В привычной схеме языковая модель — это массив чисел. Квантизованная модель на 8–12 млрд параметров занимает несколько гигабайт. При генерации каждого токена ускоритель (GPU/NPU) многократно читает веса из памяти, выполняет матричные операции, сохраняет промежуточные результаты — и повторяет цикл для следующего токена.
Упрощённо:
SSD → RAM/VRAM → GPU/NPU → следующий токен
Веса здесь — это данные. Они описывают, как должна работать сеть, но сами по себе не выполняют вычислений. Чип — универсальный исполнитель: он умеет выполнять самые разные модели, потому что читает их веса из памяти и следует инструкциям. Как станок, который по чертежу может изготовить любую деталь.
В «модели в кремнии» всё иначе. Конкретная модель превращается в физическую специализированную схему — ASIC (application-specific integrated circuit), в котором веса и структура вычислений отражены прямо в организации кристалла. Условно: обычный GPU каждый раз читает чертёж станка и следует ему; hardwired-чип превращает чертёж в сам станок.
Математически трансформер остаётся трансформером:
контекст → вероятности следующего токена → выбор следующего токена
Но аппаратный путь к этому результату другой. Веса больше не гоняются по шинам памяти — они стали частью физической реализации вычисления.
Самая короткая формула:
В обычной LLM веса описывают мозг.
В модели-в-кремнии веса становятся частью тела мозга.
В феврале 2026 года компания Taalas (Канада, основана в 2023-м выходцами из Tenstorrent и AMD) анонсировала HC1 — технологический демонстратор, в котором Llama 3.1 8B «запечена» в кремний. Проверенные цифры из независимой прессы (heise online):
| Параметр | Значение |
|---|---|
| Модель | Meta Llama 3.1 8B |
| Тип | Специализированный ASIC, hardwired |
| Техпроцесс | TSMC N6 (6 нм) |
| Транзисторы | ~53 млрд |
| Площадь кристалла | 815 мм² |
| Заявленная скорость | ~17 000 токенов/с на пользователя |
| Скорость в тесте | ~16 000 токенов/с (чат-бот Jimmy) |
| Формат весов | Проприетарный 3-битный (параметры 6-бит) |
| Доработка | LoRA fine-tuning, конфигурируемый контекст |
| Стоимость разработки | ~30 млн $ (команда 24 человека) |
| Капитал компании | >200 млн $ |
Для сравнения, по данным Nvidia и Artificial Analysis: Nvidia H200 на той же Llama 3.1 8B — около 230 токенов/с, Cerebras — ~1936, SambaNova — 916, Groq — 609. То есть HC1 заявляет примерно в 9 раз быстрее Cerebras, в 18 раз быстрее SambaNova, в 28 раз быстрее Groq и в десятки раз быстрее универсального датацентрового GPU.
6 августа 2026 года AMD объявила о заключении окончательного соглашения о приобретении Taalas (сумма не раскрыта; стартап привлёк ~219 млн $ венчурного финансирования с момента основания). AMD планирует интегрировать технологию Taalas в свой ускорительный роадмап и строить системные решения совместно с GPU Instinct, процессорами EPYC и стоечными платформами Helios в рамках дезагрегированной архитектуры: GPU берут на себя вычислительно нагруженную обработку запросов (prefill), ускорители Taalas — генерацию токенов. Генеральный директор AMD Лиза Су в июле говорила: «универсального решения для всех чипов не существует», и GPU останутся основной частью рынка ИИ-чипов, потому что они достаточно гибки для новых моделей. Приобретение также продолжает серию сделок AMD по развитию ИИ-платформы: в 2024 году — ZT Systems за 4,9 млрд $ и Silo AI за 665 млн $, в 2025-м — MK1 и другие. Ожидается, что сделка закроется в четвёртом квартале 2026 года при условии регуляторного одобрения. В материалах о сделке AMD приводит ключевые цифры HC1: 16 960 токенов/с — примерно в 48 раз быстрее ускорителя Nvidia B200 (353 токенов/с) и примерно в 10 раз быстрее Cerebras WSE-3 (на момент анонса HC1).
Такой выигрыш не означает, что GPU «в 48 раз хуже». GPU платит за универсальность: он должен работать с разными моделями, форматами весов, задачами, batch-размерами, длинами контекста и режимами вычислений. Это требует программируемых вычислительных блоков, широкой подсистемы памяти, дорогой высокоскоростной памяти (HBM), контроллеров, кешей, межсоединений — и инфраструктуры для обучения и inference самых разных моделей.
