі - менше ніж 0,5 вольта. Це в рази менше, ніж видає звичайна пальчикова батарейка, що гарантує повну термічну та електричну безпеку під час безперервного контакту з внутрішніми органами.

Цей матеріальний зсув структурно змінює ландшафт виробництва натільної електроніки. Заводи можуть відмовитися від складного збирання жорстких датчиків на гнучких підкладках. Натомість стає можливим друк монолітних м'яких обчислювальних мереж, де сенсори, пам'ять та процесор злиті в єдину еластомерну тканину.

Це відкриває шлях до створення високочутливої електронної шкіри та м'яких роботизованих кінцівок, які інтерпретують дотики й рухи локально, без потреби передавати дані на громіздкий зовнішній комп'ютер.

Попри очевидні успіхи, на шляху до клінічного застосування технології залишаються серйозні інженерні бар'єри. Головна проблема полягає в тому, що сучасні компоненти м'якої пам'яті швидко втрачають заряд після припинення сигналу, що робить їх непридатними для довгострокового зберігання даних.

Щоб обійти це обмеження, розробники наразі сфокусувалися на так званій архітектурі «островів та мостів» (island-bridge).

«Острови» - це елементи постійної пам'яті розміщують на жорстких мікроскопічних острівцях, повністю захищених від деформацій. Тоді як «мости» з'єднують ці острови між собою за допомогою ультрарозтяжної спіральної проводки.

Поєднання такої гібридної структури з хімічно стабільними, токсикологічне безпечними матеріалами пропонує чіткий і практичний шлях для переведення еластичних нейроморфних чипів із лабораторних випробувань у реальне життя.

Всі ми знаємо про проблему електронного сміття. Ми міняємо смартфони кожні чотири роки, а старі гаджети або припадають пилом у шухлядах, або відправляються на звалище. Дослідники з Каліфорнійського університету в Сан-Дієго (UCSD) разом із командою Google Research вирішили: «Досить це терпіти!» - і перетворили купу старих смартфонів Google Pixel на справжній... бюджетний дата-центр.

Коли дослідники загнали старі смартфони у бенчмарк SPEC, вони виявили. що в одноядерному режимі (single-core) чипи мобільних телефонів трирічної давнини видають вищу продуктивність, ніж важкі серверні процесори Intel чи AMD EPYC, які стоять у сучасних дата-центрах поруч із монстрами на кшталт Nvidia H200.

Звісно, серверний процесор у сумі рознесе мобільний чип в тріски внаслідок величезної кількості ядер, ліній пам'яті та архітектури. Але сам факт того, що одне конкретне ядро у старому телефоні таке швидке, надихнув інженерів. Звідси висновок: якщо проявити трохи креативності, цей кремній ще може повоювати.

Просто покласти 20 телефонів на стіл і ввімкнути Wi-Fi не справить враження на суворих системних адміністраторів. Тому науковці підійшли до справи радикально. З гаджетів зняли все зайве - дисплеї, акумулятори, камери, динаміки та корпуси. Залишилися тільки материнські плати з розпаяними на них процесорами (SoC), пам'яттю та мережевими модулями.

Операційну систему від Google повністю знесли. Замість неї встановили чистий дистрибутив Linux, який зазвичай використовується в enterprise-серверах. Це дозволило прибрати весь мобільний «мотлох» та bloatware, звільнивши ресурси.

На чистий Linux накотили Kubernetes - стандартний софт для керування хмарними контейнерами та розподілу обчислень.

Тести показали, що кластер із 25–50 старих телефонів за своєю сумарною обчислювальною потужністю дорівнює одному повноцінному двопроцесорному серверу архітектури x86.

В UCSD підрахували: скромний кластер із 20 телефонів може самостійно «тягнути» внутрішні навчальні додатки для великого університетського курсу на 75+ студентів. Замість того щоб платити за оренду хмари (AWS, Azure чи Google Cloud), університет може запускати ці завдання локально на телефонних платах.

Зараз команда будує велику локальну стійку на 2000 старих смартфонів. Ця конструкція зможе одночасно обслуговувати близько сотні університетських класів.

З огляду на те що ціни на мікросхеми пам'яті (DRAM та NAND) зараз б'ють рекорди, збирання класичного локального сервера «з нуля» обійдеться у копієчку. А вживані Pixel дісталися розробникам за копійки (або взагалі безоплатно від партнерів).

