> ## Content Index > Fetch the complete content index at: https://eclibra.com/llms.txt > Use this file to discover other available public pages before exploring further. # AI+HW 2035: дорожная карта к 1000-кратной эффективности вычислений - URL: https://eclibra.com/ai-hw-2035-roadmap-2026/ - Published: 2026-08-15T05:08:36.000Z - Updated: 2026-08-15T05:08:37.000Z - Description: Тысяча раз. Столько должна вырасти эффективность обучения и инференса к 2035 году — так считают авторы программного документа AI+HW 2035. Облако росло за счёт чипов. К 2035-му понадобится в 1000 раз больше работы на джоуль. Проверяемые цифры из документа и прогнозов IEA. - Author: Eclibra - Tags: Горизонт, #mode-5, #hook-statistic, #track-A Тысяча раз. Столько должна вырасти эффективность обучения и инференса нейросетей к 2035 году. Цель зафиксирована в программном документе «AI+HW 2035» — его подписали исследователи Stanford MAST, Google, NVIDIA, IBM, MIT и Калифорнийского университета в Беркли. Повод считать серьёзно даёт одно число: дата-центры уже потребляют больше электричества, чем вся Япония. 🎯 Авторы объявляют конец эпохи «экстенсивного масштабирования»: наращивать FLOPs дальше экономически невыгодно. К 2035 году эффективность обучения и инференса должна вырасти в 1000 раз за счёт совместного проектирования алгоритмов и чипов. Новой валютой становится «интеллект на джоуль»: сколько полезного интеллекта даёт один джоуль, а не сколько операций в секунду выдаёт кристалл. ``` ХРОНИКА: AI+HW 2035 — дорожная карта к 1000× ───────────────────────────────────────────────────────────── 2026 ──── 2028 ──── 2030 ──── 2033 ──── 2035 📜 🧠 ⚡ 🏭 🔥 Манифест Память Рубеж AI-EDA ЦЕЛЬ 1000× вместо IEA: чипы 1000× FLOPs 945 ТВт·ч проекти- и SLM рует ИИ ◉ СЕЙЧАС ``` Сжатое изложение документа «AI+HW 2035» и прогнозов IEA Energy & AI (2025) ## Стена памяти: почему FLOPs больше не решают Исходная точка документа — диагноз «глубокого дисбаланса». Модели растут экспоненциально, а чипы упираются в две стены. Первая — стена памяти: перенос одного байта данных в современном GPU стоит на порядки больше энергии, чем сама арифметическая операция. Вторая — разрыв инноваций: модель эволюционирует за месяцы, кристалл проектируется годами. Мы запускаем завтрашние алгоритмы на вчерашних системах. Авторы предлагают перестать гнаться за пиковыми FLOPs и переопределить масштабирование. К 2035-му успех будет измеряться не тем, у кого больше операций, а тем, кто выдаёт больше интеллекта на ватт. К этому тезису индустрия шла всю первую половину десятилетия: «Связи важнее прорывов», — как мы писали в августе, разбирая отчёт KPMG, где шесть рубежей ИИ — вычисления, энергия, физические системы — умножают друг друга. 📍 **2026 — манифест о конце экстенсивного масштабирования** Публикация «AI+HW 2035» фиксирует цель: 1000× к 2035 году. Начата координация между материаловедами, архитекторами чипов и теоретиками алгоритмов. ## Три слоя: чип, алгоритм, приложение Дорожная карта строится на трёх уровнях. Первый — железо: плотная 3D-монолитная интеграция вместо плоской поверхности, вычисления вблизи памяти и фотонные межсоединения, которые заменяют электрические каналы между кристаллами. Второй — алгоритмы. Эра «трансформера на все случаи» завершается: разреженные и структурные модели, которые железо может «пропускать», квантование до 8/4 бит, дистилляция крупных моделей в компактные. Результат — модель, работающая на чипе уровня мобильного телефона. Третий — применение: физический ИИ и архитектуры предсказания в скрытом пространстве (JEPA), которые резко сокращают данные, нужные для обучения. Третий слой — самый недооценённый. И самый дорогой. 