Model-on-silicon жертвует почти всей универсальностью ради одного заранее известного графа. Если известны веса, квантизация, архитектура и маршруты данных — можно убрать значительную часть универсальной инфраструктуры и резко сократить перемещения данных. Именно поэтому 17 000 токенов/с выглядит правдоподобно: это не «магия ускорения LLM», а перенос модели из области хранимых данных в область физической архитектуры чипа.
Taalas сознательно убирает сложность: никакого HBM, никакого 3D-упаковки, никакого жидкостного охлаждения. Память и вычисления объединены на одном кристалле с DRAM-подобной плотностью. Это радикальное упрощение всего аппаратного стека.
Цена подхода — гибкость. HC1 умеет выполнять только Llama 3.1 8B, и только её. Нельзя завтра заменить модель на другую без замены кристалла.
Практические ограничения:
Taalas сама признаёт ограничения и называет HC1 демонстратором. Дорожная карта: средняя reasoning-модель на той же платформе — весной, вторая генерация HC2 со стандартным 4-битным форматом и выше плотностью — зимой (HC2 нацелен на модели до ~20 млрд параметров). При этом компания заявляет, что при смене модели нужно модифицировать лишь два металлических слоя из более чем сотни, а полный цикл от получения новой модели до аппаратной реализации занимает примерно два месяца. Это существенно смягчает главное ограничение — «устаревание»: переход на новую версию модели становится вопросом месяцев и двух слоёв металла, а не полного перепроектирования кристалла. Впрочем, независимые бенчмарки и реальные данные о цене, yield и времени переналадки пока не опубликованы, поэтому заявления Taalas о быстром ретулинге ещё предстоит проверить на практике.
Ценность «модели в кремнии» — не в рекорде токенов в секунду как таковом, а в возможности мгновенного ответа в реальном времени. Компактная модель, отвечающая практически без задержки, перестаёт быть чат-ботом, который ждёт запроса пользователя. Она становится компонентом системы реального времени: автомобиля, робота, камеры, голосового устройства, производственного оборудования, автономного агента.
Ответ длиной ~100 токенов при скорости в десятки тысяч токенов/с появляется почти мгновенно. В реальном устройстве итоговая задержка всё равно зависит от обработки сенсоров, контекста, KV-кэша, сети между компонентами и исполнительных механизмов — но генерация решения перестаёт быть узким местом.
Для автопилота, робота или голосового ассистента важны не только скорость, но и:
Возникает вопрос: не дешевле ли делать модели в кремнии, чем графические процессоры? В массовом выпуске конкретной стабильной модели — потенциально да. Ключевой показатель — не цена одного чипа первого поколения, а цена одного ответа, миллиона токенов, единицы энергии и конечного устройства.
GPU дорог именно потому, что универсален. Он нужен, чтобы обучать новые модели, тестировать архитектуры, делать fine-tuning, обслуживать десятки и сотни моделей, экспериментировать с квантованием и работать с разнообразными контекстами. Когда модели быстро меняются — универсальность незаменима.
Но возможна индустриальная развилка:
| Слой | Функция |
|---|---|
| GPU/TPU-кластеры | Обучают, тестируют, дообучают и проверяют модели |
| Инженерные пайплайны | Превращают стабильную модель в специализированную аппаратную реализацию |
| Фабрики полупроводников | Тиражируют физические экземпляры конкретной модели |
| Устройства | Используют готовую локальную «способность» с малой задержкой |
Фраза, к которой мы пришли:
GPU будут рождать и проверять модели.
Фабрики будут печатать их как материальные способности.
Миллиарды устройств будут жить на этих отпечатках интеллекта.
Это не исчезновение GPU. Это более глубокое разделение: универсальные вычислительные системы производят новые формы интеллекта, а массовые устройства получают уже упакованные, специализированные формы этой способности.
Приобретение Taalas компанией AMD — первое подтверждение этой развилки от крупного производителя GPU. AMD не отказывается от универсальных ускорителей, а дополняет их специализированными чипами для генерации токенов и продаёт их вместе — GPU Instinct для обработки запросов, ускорители Taalas для генерации токенов, в общей стоечной системе Helios. Это фактически признание, что для инференса универсальность GPU — не всегда оптимальное решение, и что индустрия движется к гибридным системам, где роль чипа определяется типом нагрузки.
Историческая линия, которую мы проследили:
Это не просто миниатюризация носителей и не очередной ускоритель. Это длинная траектория:
плотность хранения → плотность вычислений → плотность обученной способности действовать
В 1950-х материальный объект огромного размера хранил и обрабатывал небольшое число данных. Затем человечество получило карманные диски, флеш-память, смартфоны и дешёвое хранение библиотек, фото, фильмов и архивов.
