Нейроморфные чипы в 25 раз энергоэффективнее традиционных GPU. Корпорации вроде Intel и IBM вложили в них миллиарды. Тысячи исследователей по всему миру пишут статьи и патенты. Единственная проблема: их почти никто не использует.
Ключевые выводы
Программная экосистема остаётся главным тормозом: Lava и NorthPole toolchain не сопоставимы с PyTorch и CUDA по зрелости, а количество разработчиков, умеющих программировать спайковые сети, измеряется сотнями.
Институциональные инвестиции — €30 млн от Нидерландов, $465 млн seed-раунд Unconventional AI — показывают: рынок делает ставку, но коммерческий прорыв отложен на 3–5 лет.
Когда NVIDIA выпускала CUDA в 2007 году, GPU использовали только для графики. Понадобилось пять лет, чтобы исследователи осознали: та же архитектура радикально ускоряет нейросети. Сегодня нейроморфные чипы проходят тот же путь — только с другой стороны. Аппаратное обеспечение на годы опережает софт. Вопрос в том, сколько времени потребуется экосистеме, чтобы догнать «железо».
Как мы писали в мае, расходы на инференс впервые превысили затраты на обучение моделей. Дата-центры потребляют всё больше энергии — по оценкам Morgan Stanley, до 3% мировой электроэнергии к 2030 году. Именно здесь нейроморфные чипы предлагают решение, ломающее привычную экономику вычислений.
Чем эффективнее становятся GPU, тем больше вычислений мы на них запускаем. Jevons Paradox в действии — повышение эффективности ведёт к росту, а не снижению потребления. Нейроморфные чипы предлагают не эволюционное, а архитектурное решение: другой принцип вычислений, а не более быстрые транзисторы.
Аппаратное обеспечение готово к выходу на сцену
чип IBM NorthPole — не исследовательский прототип, а работающая система на 288 картах, которая выдаёт 115 пета-опс при 4-битной точности, потребляя 30 кВт. Эквивалентная GPU-ферма потребляла бы мегаватты. NorthPole обрабатывает 3-миллиарднопараметровую модель Granite с латентностью 2,8 мс на токен — в 46 раз быстрее самого энергоэффективного GPU и с 72-кратной экономией энергии.
Секрет — в архитектуре. NorthPole устраняет главный источник потерь в классических чипах: перемещение данных между памятью и процессором. В традиционной архитектуре фон Неймана до 90% энергии тратится на пересылку данных по шине. разработка IBM хранит веса прямо на кристалле — 192 МБ распределённой SRAM, 13 ТБ/с пропускной способности — и выполняет вычисления там же, где хранятся данные.
Intel пошла другим путём. Loihi 3 — третье поколение нейроморфного процессора на 4-нм техпроцессе — содержит 8 млн нейронов и 64 млрд синапсов на кристалл. Ключевое новшество — переход от бинарных спайков к градуированным (graded spikes). Это позволяет запускать стандартные глубокие нейросети без переобучения в SNN-формат, что критически снижает барьер входа. Промышленные пилоты начнутся в третьем квартале 2026 года.
Hala Point — система из 1152 чипов Loihi 2, развёрнутая в Sandia National Laboratories, — решает оптимизационные задачи в 50 раз быстрее GPU-кластеров при потреблении 2,6 кВт против мегаватт. Не коммерческий продукт, но убедительная демонстрация масштабируемости.
BrainChip Akida — единственный коммерчески доступный нейроморфный SoC на рынке. Работает на 0,5 Вт против 400 Вт у NVIDIA A100, используется в промышленном Edge AI и оборонных системах. MetaTF-конвертер переносит модели из PyTorch и TensorFlow на Akida без ручного переписывания. Компания лицензирует IP для интеграции в чипы STMicroelectronics — сигнал, что крупные производители начинают рассматривать нейроморфные блоки как часть SoC.
$6,3 млрд в 2026 году (Research and Markets). Прогноз — $76 млрд к 2035 году, CAGR ~32%. Крупнейшие игроки: Intel, IBM, BrainChip, SynSense. Основные заказчики сегодня — оборонные ведомства (DARPA, NATO) и промышленные корпорации. Рынок растёт быстрее полупроводниковой индустрии в целом.
Институциональный сигнал пришёл из Нидерландов. В апреле 2026 года NWO выделила €9 млн на программу 10X-Factor(y) — при общем бюджете €30 млн с учётом частных инвестиций. Семь демонстраторов — от роботизированных систем до мониторинга здоровья — покажут, где нейроморфные технологии дают измеримое преимущество уже сейчас. Нидерланды целенаправленно строят национальную экосистему: от материалов до приложений.
Программная экосистема — узкое горлышко
У CUDA — десять лет развития, миллионы разработчиков, тысячи библиотек и целая индустрия вокруг. У нейроморфных чипов — Lava от Intel, NorthPole toolchain от IBM и MetaTF от BrainChip. Суммарно — сотни активных разработчиков. Этой разницы в четыре порядка величины достаточно, чтобы понять масштаб проблемы.