Будемо реалістами, телефони не замінять класичні дата-центри. Техногіганти типу Microsoft, Meta чи Google не збираються переходити на сервери зі старих мобілок. Для AI-завдань масштабу ChatGPT потрібні мільйони прискорювачів, і обслуговувати мільйони телефонних платформ замість однієї стійки - це адмініструвальне пекло з нульовою надійністю.

Але для університетів, некомерційних організацій, шкіл чи невеликих стартапів, які не мають великих бюджетів на закупівлю новітніх GPU та серверів, це вихід.

До речі, це не перший випадок «дикого» ресайклінгу. Минулого року інша група вчених зібрала міні-дата-центр із 4 смартфонів для підводного екологічного моніторингу.

Навіть NASA свого часу використала чип Qualcomm Snapdragon 801 (флагман 2014 року) як «мозок» для навігації марсіанського гелікоптера Ingenuity. Якщо процесор від старого смартфона зміг літати на Марсі, то з лабораторними роботами він точно впорається.

Рівно 48 років тому - 8 червня 1978 року - народився процесор, який, мабуть, можна назвати найважливішим в історії персональних комп'ютерів. Саме цього дня світ побачив 16-бітний Intel 8086, який дав старт архітектурі x86. На цій архітектурі й досі, майже пів століття потому, працює абсолютна більшість десктопів та ноутбуків.

Але найіронічніше в цій історії те, що чип 8086 взагалі створювався як тимчасове рішення, така собі «затичка» на ринку!

На розробку Intel 8086 пішло 18 місяців. Чому Intel так поспішала? Річ у тім, що амбітний, революційний і створюваний з чистого аркуша 32-бітний проєкт компанії під назвою iAPX 432 капітально затримувався. Поки головна команда гартувала надскладну архітектуру, конкуренти з Motorola та Zilog уже дихали в спину зі своїми 16-бітними чипами.

Тоді Intel зібрала команду з чотирьох інженерів та 12 пакувальників топології під керівництвом Стівена П. Морса (Stephen P. Morse) із завданням: терміново зробити хоч щось практичне і конкурентоспроможне прямо зараз. Що в результаті? Проєкт iAPX 432 таки доповз до релізу у 1981 році, але виявився занадто дорогим, складним і фатально повільним, через що швидко помер. А от «тимчасовий» 8086 став легендою.

Intel 8086 позиціонувався як перший чесний 16-бітний процесор компанії. При цьому він зберіг зворотну сумісність зі старими 8-бітними процесорами Intel (8008, 8080 та 8085), що дуже полегшило життя програмістам. Серед крутих фішок на той час - поява мікрокоду для інструкцій множення та ділення на рівні мови асемблера.

Якщо зазирнути під кришку цього кремнієвого дива, ми знайдемо близько 20 000 транзисторів (якщо рахувати разом із ROM та PLA — 29 277) на базі техпроцесу HMOS (High performance MOS), який Intel спочатку розробила для швидкої статичної пам'яті RAM.

Розмір кристала - 33 мм² у 40-піновому корпусі.

Мінімальний розмір елемента - 3,2 мкм.

Тактова частота за роки випуску коливалася від 5 до 10 МГц.

Хоча 8086-й заклав фундамент, справжнім серцем першого культового IBM PC (1981) став його трохи спрощений варіант - процесор Intel 8088.

А далі прямі наступники в особі 80286, 80386 та 80486 очолили так званий альянс Wintel (Windows + Intel). Вони зробили концепцію «IBM PC-сумісного комп'ютера» стандартом за замовчуванням для роботи, домашнього використання та, звісно ж, для комп'ютерних ігор. У середині 90-х естафету перехопив бренд Pentium, але всередині це була все та ж перевірена архітектура x86.

На сорокову річницю чипа у 2018 році Intel випустила ювілейний лімітований процесор Core i7-8086K. Логічно припустити, що у 2028 році, на 50-річчя архітектури, нас чекає ще один крутий триб'ют.

Сьогодні, у 2026 році, спостерігати за ринком процесорів цікаво як ніколи. Чи зможе Arm посунути домінування x86 на ринку Windows-ПК у найближчі пару років? Ми вже бачили спроби від Qualcomm та MediaTek потіснити Intel та AMD, але успіх був досить скромним.

Проте ситуація змінюється. Буквально днями на Computex 2026 було дуже багато галасу навколо суперчипа Nvidia RTX Spark - потужної Arm-платформи, створеної для того, щоб трансформувати Windows 11 в операційну систему для автономних AI-агентів.