Следующий шаг: маленький материальный объект хранит не просто документы или код, а уже обученную способность различать, понимать контекст, отвечать, выбирать действие и помогать в конкретной среде.
Мы называем это не «плотностью памяти», а плотностью интеллекта в материи.
Технологические сдвиги часто сначала кажутся частным инженерным улучшением — новый тип памяти, новый техпроцесс, новый ускоритель. Но потом становятся незаметной инфраструктурой мира: как камера, GPS, микроконтроллер, SSD, мобильная связь или электричество.
Внешне материя почти та же: кремний, транзисторы, проводники, упаковка. Но меняется её организация и функциональная роль.
| Тип объекта | Что заключено внутри | Главная функция |
|---|---|---|
| SSD | Последовательности битов | Хранить данные |
| CPU/GPU + RAM | Универсальная логика и загружаемые программы | Исполнять разные вычисления |
| Hardwired AI-чип | Физически специализированная реализация конкретной модели | Быстро воспринимать, интерпретировать и выдавать решение |
Раньше предмет хранил описание способности.
Теперь предмет может нести саму реализованную способность.
Это не значит, что чип буквально обладает сознанием. Но функционально предмет получает встроенный уровень восприятия, классификации, памяти, прогнозирования и реакции — раньше такие качества почти целиком принадлежали живым существам или удалённым дата-центрам.
Публичные проекты вроде Taalas HC1 важны не потому, что уже создали «мыслящий кристалл». Их значение в другом: конкретная обученная модель начинает переходить из статуса файла весов в статус физически специализированного устройства. Здесь появляется ключевой философский сдвиг: материя перестаёт быть только складом данных или универсальной вычислительной машиной. Её внутренняя организация начинает нести готовую обученную способность — распознавать, предсказывать, генерировать, выбирать действие в заданной области.
материя хранит данные → материя исполняет программы → материя воплощает обученную способность
Это пока не доказывает наличие сознания. Но это уже ранняя инженерная форма идеи, что способность может быть не только запущена на машине, но и материально воплощена в структуре устройства.
Именно здесь возникает естественная параллель с Айзеком Азимовым. Его позитронный мозг — фантастический искусственный мозг, встроенный в робота (en.wikipedia.org/wiki/Positronic_brain): не внешний сервер и не программа, которую пользователь вручную запускает, а физический орган машины, определяющий её поведение.
Taalas-подобный чип не является позитронным мозгом в строгом смысле. Он не имеет собственной непрерывной биографии, сенсорного тела, личной памяти, самостоятельных целей или доказанного субъективного опыта. Но он занимает раннюю ступень той же концептуальной лестницы: специализированная структура материи исполняет конкретную часть интеллектуальной работы почти как врождённая способность.
| Стадия | Что находится в материи | Что умеет |
|---|---|---|
| SSD / флешка | Биты и файлы | Хранить информацию |
| CPU/GPU + RAM | Универсальная логика | Исполнять разные программы |
| Model-on-silicon | Физически специализированная реализация конкретной модели | Быстро выполнять обученную когнитивную функцию |
| Позитронный мозг Азимова | Компактный искусственный разум с памятью и встроенными ограничениями поведения | Быть интеллектуальным органом робота |
В азимовской вселенной Три закона робототехники не просто прописаны в инструкции к роботу: они фундаментально определяют устройство позитронного мозга. В реальном будущем аналогом могли бы стать аппаратные и программные ограничения автономного агента: запрет на опасные действия, требование подтверждения, контроль доступа к данным, проверяемая память и режим безопасного отката адаптаций.
Азимов — самый прямой пример, потому что его интеллект сразу представлен как искусственный мозг внутри серийного робота. Но несколько других авторов развивали соседние идеи.
| Автор | Произведение | Связь с темой |
|---|---|---|
| Айзек Азимов | Цикл о роботах, «Я, робот» | Серийный искусственный мозг и встроенные правила поведения |
| Артур Кларк | «2001: Космическая одиссея» | HAL 9000 как интеллект, физически встроенный в инфраструктуру корабля |
| Станислав Лем | «Непобедимый» | Сложное поведение как свойство искусственно организованной материи и микро-машин |
| Филип К. Дик | «Мечтают ли андроиды об электроовцах?» | Граница между убедительным поведением, личностью и сознанием |
| Иэн М. Бэнкс | Цикл «Культура» | Корабельные ИИ как полноценные центры управления, памяти и воли |
| Дэн Симмонс | «Гиперион» | Распределённые ИИ и техносистема как самостоятельная среда разума |
У Азимова главным фантастическим прыжком была не просто вычислительная мощность, а возможность производить интеллект как инженерное изделие (en.wikipedia.org/wiki/I,_Robot). Taalas и подобные разработки могут быть ранними предвестниками именно такого производства: сначала фиксированная языковая способность, затем сочетание языка, зрения, памяти, действий и локальной адаптации.
