Физиката на невронните мрежи и геополитическият импакт
Когато погледнете под капака на съвременната индустрия за изкуствен интелект, извън PR блясъка на силициевите корпорации, се вижда една доста брутална термодинамична реалност. Класическите трансформърни модели — от рожбата на OpenAI до сериите Llama на Meta — функционират на принципа на бруталната сила. Механизмът за „внимание“ (self-attention), който лежи в основата на трансформърите, изисква всяка дума или токен от подадения текст да бъде съпоставен с абсолютно всеки друг токен в последователността. При кратка заявка от десетина думи това не е проблем. Но когато обработвате цяла научна монография, правен документ от хиляда страници или непрекъснат поток от сензорни данни, изчислителната сложност нараства квадратна спрямо дължината на контекста. Този процес изгаря мегавати електроенергия, превръщайки дата центровете в топлинни електроцентрали, които се нуждаят от цели речни басейни за охлаждане.
Това е причината за пълния монопол на Nvidia. Тяхната архитектура CUDA и хардуерът от сериите H100 и Blackwell са проектирани именно за паралелно, високоинтензивно смилане на матрични умножения. Когато първата администрация на Доналд Тръмп задейства търговските ограничения, а последващите мерки от Вашингтон допълнително блокираха износа на най-мощните графични процесори към Пекин, китайската изчислителна инфраструктура се сблъска с физически таван. В архивните анализи на западните разузнавателни служби отпреди години се залагаше на тезата, че без достъп до калифорнийските графични ускорители и тайванските леярни TSMC, китайската AI програма бързо ще изпадне в технологична кома.
Но инженерната логика на КАН (Китайската академия на науките) тръгва по друг път. Вместо да копират западната архитектура, като правят по-бавни и по-горещи аналози, те залагат на импулсните невронни мрежи (Spiking Neural Networks — SNN). В биологичния мозък невроните не прекарват целия си живот в непрекъснато математическо пресмятане на интеграли. Те мълчат. Невронът се задейства (изпраща електрически спайк) само когато сумарният сигнал от съседните синапси премине определен прагов потенциал. Повечето време 95% от мозъчната ви тъкан не консумира пикова енергия за активни изчисления.
Според разпространените от изследователите данни, SpikingBrain1.0 внедрява селективно, локализирано внимание. Вместо да анализира едновременно целия масив от данни в текста, моделът сканира близкия контекст и активира само онези математически възли, които са пряко свързани с текущия логически стъпка. Докладите твърдят за ускорение от 25 до 100 пъти при определени типажи задачи спрямо традиционните трансформърни модели. И тук идва най-неудобният детайл за западната микроелектроника: моделът е разгърнат и обучен върху хардуерната платформа на MetaX — китайски производител на чипове, създаден изцяло с цел да подмени Nvidia на местния пазар.
Разбира се, в тази история има немалко пробойни в теорията и здравословен скептицизъм е повече от задължителен. Твърдението, че моделът постига производителност, сравнима с водещите системи с отворен код, използвайки по-малко от 2% от данните за предварително обучение, звучи почти фантастично на хартия. В научната общност е добре известно, че импулсните невронни мрежи са изключително трудни за диференциране и обучение чрез класическия метод на обратно разпространение на грешката (backpropagation). Балансирането между тоналната точност на езиковия модел и спайковата динамика на невроните винаги е било кошмар за математиците.
Не бива да се забравя и фактът, че докато липсват независими, външни бенчмаркове от западни лаборатории, данните на КАН трябва да се възприемат с определена условност. Въпреки това, инженерният ход е очевиден. Китай не просто изгражда алтернативна софтуерна екосистема; той се опитва да промени самите правила на играта. Ако трансформърните модели са парните двигатели на 21 век — гълтащи тонове въглища за малко допълнителна конска сила — то невроморфните алгоритми са опит да се премине директно към двигатели с вътрешно горене.
В по-широк исторически контекст този ход напомня за съветската школа в компютърните науки от 60-те години на миналия век, когато при липса на силициев капацитет, инженерите в Москва разчитаха на тризначна логика и архитектурни трикове, за да компенсират изоставането си в хардуера. Разликата днес е, че Китай разполага с невъобразим финансов ресурс, гигантски вътрешен пазар и държавна директива, която третира зависимостта от Nvidia като пряка заплаха за националната сигурност. Дали SpikingBrain1.0 ще се превърне в новия глобален стандарт или ще остане експериментален екзотичен проект в архивното гробище на неуспешните иновации, зависи изцяло от това доколко китайската платформа MetaX ще съумее да произведе тези чипове в масови серии без западно оборудване.
Разработката е ясен сигнал, че технологичното разцепление на света е вече окончателен факт. Единният глобален интернет и универсалните хардуерни стандарти бавно се разпадат на изолирани технологични блокове, където всяка суперсила развива собствена математическа и физическа инфраструктура.
