Каждый чип для ИИ-инференса на рынке сегодня использует одну и ту же дорогую память — HBM. Поставки отстают от спроса. Цены растут. И программная экосистема привязана к одному вендору. Но что если самый дорогой компонент в инфраструктуре ИИ — на самом деле лишний?
Компания из маленького города в Неваде поставила на это 875 миллионов долларов.
Почему HBM стала узким местом всей отрасли
Трансформеры — основа современных языковых моделей — работают иначе, чем классические вычислительные задачи. Им не нужна огромная вычислительная мощь. Им нужно быстро перемещать данные между памятью и процессором. Инференс — это задача, ограниченная скоростью обращения к памяти, а не объёмом вычислений.
HBM решает эту проблему трёхмерной упаковкой: стеки из кремниевых кристаллов с тысячами вертикальных соединений дают пропускную способность более 1 ТБ/с на стек. Но эта архитектура дорога: сложная упаковка, ограниченное производство и зависимость от нескольких подрядчиков для кастомной сборки.
По данным Positron, большинство ИИ-ускорителей раскрывают менее 30% от пиковой пропускной способности HBM. Остальные 70% — потерянная мощность. Проблема не в том, что HBM недостаточно быстрая. Проблема в архитектуре чипов, которые не умеют эффективно использовать её возможность.
Одновременно предложение HBM стабильно отстаёт от спроса. Samsung и SK Hynix — единственные крупные производители — расширяют мощности, но новые фабрики требуют миллиардных инвестиций и два–три года на выход на полную мощность. Для компаний, которые строят ИИ-инфраструктуру сегодня, ожидание — не вариант.
Среднее использование пропускной способности HBM у GPU
Большинство ускорителей ИИ используют менее 30% пиковой пропускной способности HBM-модулей. Остальное — потерянная мощность. · Positron AI, 2026
Парадокс: дешёвая память может быть быстрее
LPDDR5X — это память, которая стоит в каждом современном смартфоне. Её пиковая пропускная способность в восьмиканальной конфигурации — около 85–89 ГБ/с на модуль, на порядки ниже HBM. Но Positron обнаружила парадокс: если перепроектировать архитектуру чипа вокруг памяти, а не вокруг вычислений, можно извлечь более 90% от этой пропускной способности на реальных нагрузках трансформеров.
HBM: пиковая пропускная способность ~1 ТБ/с, использование <30% → эффективные ~300 ГБ/с
LPDDR5X (Positron): пиковая ~85 ГБ/с на модуль, использование >90% → эффективные ~77 ГБ/с, с масштабированием через ёмкость
Секрет — в архитектуре. Asimov, следующий чип Positron, построен по принципу «сначала память». Вместо того чтобы максимизировать вычисления и добавлять память по остаточному принципу, команда начинала с пропускной способности и ёмкости памяти, а вычисления сбалансировала под них.
Инференс трансформеров — задача, ограниченная памятью, а не вычислениями. Узкое место — не количество операций, а скорость подачи данных к операциям. Asimov создан с нуля вокруг этой реальности.— Positron AI, описание Asimov
Asimov и Titan: архитектура
Asimov — кастомный ASIC на техпроцессе TSMC 3 нм, тайп-аут запланирован на конец 2026 года, серийное производство — на вторую половину 2027. Каждый чип поддерживает от 864 ГБ до 2.3 ТБ LPDDR5X с реализуемой пропускной способностью 2.76 ТБ/с.
Система Titan объединяет до 16 чипов Asimov в одном корпусе. Итого: 18.4 ТБ памяти и 23.68 Тбит/с пропускной способности. По словам Positron, этого достаточно для запуска LLM с 32 триллионами параметров и контекстным окном в 10 миллиардов токенов.
Преимущество Titan vs NVIDIA Blackwell GB300
По данным симуляций Positron, серверная стойка на базе Asimov обрабатывает до 26× больше токенов на доллар, чем NVIDIA Blackwell GB300 NVL72. · Positron AI, сен 2026
Ключевое отличие от конкурентов — двухполушарная архитектура. Две идентичные «полусферы» чипа могут работать независимо, что позволяет эффективно обрабатывать длинные контексты, разделяя механизмы внимания между полусферами. Речь идёт об архитектурном ответе на реальную проблему: чем длиннее контекст, тем больше данных нужно перемещать и тем критичнее становится эффективность работы с памятью.