Чтобы модель-в-кремнии приблизилась не к «быстрому генератору текста», а к фантастическому искусственному мозгу, ей понадобятся ещё несколько слоёв.
Тогда получится не «сознание, автоматически возникшее из чипа», а автономный адаптивный агент с врождённой структурой, индивидуальным опытом и ограниченной пластичностью. Вопрос о сознании останется отдельным и нерешённым: функциональная сложность, память и адаптация сами по себе его не доказывают.
Один из самых сильных вариантов — гибридная архитектура: в жёсткую, запаянную в кремний модель добавить даже 10% возможности тонкой достройки (fine-tuning) прямо на ходу, чтобы ядро осталось, а часть модели могла переключаться. Получим обучаемый мозг — точнее, обучаемую мини-флешку, маленький искусственный интеллект с «сознанием муравья или даже гусеницы».
Схема такой архитектуры:
неизменное аппаратное ядро + изолированный обучаемый слой + локальная память опыта
Такой агент — не универсальный компьютер с безгранично переписываемой моделью. Он ближе к организму с врождённой структурой и ограниченной пластичностью: быстро действует на основе неизменного ядра, но локально адаптируется к среде.
Здесь важно развести два вопроса:
Но в практическом смысле такой маленький агент может стать похожим на животное не тем, что он обязательно «чувствует», а тем, что непрерывно существует в среде: воспринимает сигналы, имеет историю, различает знакомое и новое, учится в ограниченных рамках и меняет поведение.
Главные опасности:
Показательно, что сам Taalas предусматривает доработку модели в чипе через LoRA-адаптер и заявляет о возможности переналадки кристалла сменой всего двух металлических слоёв: даже в самом «жёстком» варианте модель-в-кремнии индустрия сразу ищет ограниченную пластичность, а не абсолютную неизменность.
Поэтому наиболее реалистичная версия — не полная перепрошивка модели «на лету», а ограниченная и проверяемая пластичность поверх неизменного кремниевого ядра. Это ровно та логика, что мы описали в статье 12 о циклической реювенации (aura.kim/research-12.html): у пластичной части есть время жизни, и она должна сбрасываться до безопасного checkpoint.
Вероятно, во всех устройствах появятся разного размера модели в кремнии. Не в смысле, что в каждом предмете будет мини-чат-бот, а в смысле разных уровней встроенного понимания.
| Класс устройства | Вероятный тип встроенной модели | Функция |
|---|---|---|
| Датчик, камера, наушники | Небольшая сенсорная модель | Распознавать события, жесты, речь, аномалии |
| Домашняя техника | Компактный управляющий агент | Понимать режимы использования, предупреждать, оптимизировать |
| Автомобиль и робот | Несколько специализированных моделей | Восприятие, планирование, безопасность, диалог |
| Телефон и ноутбук | Персональные AI-модули | Документы, память, действия в приложениях, локальный ассистент |
| Профессиональное устройство | Доменная модель | Медицина, юриспруденция, инженерия, CRM, производство |
Аналогия с микроконтроллером: сегодня он почти в каждом устройстве, но пользователь часто не знает о его наличии. Через 5–10 лет локальные модели могут стать таким же невидимым слоем.
Камере не нужна 70B-LLM для всего мира. Ей может быть нужен маленький и быстрый «мозг зрения». Термостату не нужна общая языковая модель, но может понадобиться узкая адаптивная система, которая понимает режим жилья, присутствие людей, температуру, риски и предпочтения владельца.
Ближайшие 1–2 года — от эффектного технического доказательства к специализированным системам, но не к мгновенной замене GPU и не к появлению такой модели внутри каждого ноутбука.
Наиболее реалистичны:
Ключевая проверка технологии — не отдельный рекорд скорости, а возможность повторяемо и быстро превращать новые стабильные модели в чипы, контролируя стоимость, yield, тепло, надёжность, обновления, supply chain и безопасность.