Як думаєте, якщо ми озирнемося назад роки через два, чи зможуть Nvidia та її партнери остаточно переломити хід цієї 50-річної x86-війни на свою користь?

У комп'ютерній індустрії рідко трапляються моменти, коли кілька великих компаній одночасно намагаються переосмислити саму природу персонального комп'ютера. Саме така ситуація складається сьогодні. Apple, Qualcomm і NVIDIA вже не конкурують лише продуктивністю процесорів. Вони просувають три різні концепції того, яким має бути ПК в епоху генеративного штучного інтелекту.

Цікаво, що всі три гравці відмовилися від традиційної x86-моделі, яка десятиліттями визначала розвиток ринку через Intel та AMD. У центрі нової хвилі опинилася Arm-архітектура, але кожен із розробників використовує її для реалізації власного бачення майбутнього.

У результаті на ринку формується не просто конкуренція чипів, а боротьба між трьома архітектурними філософіями.

Apple: комп'ютер як цілісний організм

Коли у 2020 році Apple представила M1, багато хто сприйняв це як чергову зміну процесорної платформи. Насправді ж компанія розпочала найбільший архітектурний експеримент на ринку ПК за останні два десятиліття.

Традиційний персональний комп'ютер завжди складався з окремих вузлів. Процесор, відеокарта, оперативна пам'ять та контролери працювали як незалежні компоненти, між якими постійно відбувався обмін даними. Apple вирішила зламати цю модель.

Основою M-серії стала концепція Unified Memory Architecture. CPU, GPU, Neural Engine та інші обчислювальні блоки працюють із єдиним пулом пам'яті без необхідності дублювання даних між різними підсистемами.

На перший погляд, це виглядає технічним нюансом. Насправді саме ця особливість визначає всю логіку розвитку Apple Silicon.

Компанія розглядає комп'ютер як єдиний обчислювальний організм, де окремі компоненти не повинні конкурувати за ресурси. Завдяки цьому навіть відносно компактні MacBook демонструють характеристики, які ще кілька років тому вимагали потужних мобільних робочих станцій.

Особливо добре ця модель працює в задачах обробки мультимедіа, локального запуску AI-моделей та професійних творчих застосунків.

Проте Apple доводиться платити за таку інтеграцію певну ціну. Власник Mac отримує винятково ефективну систему, але практично позбавлений можливостей її модернізації. В архітектурі Apple немає місця традиційній концепції апгрейду.

Фактично Apple продає не процесор і навіть не комп'ютер. Вона продає завершену обчислювальну систему.

Qualcomm: смартфонна революція приходить на ринок ПК

Історія Qualcomm виглядає зовсім інакше. Якщо Apple адаптувала мобільні технології для власної екосистеми, то розробник Snapdragon намагається перенести весь досвід світу смартфонів в універсальний Windows-комп'ютер.

Ключовою подією стало придбання стартапу Nuvia у 2021 році. Саме його інженери створили процесорні ядра Oryon, які стали основою сімейства Snapdragon X.

На відміну від Apple, компанія Qualcomm не контролює всю платформу. Їй доводиться працювати через складний ланцюг партнерів, який включає Microsoft, виробників ноутбуків та незалежних розробників програмного забезпечення. Тому Snapdragon X проєктувався як максимально універсальна платформа.

У центрі архітектури перебуває не графічний процесор і навіть не центральний процесор, а спеціалізований AI-блок NPU. І саме він став фундаментом концепції Copilot+ PC, яку Microsoft активно просуває протягом останніх двох років.

Фактично Qualcomm виходить із припущення, що майбутній комп'ютер більшу частину AI-завдань виконуватиме локально. Саме тому компанія робить ставку на мінімальне енергоспоживання та постійну готовність до роботи, успадковану від смартфонів.

У певному сенсі Snapdragon X можна назвати спробою перетворити ноутбук на надзвичайно потужний смартфон із клавіатурою.

Основною перевагою такого підходу є автономність. Головним ризиком - залежність від готовності Windows-екосистеми повністю перейти на Arm.

NVIDIA: комп'ютер як персональна AI-станція

Поява NVIDIA RTX Spark стала, мабуть, найцікавішою подією на ринку ПК за останні кілька років. На відміну від Apple та Qualcomm, "сама дорога компанія у світі" взагалі не намагалася створити черговий ноутбучний процесор. Завдання було поставлене значно амбітніше - перебудувати персональний комп'ютер навколо концепції AI-агента. Сам Дженсен Хуанг описує RTX Spark як платформу, що перетворює комп'ютер з інструмента на повноцінного цифрового помічника.