1000× целевой рост к 2035 #### Эффективность обучения и инференса Требование документа AI+HW 2035 к обучению и выводу нейросетей одновременно · *arXiv, 2026* ## Рубеж 2030: электричество и галлий Почему план появился именно сейчас, понятно из цифр IEA. По сценарию Energy & AI, мировое потребление электричества дата-центрами к 2030 году удвоится — примерно до 945 ТВт·ч. Это больше, чем потребляет сегодня вся Япония. В сценарии умеренного роста к 2035-му выходит около 1250 ТВт·ч, в оптимистичном для индустрии — заметно больше. Новая валюта. Параллельно растёт зависимость от материалов. Спрос на галлий — металл, без которого нет ни чипов, ни силовой электроники, — к 2030 году может превысить десятую часть текущего мирового предложения. А на рафинированный галлий приходится 99% мощностей Китая. Сюжет, знакомый по экономикам 2035-го, которые мы разбирали в августе вместе с моделью PwC. 📍 **2028 — память вместо логики** Плотная 3D-интеграция и вычисления вблизи памяти начинают заменять плоские кристаллы. Фотонные межсоединения убирают тепловой барьер между чипами. 📍 **2030 — рубеж IEA** Дата-центры съедают порядка 945 ТВт·ч. Девять из десяти запросов инференса в реальном мире выполняют компактные модели до 20 млрд параметров (SLM). ## AI-EDA: чипы проектирует ИИ Самый «мета»-ход документа — замыкание цикла. Если планировать алгоритмы и железо вместе, то проектировать железо должен ИИ: LLM и агенты обучения с подкреплением автоматизируют разводку кристалла и верификацию. Цикл разработки сжимается с лет до недель, и железо наконец успевает за моделями. Это решает проблему «курицы и яйца». Железо не строят под разреженные модели, пока модели не разрежены. Модели не разрежают, пока железо не готово. AI-EDA разрывает порочный круг: софт начинает создавать собственное железо. Экономика здесь простая. Разработка кристалла — миллиарды долларов и три года ожидания. Сокращение цикла до недель меняет правила конкуренции: нишевый стартап получает специализированный чип за стоимость облачного тарифа. Венчурный ландшафт смещается от строительства фабрик к строительству компиляторов. 📍 **2033 — проектирование кристаллов автоматизируется** Разводка и верификация чипов переходят к ИИ-агентам. Цикл «модель → кристалл» измеряется неделями, а не годами. Тепловая «ловушка» вертикальной укладки решается новыми материалами отвода тепла. ## Что решит 1000×: компактные модели вместо гигантов Если цель достигнута, крупные модели-лидеры остаются «учителями» для компактных. Девяносто процентов реального инференса — в автономии, роботах и на устройствах — берут на себя малые модели до 20 млрд параметров. ИИ спускается из облака в физический мир. Если 1000× не будет, прогресс останется уделом нескольких гиперскейлеров с доступом к гигаваттам мощности. Дорожная карта — про демократизацию: открытые бенчмарки, общие тестовые стенды, единые API для вычислений у памяти. Десять лет — короткий срок для смены парадигмы. Но и достаточный, чтобы попробовать. ✅ **Что это значит** Десятилетие будет измеряться не терафлопсами, а интеллектом на джоуль. Победитель 2035-го — тот, кто сделает энергию метрикой продукта, а не статьёй расходов. ## Источники [ AI+HW 2035: дорожная карта десятилетия Vision-документ о совместном проектировании алгоритмов и железа: цель 1000×, память вместо FLOPs, AI-EDA. Основной источник всех цифр статьи. Stanford MAST Lab ](https://mast.stanford.edu/pubs/ai%5Fhw%5F2035%5Fshaping%5Fthe%5Fnext%5Fdecade?ref=eclibra.com) Первопричина статьи — именно этот документ задаёт цель 1000×. [ Энергия и ИИ: четыре сценария IEA Прогноз потребления дата-центров: 945 ТВт·ч к 2030, сценарии до 1750 ТВт·ч к 2035, цепочки поставок галлия. International Energy Agency ](https://www.iea.org/reports/energy-and-ai/executive-summary?ref=eclibra.com) Почему цель 1000× появилась именно сейчас: энергия — лимитирующий ресурс. [ Шесть рубежей ИИ умножают друг друга Наш августовский разбор KPMG Frontiers 2026: вычисления, энергия и физические системы как связанные контуры. Eclibra ](https://eclibra.com/ai-frontier-multiplier-2026/) Контекст: как связаны вычисления, энергия и доверие. [ Три экономики 2035-го Разбор модели PwC Value in Motion: ИИ и климат как две мегатенденции, влияющие на рост до 2035 года. Eclibra ](https://eclibra.com/three-tomorrows-2035-2/) Материально-сырьевой контекст дорожной карты 1000×.