Настоящее испытание — скорость производственного цикла:
стабильная модель → аппаратная компиляция → производство → массовое устройство
Если этот цикл станет достаточно быстрым и недорогим, возникнет рынок не «одного универсального AI-чипа», а набора моделей-изделий: голосовой мозг, мозг камеры, мозг робота, агент поддержки, автомобильный помощник, локальный аналитический модуль.
Первые признаки такого рынка уже видны: в декабре 2025-го Nvidia купила активы Groq примерно за 20 млрд $ и использует её технологию в чипе декодирования Groq 3, представленном на GTC в марте 2026-го; в августе 2026-го AMD объявила о покупке Taalas. Два крупнейших производителя GPU, конкурируя, пришли к одной идее: для инференса выгодно сочетать универсальные ускорители со специализированными чипами, в которых модель или её часть зашита в кремний. Это сильный сигнал, что «модель в кремнии» перестаёт быть нишевым экспериментом и становится частью мейнстримной серверной стратегии.
Не делая ставку на простую формулу «модель станет в сто тысяч раз больше», можно предположить другой путь: интеллект будет становиться локальнее, дешевле, более специализированным, мультимодальным, модульным и связанным с физической средой.
На горизонте ~10 лет:
На горизонте нескольких десятилетий — среда, где люди живут не среди пассивных объектов, а среди вещей, которые в ограниченной и специализированной форме умеют видеть контекст, помнить прошлое, предупреждать, объяснять и взаимодействовать.
Радикальность перемены будет зависеть не только от плотности транзисторов и цены чипов, но и от прав собственности на модель, контроля пользователя, права на ремонт и замену модулей, прозрачности поведения, приватности и ограничений автономных действий.
Ключевой вопрос будущего:
Кто владеет заключённой в предметах способностью: человек, сообщество или корпорация?
Если модель принадлежит пользователю, переносима, контролируема, работает локально и не вынуждает всё отправлять в облако — она может стать личным протезом памяти, внимания и действия.
Если же модель закрыта, централизованно управляется, непрозрачно обновляется и получает доступ к повседневной жизни — она может превратить «умную среду» в инфраструктуру зависимости и наблюдения.
Исходная интуиция — не про конкретный Taalas HC1, не про 8B против 12B и не про скорость в токенах в секунду. Она о появлении нового класса материальных объектов.
Покупка Taalas компанией AMD, объявленная за четыре дня до публикации этой статьи, — внешнее подтверждение того, что модель-в-кремнии перестала быть только теоретической конструкцией: крупнейшие производители GPU начали встраивать её в свои серверные стратегии. Сама статья писалась как обзор феномена; теперь у феномена есть рыночное подтверждение.
Флешка хранит информацию.
Микропроцессор исполняет программы.
Модель в кремнии может нести специализированную, заранее обученную способность воспринимать, рассуждать и действовать.
Если такие системы станут дешёвыми, сменными и массовыми — интеллект перестанет быть только сервисом, который вызывают через интернет. Он станет свойством вещей: как память, связь, камера, GPS, двигатель или датчик.
Основная технологическая линия:
данные в материи → вычисления в материи → обученная способность в материи
Это и есть будущие «дешёвые флешки с моделями»: не носители файлов, а миниатюрные физические экземпляры полезной интеллектуальной функции. И если к этому добавить ограниченную пластичность — маленькие обучаемые мозги, которые живут в среде, помнят, учатся в рамках и меняют поведение, — мы получим не просто новый тип чипов, а новый слой существования: материю, которая несёт в себе способность понимать и действовать.
В далёком будущем корабль везёт не склад запасных приборов, а каталог интеллектуальных чертежей и «литографический принтер организованной материи». Он берёт материал, формирует кристалл, создаёт нужную структуру — и выпускает не просто корпус устройства, а локального специалиста: навигатора, геолога, переводчика сигналов или техника по ремонту реактора. Это, конечно, фантастическое преувеличение идеи, что обученная способность может стать производимым свойством материи.
— Капитан, навигационный интеллект вышел из строя.
— Напечатайте новый из астероидного композита.
— Какую версию?
— Ту, которая не спорит с автопилотом.
— Запрос отклонён: для печати дипломатического интеллекта недостаточно редкоземельных металлов и терпения экипажа.
Репозиторий: github.com/alexenti-code/AURA-Retrieval ·
Сайт: aura.kim/research-16.html ·
Лицензия: Apache 2.0 · Дата публикации: 10 августа 2026 · Обновлено: 12 августа 2026 ·
Ключевые термины: модель в кремнии, model-on-silicon, Taalas HC1, AMD, ASIC, плотность интеллекта, позитронный мозг, ИИ-чипы