В основі RTX Spark лежить принципово інша логіка проєктування. Якщо Apple починає архітектуру з користувацького досвіду, а Qualcomm - з мобільної енергоефективності, то NVIDIA стартує з потреб великих мовних моделей.

У складі RTX Spark використовується 20-ядерний процесор Grace Arm, графічна підсистема Blackwell із 6144 CUDA-ядрами, когерентна уніфікована пам'ять обсягом до 128 ГБ та міжчипове з'єднання NVLink-C2C, яке донедавна було характерне переважно для серверних систем.

Найцікавішим є навіть не саме апаратне забезпечення. Фактично NVIDIA переносить у ПК екосистему, яка раніше існувала лише в дата-центрах: CUDA, TensorRT, RTX, DLSS, OptiX та інші інструменти, що стали стандартом індустрії AI.

Якщо Apple створює комп'ютер для користувача, а Qualcomm - платформу для ноутбуків, то NVIDIA підготувала локальне середовище для AI-моделей та агентів. Саме тому RTX Spark здатний запускати локально моделі масштабу до 120 млрд параметрів і забезпечує до 1 PFLOPS продуктивності для AI-навантажень.

Це вже не еволюція традиційного ПК. Це спроба створити новий клас пристроїв.

Боротьба за майбутнє починається

Якщо подивитися на всі три платформи одночасно, стає очевидно, що ринок ПК переживає зміну масштабу, подібну до переходу від CISC до RISC або від настільних комп'ютерів до ноутбуків.

І саме тому сьогодні ми спостерігаємо не черговий раунд конкуренції процесорів. Перед нами формування нової архітектури персональних обчислень, де вирішальним фактором стає вже не швидкість виконання коду, а здатність системи працювати зі штучним інтелектом як із базовим елементом цифрового середовища.

Десятиліттями індустрія напівпровідників жила за простим сценарієм: зменшуємо транзистор - отримуємо профіт. Проте сьогодні, коли ми впритул наблизилися до атомарних лімітів, традиційний закон Мура все більше нагадує біг на місці з величезними фінансовими витратами.

Хе Тінбо (He Tingbo), очільниця HiSilicon (напівпровідникового підрозділу Huawei), прямо заявляє, що фізичні ліміти та зниження економічної віддачі змушують нас шукати нову метрику прогресу. Замість гонитви за кількістю транзисторів на квадратний міліметр, Huawei пропонує зосередитися на часі. Так з’явився τ Scaling Law (закон масштабування тау), де головною одиницею успіху стає мінімізація затримки поширення сигналу на всіх рівнях - від окремого затвора до цілого дата-центру.

Центральним елементом цієї нової архітектурної філософії є технологія LogicFolding. Проблема сучасних чипів не лише в розмірі транзисторів, а й у тому, що зі зменшенням техпроцесу опір дротів зростає, а «паразитна ємність» стає критичною перешкодою для швидкості. LogicFolding — це, за своєю суттю, спроба «згорнути» логіку таким чином, щоб максимально скоротити критичні шляхи проходження сигналів. Якщо ми не можемо нескінченно прискорювати рух електронів, ми маємо скоротити відстань, яку вони долають. Це багаторівнева оптимізація, яка починається з мінімізації опору на рівні пристроїв і закінчується архітектурою схем, що буквально стискає затримку, дозволяючи отримувати приріст продуктивності навіть без переходу на умовні «ангстремні» техпроцеси.

Проте локальна швидкість всередині чипа не має значення, якщо дані «застрягають» на шляху до пам’яті або сусідніх процесорів. Тут у гру вступає системний рівень - протокол UnifiedBus. У сучасних AI-кластерах (SuperPoDs) найбільшим болем є розрізненість пам’яті, коли GPU або NPU витрачають дорогоцінні цикли на очікування даних з іншого вузла. UnifiedBus забезпечує єдину адресацію пам’яті для всієї системи. Для розробника та заліза це виглядає як один гігантський пул ресурсів, що радикально знижує затримки комунікації та прибирає програмні «милиці», які раніше були необхідні для синхронізації даних між різними чипами в стійці.

