Создатели AlphaChip обещают проектировать чипы Nvidia для ИИ за неделю вместо двух лет

Ricursive Intelligence, стартап основательниц AlphaChip (системы ИИ для проектирования микросхем, разработанной ранее в Google DeepMind), вышел из тени на конференции TechCrunch Disrupt 4 июня 2025 года с конкретным тезисом: спрос на вычисления вырастет минимум в 10 000 раз за пять лет, и строить столько дата-центров физически невозможно, а значит, чипы Nvidia для ИИ и любые другие процессоры должны становиться радикально эффективнее, и проектировать их тоже должен ИИ.

Анна Голди и Азалия Мирхосейни, сооснователи Ricursive Intelligence, ранее создали AlphaChip, ИИ-систему, которая проектировала компоновку микросхем и находила нестандартные решения, например кольцевую «бубликообразную» раскладку компонентов, удивившую инженеров, но показавшую высокую производительность. Теперь они строят компанию вокруг того же принципа: ИИ проектирует чип, учится на каждой итерации (отсюда слово «рекурсивный» в названии) и улучшает следующий дизайн.

Что умеет Ricursive Intelligence?

• Проектирует чип целиком, а не по частям. Традиционный подход делит микросхему на десятки мелких блоков и оптимизирует каждый отдельно. Ricursive оптимизирует всю архитектуру сразу, что позволяет ИИ находить сложные волнообразные и кольцевые компоновки, недоступные при ручном разбиении.
• Учится на каждой итерации. Каждый спроектированный чип становится обучающим материалом для следующего. По словам основательниц, это и есть «рекурсивный интеллект»: система не начинает с нуля, а накапливает опыт.
• Сжимает цикл проектирования. Голди заявила на сцене, что цель компании: сократить проектирование с шести месяцев или даже двух лет до одной недели. Если цикл короткий, становится финансово оправданным делать специализированные чипы для узких задач: дополненной реальности, космоса, биологических вычислений.
• Находит нестандартные решения. Предшественник технологии, AlphaChip, уже продемонстрировал это: его «бубликообразная» раскладка компонентов сначала удивила инженеров, а затем показала превосходство над классическими схемами.

Зачем это нужно, если чипы Nvidia для ИИ и так развиваются?

Голди привела на конференции простую арифметику: спрос на вычисления для ИИ вырастет минимум в 10 000 раз за пять лет, и это, по её словам, «довольно консервативная оценка». Строить в десять тысяч раз больше дата-центров нереально.

«Даже если мы построим дата-центры в космосе или ещё где-то, мы больше не увидим солнца.» : Анна Голди, сооснователь Ricursive Intelligence

Идея в том, что нужны не только новые чипы Nvidia для ИИ или чипы любого другого производителя, а принципиально более эффективные архитектуры, спроектированные быстрее, чем это возможно вручную.

Примечательно, что основательницы не противопоставляют ИИ инженерам. Голди описала модель так: «Люди приносят идеи и творческое мышление, а исполнение берёт на себя ИИ. Это уже происходит в проектировании чипов, разработке ПО и других областях.»

Как попробовать?

1. Изучить контекст. Ricursive Intelligence пока не объявила публичного продукта или API, компания на стадии презентации технологии. Следить за новостями можно на сайте компании и в материалах TechCrunch Disrupt.
2. Посмотреть, как работал AlphaChip. Предшественник технологии, AlphaChip, описан в открытых публикациях Google DeepMind. Это даёт представление о подходе: ИИ размещает компоненты на кристалле и оценивает результат, обучаясь на каждом цикле.
3. Оценить влияние на свои задачи. Если вы работаете с генерацией контента или обучаете модели, ключевой вопрос не в самом чипе, а в том, подешевеет ли инференс (инференс, это процесс, когда обученная нейросеть обрабатывает ваш запрос и выдаёт ответ). Более эффективные чипы в перспективе означают более дешёвые запросы к ИИ.

Есть ли что-то похожее в России?

Прямого аналога Ricursive Intelligence в российском ИИ-ландшафте нет: это не языковая модель, а инструмент проектирования микроэлектроники. Однако контекст для нашей аудитории такой:

• YandexGPT и GigaChat решают другую задачу: генерация текста, а не проектирование чипов. Но они работают на серверах, и стоимость их работы напрямую зависит от эффективности процессоров. Если технологии вроде Ricursive снизят стоимость чипов для инференса, это в перспективе может удешевить и российские ИИ-сервисы.
• Российские разработки чипов (Baikal, Elbrus) пока не заявляли об использовании ИИ для проектирования, хотя тема обсуждается в профильных кругах. О технической основе этих проектов в данном контексте источник не сообщает.

Что делать с этим прямо сейчас, по ролям?

Авторам Дзена и копирайтерам. Новость не про инструмент, который можно открыть сегодня. Но она объясняет, почему через два-три года нейросети могут стать дешевле и доступнее: если проектирование чипов ускорится, упадёт стоимость «железа», а за ней и цена за запрос к любой ИИ-модели.

Маркетологам. Следите за стоимостью инференса у провайдеров: OpenAI, Anthropic, Яндекс. Когда чипы станут эффективнее, API подешевеет, и это момент для масштабирования автоматизации.

Предпринимателям в РФ и СНГ. Ricursive Intelligence пока не продукт, а технология на стадии демонстрации. Практического шага сегодня нет, но есть стратегический сигнал: зависимость от поставок чипов может смягчиться, если ИИ-проектирование действительно позволит быстро создавать специализированные процессоры под конкретные задачи.

Частые вопросы

Ricursive Intelligence уже можно использовать?

Нет. Компания находится на стадии публичной презентации технологии. Готового продукта, API или платной подписки на момент выступления на TechCrunch Disrupt (4 июня 2025) не объявлено.

Чем это отличается от того, что делает Nvidia?

Nvidia проектирует и производит чипы для ИИ, это «железо». Ricursive Intelligence разрабатывает ИИ, который сам проектирует чипы, это инструмент для ускорения процесса разработки любых микросхем. Теоретически, такой инструмент мог бы помочь и самой Nvidia, и её конкурентам.

Повлияет ли это на стоимость нейросетей для обычного пользователя?

В перспективе да. Если проектирование станет быстрее и появятся специализированные процессоры под конкретные задачи, стоимость инференса может снизиться. Но это горизонт нескольких лет, не месяцев. Пока цены на API ИИ-моделей определяются текущим поколением чипов.

Последний штрих: Голди на сцене сказала, что людям стоит перестать бояться ИИ, который проектирует собственные чипы, и начать думать о том, какие задачи они сами хотят решить, когда вычислений станет в тысячи раз больше. Для авторов и предпринимателей в России это тот же вопрос: не «заменит ли меня ИИ», а «что я смогу сделать, когда ИИ станет дешевле».