Раунд на 875 миллионов и пятикратный рост оценки
Раунд Series C возглавили NEA, Atreides Management, Valor Equity Partners, Andra Capital, SemiAnalysis Capital (аналитик Дилан Патель) и Джим Кларк — сооснователь Silicon Graphics и Netscape. К ним присоединились более дюжины институциональных инвесторов.
Оценка $5 млрд — пятикратный рост с февраля 2026, когда Positron закрыла Series B на $230 млн при оценке около $1 млрд. Общий объём привлечённых средств превышает $1.1 млрд.
Почему Джим Кларк инвестирует в чип для инференса
Джим Кларк — основатель Silicon Graphics, компании, которая доминировала на рынке рабочих станций и серверов для трёхмерной графики в 1990-х. SGI построила архитектуру, где пропускная способность памяти была ключевым конкурентным преимуществом — тот же паттерн, который сейчас определяет ИИ-инференс. Его участие означает не деньги, а сигнал: опытный хардверный инвестор видит аналогию между «войнами памяти» эпохи SGI и текущим переломным моментом в ИИ.
Средства пойдут на три приоритета: тайп-аут Asimov в конце 2026, запуск серийного производства Titan и закрепление контрактов на поставку LPDDR5X. Последний пункт критичен: LPDDR5X — товарная память со зрелой цепочкой поставок, но масштабирование Titan потребует значительных объёмов закупок.
Конкурентный ландшафт
Positron — не единственная компания, которая ставит под сомнение доминирование HBM. Samsung на конференции Hot Chips 2026 представила LPDDR5X-PIM — первый в отрасли чип памяти с встроенными вычислительными возможностями для ИИ-инференса. Credo Technology анонсировала Weaver — устройство, которое позволяет масштабировать LPDDR5X до 6.4 ТБ памяти и 16 ТБ/с пропускной способности на систему.
| Параметр | HBM | LPDDR5X (Positron) |
|---|---|---|
| Пиковая пропускная способность | ✔ 1–2.8 ТБ/с на стек | ◐ ~85 ГБ/с на модуль |
| Реализуемая пропускная способность | ◐ <30% на GPU | ✔ >90% на Asimov |
| Ёмкость на чип | ✗ 36–48 ГБ на стек | ✔ 864 ГБ – 2.3 ТБ |
| Стоимость | ✗ Высокая, ограниченное предложение | ✔ Товарная, зрелая цепочка поставок |
| Экосистема | ✔ NVIDIA CUDA, развитая | ✗ Требуется собственный программный стек |
Но у Positron есть критическая слабость: экосистема. NVIDIA продаёт не только чипы, но и программный стек (CUDA, TensorRT, cuDNN), инструменты для разработчиков и всю инфраструктуру, которая делает смену вендора крайне дорогой для большинства компаний. Asimov потребует собственного программного слоя, и Positron сотрудничает с Credo для решения задач памяти, но привлечение разработчиков — это марафон, а не спринт.
Что это значит для рынка
Positron не «убьёт» NVIDIA. Но может изменить экономику инференса. Если заявленные 26× токенов на доллар — даже если это данные симуляций, а не реальных нагрузок — приблизятся к действительности, появится альтернатива для гиперскейлеров, которые тратят миллиарды на инфраструктуру инференса и ищут способы снизить зависимость от одного вендора.
Инференс — это не гонка за пиковой производительностью. Это гонка за стоимостью токена. Positron доказывает: товарная память при правильном использовании может дать лучшую экономику, чем премиальная HBM. Даже если Asimov не достигнет 26× в реальном производстве, сам факт, что 875 миллионов долларов пошли на эту идею, говорит о многом: инфраструктурный стек ИИ воспринимается как переоценённый и уязвимый.
Самое интересное — не сам чип, а то, что его появление говорит об отрасли. Инференс стал узким местом не потому, что модели стали слишком большими, а потому, что экономика инференса не масштабируется линейно. Positron, Samsung LPDDR5X-PIM, Credo Weaver — части более широкого тренда: память становится новой вычислительной мощью, и тот, кто контролирует эффективность работы с памятью, контролирует структуру затрат всей ИИ-индустрии.
Titan и Asimov выйдут в производство во второй половине 2027. До этого — только данные симуляций и обещания. Но 875 миллионов долларов и Джим Кларк на борту — это ставка на будущее, в котором «дешёвая память» становится стратегическим преимуществом.