Huawei фактично вибудовує власний, альтернативний шлях розвитку електроніки. Поки західний світ фокусується на доступі до літографії екстремального ультрафіолету (EUV), Китай через санкційний тиск змушений бути винахідливішим. Комбінація LogicFolding та UnifiedBus показує, що значні резерви потужності все ще приховані в архітектурній гнучкості. Це перехід від епохи «грубої сили» транзисторів до епохи інтелектуального керування часом і простором всередині кремнію. Якщо τ Scaling Law виявиться життєздатним, ми можемо стати свідками ситуації, коли «старі» техпроцеси, оптимізовані за допомогою таких технологій, почнуть конкурувати за реальною продуктивністю з найдорожчими новинками ринку.

Поки світ звично спостерігає за перегонами нанометрів, де лідери намагаються втиснути якомога більше транзисторів у пласку схему, Huawei офіційно проголосила перехід до нової метрики - τ Scaling Law. Якщо закон Мура фокусувався на геометричному зменшенні, то «Закон Тау» ставить на чільне місце час. τ - це часова константа перемикання сигналу, і саме її Huawei збирається «стискати» за допомогою технології LogicFolding.

Що ж таке LogicFolding на практиці? Уявіть традиційний чип як величезне одноповерхове місто. Щоб сигнал потрапив з одного кінця в інший, йому потрібно подолати довгі горизонтальні «проспекти» мідних доріжок. Зі зменшенням техпроцесу ці доріжки стають тоншими, їхній опір зростає, а паразитна ємність починає «гальмувати» електрони. LogicFolding перетворює це пласке місто на хмарочос. Технологія буквально «згортає» логічну схему, переносячи критичні шляхи сигналу з горизонтальних площин у вертикальні стеки. Замість того щоб бігти кілометри по горизонталі, сигнал долає нанометри по вертикалі через спеціальні з'єднання (TSV та Hybrid Bonding).

Результати такого «архітектурного оригамі» вражають навіть на папері. За даними HiSilicon, впровадження LogicFolding дозволяє:

Збільшити щільність транзисторів на 53,5% без зміни техпроцесу.
Підняти тактову частоту ядер на 12,7% (з 2,75 ГГц до 3,1 ГГц у нових Kirin).
Покращити енергоефективність продуктивних ядер на 41%.
Знизити собівартість виробництва на 30%, оскільки метод дозволяє уникати дорогого мультипатернінгу на застарілих DUV-машинах.

Це не просто лабораторний експеримент. Виявилося, що Huawei останні шість років таємно готувала цей ґрунт, випустивши вже 381 тип чипів, побудованих за принципами «Закону Тау». Першим масовим споживчим продуктом з повноцінною архітектурою LogicFolding стане флагманський процесор Kirin для серії Mate 90, що вийде вже цієї осені. Компанія ставить амбітну мету: до 2031 року досягти продуктивності, еквівалентної техпроцесу 1,4 нм, з тактовими частотами до 5.0 ГГц, використовуючи лише наявне обладнання та інтелектуальне «складання» логіки.

На системному рівні цей підхід доповнює UnifiedBus (UB 2.0). Якщо LogicFolding пришвидшує роботу всередині одного чипа, то UnifiedBus перетворює цілі кластери SuperPoDs (наприклад, Atlas 950 з тисячами NPU) на єдину логічну машину з миттєвим доступом до спільної пам'яті. Це фронтальна атака на домінування NVIDIA в сегменті AI-інфраструктури. Huawei фактично каже: «Ви можете закрити нам доступ до найсучасніших літографічних машин, але ви не можете заборонити нам змінити саму геометрію обчислень».

Поки весь світ думає, де взяти гігавати електроенергії для живлення та охолодження АІ-датацентрів, а Маск планує запуск ЦОДів на орбити, Китай вирішив піти максимально нестандартним шляхом. Почав будувати дата-центри... просто під водою.

За даними Міжнародного енергетичного агентства, до 2030 року світове споживання електроенергії датацентрами зросте більш ніж удвічі. Головний рушій цього росту - саме штучний інтелект. Традиційні наземні ЦОД витрачають до 40% своєї електрики лише на те, щоб не розплавитися від перегріву.

У Шанхаї знайшли елегантне рішення. Неподалік узбережжя, у Спеціальній зоні Ліньган, запустили перший у світі комерційний підводний датацентр. Комплекс розташований на глибині близько 10 метрів під поверхнею води. На його 4 рівнях розгорнуто 192 серверні стійки.

Загальний обсяг запланованих інвестицій у проєкт - 1,6 мільярда юанів (близько 235 млн дол.).