Но барьер глубже, чем отсутствие привычных инструментов. Спайковые нейронные сети (SNN) работают принципиально иначе: информация передаётся не непрерывными тензорами, а дискретными импульсами во времени. Обратное распространение ошибки — стандартный метод обучения нейросетей — математически несовместим с SNN. Исследователи разрабатывают альтернативы: STDP (spike-timing-dependent plasticity), E-prop, surrogate gradients. Ни один не достиг production-ready зрелости.
Пока Intel или IBM не сделают программирование SNN таким же доступным, как PyTorch, — нейроморфные чипы останутся нишевым решением. Рынок в $76 млрд возможен только после софтверного прорыва. CB Insights оценивает коммерческую зрелость сектора в 3,1 балла из 10.
Вторая фундаментальная проблема — совместимость задач. Нейроморфные чипы эффективны на разреженных, событийно-управляемых нагрузках: сенсорные данные, оптимизация, обработка сигналов, управление роботами. Но доминирующая парадигма AI — плотные матричные операции трансформеров — не ложится на SNN-архитектуру органично. Даже NorthPole, наиболее совместимый с классическими ANN из-за своей матричной природы, ограничен моделями до 3 млрд параметров. Современные frontier model требуют в сотни раз больше.
CB Insights фиксирует парадокс: стартапы вроде Unconventional AI привлекли $465 млн seed при оценке $4,5 млрд — при нулевой выручке. Оценки driven founder pedigree (основатель — Naveen Rao, экс-глава AI в Databricks), а не коммерческой тягой. Mosaic score рынка — 3,1 из 10: нижние 16% среди всех отслеживаемых технологий. Инвесторы делают ставку на потенциал десятилетия, а не на ближайшие кварталы.
Третий фактор — кадры. Количество инженеров, способных эффективно программировать SNN, измеряется сотнями в глобальном масштабе. Intel пытается решить эту проблему через Lava — открытый фреймворк, абстрагирующий часть сложности. Но для массовой адаптации нужно нечто большее: компилятор, который берёт модель из PyTorch и автоматически оптимизирует её под SNN. Над этим работают исследовательские группы в MIT, ETH Zurich и Tsinghua — но коммерчески готового решения нет.
Сравнение: нейроморфные платформы в 2026 году
| Параметр | Intel Loihi 3 | IBM NorthPole | BrainChip Akida |
|---|---|---|---|
| Архитектура | ✔ SNN (graded spikes) | ✔ ANN (in-memory compute) | ✔ Гибрид SNN/ANN |
| Энергоэфф-сть | ✔ 1000× против CPU | ✔ 25× против 12nm GPU | ✔ 800× (0,5 Вт vs 400 Вт) |
| Статус | ◐ Research, коммерч. пилоты Q3 2026 | ◐ Research prototype | ✔ Коммерческий SoC |
| Экосистема | ✗ Lava — ранняя стадия | ◐ Совместимость с ONNX | ◐ MetaTF из PyTorch/TF |
| Макс. модель | ✗ < 1B параметров | ◐ До 3B параметров | ✗ Edge (< 100M) |
Next Waves Insight, IBM Research, SemiconductorX — 2026
✔ Аргументы за: почему нейроморфные чипы прорвутся
+ Энергетический кризис дата-центров — структурный драйвер, не циклический + BrainChip Akida уже работает в production на промышленных Edge AI-нагрузках + Loihi 3 с graded spikes снижает программный барьер: SNN-формат больше не обязателен + Государственные инвестиции (Нидерланды, США, Китай) ускоряют экосистему Критерии подтверждения: NorthPole или Loihi 3 в коммерческом дата-центре до конца 2027
✗ Аргументы против: почему массового внедрения не будет
− GPU-эффективность растёт экспоненциально: NVIDIA Blackwell даёт 4× прирост против Hopper − Нет стандартного фреймворка и компилятора — разработка под SNN требует уникальной экспертизы − Кадровый голод: сотни SNN-специалистов против миллионов в GPU-экосистеме − Большие языковые модели не ложатся на SNN-архитектуру без серьёзных компромиссов Критерии опровержения: если Intel Lava не станет индустриальным стандартом к 2029
История не повторяется буквально, но рифмуется. В 2007 году CUDA казалась нишевым инструментом для горстки учёных, моделирующих физику. К 2012 году она стала стандартом де-факто для глубокого обучения. Нейроморфные чипы сегодня — это CUDA 2007 года: технология есть, коммерческого случая использования — нет. Разница в том, что мир 2026 года не может ждать пять лет. Дата-центры упираются в энергетический потолок, а значит — ставки выше, а время — короче.
Наиболее полный публичный обзор рынка нейроморфных процессоров на начало 2026 года
Первичные бенчмарки NorthPole — детальная методология тестирования и результаты
Аналитический взгляд на раннюю стадию — Mosaic-скоринг и оценка коммерческой зрелости