Зараз пілотна фаза працює на 2,3 МВт, але фінальна мета - розігнати проєкт до 24 МВт.

Замість гігантських вентиляторів та дорогих систем охолодження, сервери охолоджуються звичайною морською водою. Температура в цій зоні тримається в районі 15 °C. Це колосальна економія енергії.

Дата-центр під'єднали напряму до сусідньої офшорної вітроелектростанції потужністю 200 МВт (це понад 50 вітряків). Завдяки спеціальним фотоелектричним комбінованим кабелям, понад 95% енергії сервери отримують з відновлюваних джерел.

Коли проєкт запрацює на повну потужність, він економитиме 61 млн кіловат-годин електрики щороку. Плюс - нуль витрат дорогоцінної суші під гігантські коробки будівель.

Побудувати таку складну споруду під водою в умовах сильних хвиль та велиеого замулення - справжній виклик для інженерів. Проте, розробивши нові технології точного підводного монтажу, всю конструкцію звели всього за шість місяців.

Оскільки шанхайський проєкт з об'єднання морського вітру та підводних обчислень визнали надзвичайно успішним, розробники вже планують масштабувати цю історію.

Нагадаю, що це не перший такий проєкт. У 2018-2020 рр. увагу експертів привернув Microsoft Project Natick, який показав високу ефективність підводного розміщення серверів. Крім того, амбітну мету 2,8 ГВт поставив перед собою проєкт Subsea Cloud, який також передбачає розгортання під водою дата-центру.

Видається, майбутнє хмарних обчислень та AI лежатиме на морському дні.

Індустрія напівпровідників ніколи не мала розкоші зупинитися для перепочинку, але сьогоднішні темпи розробки нових стандартів нагадують «гонитву Чорної Королеви» з Льюїса Керролла: доводиться бігти з усіх ніг лише для того, щоб залишатися на місці.

Поки серверний ринок тільки-но оговтався від переходу на DDR5, а аналітики TrendForce фіксують її остаточну домінацію на рівні 90%, «велика трійка» виробників пам’яті — Samsung, SK hynix та Micron — уже офіційно відкрила полювання на наступне покоління. Розробка стандарту DDR6 перейшла в активну фазу, і це не просто чергове планове оновлення специфікацій, а спроба пробити «стіну», в яку все частіше впираються сучасні обчислювальні системи.

За даними галузевих джерел, зокрема видання The Elec, технологічні гіганти вже перейшли від теоретичних розрахунків до практичного проєктування, залучивши постачальників підложок до процесу за два роки до очікуваної появи перших робочих зразків. Це нетиповий поспіх. Зазвичай виробники компонентів чекають на фінальне слово від асоціації JEDEC, але у випадку з DDR6 правила гри змінилися. Хто першим валідує структуру шарів та розводку на рівні прототипів, той і диктуватиме умови при формуванні остаточного стандарту. Це боротьба за «технологічне право», де на кону стоїть не лише престиж, а й відсоток виходу придатних чіпів та швидкість адаптації на ринку, що приносить мільярдні прибутки.

Головним каталізатором цього прискорення став нестримний бум штучного інтелекту. AI-сервери перетворилися на справжніх пожирачів пропускної здатності. Якщо для звичайних офісних завдань потужностей DDR5 із її піковими 8,4 Гбіт/с вистачає з головою, то для навчання великих мовних моделей це вже вузьке місце. DDR6 обіцяє щонайменше подвоїти швидкість передачі даних, замахнувшись на позначки, які раніше здавалися фантастичними для масової DRAM. Проте таке зростання продуктивності - це не лише питання маркетингових цифр, а насамперед запекла боротьба з фізикою. Зі збільшенням частот сигнальна цілісність стає критичною проблемою: електромагнітні перешкоди та шум можуть нівелювати всі переваги швидкої шини. Саме тому виробники підложок залучаються до процесу так рано - їм потрібно створити «фундамент», який витримає такі струми та частоти, залишаючись при цьому енергоефективним.

Сьогодні ми спостерігаємо цікавий парадокс: ринок серверної оперативної пам’яті майже повністю витіснив застарілу DDR4, але сама DDR5 уже виглядає як тимчасове рішення для перехідного періоду. Виробники поспішають зафіксувати свої напрацювання в специфікаціях JEDEC, щоб забезпечити собі стратегічну перевагу. Але попри весь цей ажіотаж, реальність залишається тверезою - масове виробництво та комерціалізація DDR6 навряд чи розпочнуться раніше 2028 року. Це довга гра, де кожна помилка у розводці контактів сьогодні може коштувати компанії лідерства через три роки.

У підсумку, ми маємо ситуацію, коли інфраструктура майбутнього проєктується під запити, які ми ще навіть не до кінця сформулювали. Для корпоративних замовників та операторів дата-центрів це сигнал: цикл життя «заліза» скорочується, а планування модернізації має враховувати не лише поточні потреби, а й той факт, що через чотири роки їхні сучасні сервери можуть стати «гальмами» для нових хвиль AI-алгоритмів.

Ще одне питання - чи встигне софтверна частина AI-індустрії адаптуватися до таких швидкостей заліза, чи ми знову побачимо ситуацію, коли потужності простоюватимуть в очікуванні оптимізованого коду?

Дослідники з Університету Аделаїди (Австралія) не претендують на лаври Супермена, але вони розробили щось дуже схоже на «рентгенівський зір» для електроніки. Їм вдалося знайти спосіб дистанційно спостерігати за електричною активністю транзисторів прямо всередині чіпа, що працює, не розбираючи його і не втручаючись у роботу.

Замість небезпечного рентгенівського випромінювання вчені використали терагерцові хвилі. Вони дозволяють засікти мікроскопічні зміни, що виникають під час руху електричного заряду в напівпровідниках.

Сьогодні перевірка чіпів — це або «скелет у шафі», або «хірургічне втручання». Рентген чудово показує структуру чіпа (де лежать доріжки), але він «сліпий» до того, як по них біжить струм. Електронне зондування вимагає прямого контакту, що часто неможливо без пошкодження корпусу. Терагерцовий метод - неінвазивний. Ви просто «світите» на чіп і бачите, як він «думає».

Система зібрана з компонентів, які можна купити в спеціалізованих магазинах, але магія ховається в налаштуваннях. Векторний аналізатор мереж (VNA) створює мікрохвильовий сигнал, який перетворюється на терагерцовий промінь. Він проходить крізь лінзу і концентрується на ділянці розміром близько 1 мм² (цього достатньо, щоб «накрити» групу транзисторів).

Коли транзистори перемикаються, вони змінюють властивості відбитої хвилі. Коли перехід стає більш провідним (більше носіїв заряду), сигнал повертається сильнішим.

При фільтрації шуму вступає в гру гомодинний квадратурний приймач. Це своєрідні «навушники з шумозаглушенням» для даних. Він порівнює відбиту хвилю з оригіналом, відсікає спільний шум і залишає лише ті крихітні зміни, які спричинила активність чіпа.

Поки що метод знаходиться на ранній стадії.

Терагерци легко проходять крізь пластик і кераміку корпусів, але «пасують» перед металом.

Сучасні чіпи - це «листковий пиріг» із багатьох рівнів металевих з’єднань. Якщо потрібний транзистор похований під 10 шарами металу, промінь до нього просто не проб'ється.

«Я не знаю жодної іншої технології інспектування, яка могла б це робити. Це захоплює», - коментує Даніель Міттлман (Daniel Mittleman) із Браунівського університету.

Зараз вчені тестують систему на окремих діодах і транзисторах, але плани амбітні. Ця технологія ідеальна для високовольтної електроніки, яку не можна просто так вимкнути для перевірки.

Разом із німецькими колегами дослідники хочуть використати цей метод для... читання зашифрованих даних прямо з чіпа. Якщо ви бачите активність транзисторів, ви бачите код.

Ми всі звикли до того, що AI розвивається зі швидкістю світла. Але виявляється, що навіть найамбітніші плани розбиваються об сувору реальність - брак розеток та елементарних трансформаторів. Нові дані показують, що американський AI-бум серйозно "пригальмував".

Згідно з прогнозами аналітиків Sightline Climate, від 30% до 50% усіх дата-центрів, запланованих до запуску в США у 2026 році, будуть або відкладені, або скасовані.

Цікаво, що з запланованої потужності 16 ГВт, реально будується лише 5 ГВт. А ще 16 ГВт існують лише у форматі анонсів без реального прогресу. Якщо взяти до уваги, що час будівництва зазвичай займає 12-18 місяців, тож якщо об'єкт не почали будувати сьогодні, у 2026-му він не запрацює.

Чому ж так сталося? Проблема не в софті чи відсутності грошей, а у фізичних обмеженнях.

Енергомережі США просто не розраховані на такі апетити. Мешканці районів, де планують будувати дата-центри, починають бити на сполох, тому що через AI-гігантів ростуть рахунки за електрику для звичайних людей. Дослідження Pew Research підтверджує, що американці сподіваються на нові робочі місця, але дуже бояться екологічної катастрофи.

AI "з'їдає" всі потужності з виробництва пам'яті, накопичувачів та процесорів, через що ціни на ПК та ігрові консолі летять угору. Але Bloomberg нагадує про ще більшу біду: у США критично бракує акумуляторів та трансформаторів.

Попри всі спроби адміністрації Трампа повернути виробництво в США через високі мита на китайські товари, внутрішніх потужностей катастрофічно не вистачає. Як результат - американські AI-компанії продовжують потайки сподіватися на китайські компоненти, щоб хоч якось закрити дірки в постачаннях.

AI-перегони тривають, але тепер це не тільки змагання алгоритмів, а й битва за кожну гігават-годину та кожну котушку мідного дроту. Поки що інфраструктура явно програє коду.

Якщо ви думали, що штучний інтелект лише допомагає писати листи чи генерувати картинки, є новина - він щойно «переламав через коліно» довгострокові фінансові прогнози для ринку зберігання даних.

Джейсон Адер (Jason Ader), аналітик з William Blair, опублікував звіт, який змусив інвесторів понервувати. Виявляється, старі метрики оцінки компаній більше не працюють. AI настільки швидко змінює правила гри, що будувати плани на 5-10 років - це як гадати на кавовій гущі. Тепер фокус змістився на те, чи зможе компанія вижити та вирости у найближчі 12 місяців.

Замість того щоб дивитися на старі звіти, аналітики запровадили 4 критичні критерії:

- Здатність до реалізації (Execution) - те наскільки чітко менеджмент виконує обіцянки.

- AI-стійкість (AI Defensibility) - чи не з’їсть ваш бізнес якийсь новий алгоритм завтра.

- Модель ціноутворення, де перевага надається моделі «плати за спожите» (consumption-based), а не за кількість робочих місць (seat-based).

- Органічне прискорення - це наскільки ймовірно, що доходи зростуть самі по собі завдяки ринковим трендам.

Адер переглянув рейтинги 12 основних постачальників ПЗ для зберігання даних. Ось як виглядає цей «хіт-парад» (кожна компанія отримала оцінку від 1 до 5 за кожним пунктом):

Фаворити (Outperform)

Everpure. Справжній лідер. Найвищий бал за реалізацію, солідний «захисний рів» проти конкурентів та модель ціноутворення, яка заточена під AI-інфраструктуру.

Rubrik. Найкраща у своєму класі реалізація. AI тут сприймається як потужний попутний вітер для бізнесу.

Snowflake. Потужна екосистема, модель оплати за споживання та ефект «гравітації даних» (чим більше даних у хмарі, тим важче звідти піти).

Середнячки (Market Perform)

MongoDB. Стабільна робота та орієнтація на розробників тримають компанію на плаву.

NetApp. Хороша модель оплати за місткість, але «кульгає» здатність швидко захоплювати частку ринку порівняно з молодими агресивними гравцями (як Everpure).

Box. Має непогані шанси завдяки інтеграції AI в робочі процеси з контентом.

Commvault. Менеджмент зробив крутий поворот за останні 5 років, але останні квартали не виправдали очікувань інвесторів.

Nutanix. Продукт хороший, але швидкого зростання в найближчій перспективі не передбачається.

Varonis. AI для них - релевантна тема, але перехід на SaaS-модель та жорстка конкуренція створюють перешкоди.

В зоні ризику (Underperform)

Dropbox. Низькі бали через структурні проблеми зі зростанням та вічні «факапи» в реалізації стратегії.

Backblaze. Головна проблема - відсутність прибутку при поточних масштабах. Як «чистий» гравець у хмарному сховищі, компанія ризикує стати неважливою на тлі мультипродуктових гігантів.

N-able. Застаріла модель оплати «за місце» та сумнівні перспективи прискорення доходів.

Важливо розуміти, що цей звіт стосується лише публічних компаній. Тут немає стартапів на кшталт VAST Data чи Veeam, які часто є ще агресивнішими.

Але висновок очевидний. AI - це великий фільтр, й ті компанії, які роками сиділи на стабільному доході від підписок «за голови», зараз опинилися під загрозою. Ринок хоче гнучкості та AI-нативності.