Hacker News Digest

AMD BC-250 — это одноплатный компьютер на базе APU с 16 ГБ унифицированной памяти, позиционируемый как бюджетное решение для игр за ~60 долларов. По умолчанию память распределяется поровну между CPU и GPU (8 ГБ/8 ГБ), но для игрового использования необходимо принудительно выделить всего 512 МБ в качестве VRAM через модификацию BIOS. Это кажется нелогичным, но объясняется архитектурой APU, где память совместно используется ядрами процессора и графики.

Для изменения распределения памяти требуется прошить кастомный BIOS версии 3.00, что ранее требовало программатора EEPROM, но теперь доступно через загрузочный образ флешера. Операционная система — преимущественно Arch-базовые дистрибутивы вроде Manjaro Linux, поскольку официальные графические драйверы для Windows отсутствуют; Steam в Linux работает из коробки. Пользователь собрал два корпуса: ультрапортативный и мини-ПК формата, оба требуют 3D-печати и ручной работы с блоком питания. Полная инструкция по сборке доступна в репозитории GitHub.

Плата AMD BC-250 — переработанный майнинговый PS5 APU, а не потребительское устройство. Сборка на её основе обходится в $200–300, а не $60: сама плата стоит $150+, плюс нужны блок питания, NVMe, вентилятор, адаптер DP-HDMI и корпус. Цены выросли из-за спроса со стороны Steam Machine и майнеров. Для игр требуется принудительно выделить 512 МБ VRAM через модификацию BIOS, иначе производительность падает. После разблокировки ядер и вычислительных блоков GPU результат зависит от конкретного экземпляра («silicon lottery») и нужна проверка стабильности. Wake-on-LAN не работает, поэтому для управления питанием используют ESP32-модули. Система работает на Linux (Bazzite, Arch), загружается в Steam Big Picture и может служить Steam Link-сервером для стриминга игр по сети. 16 ГБ RAM и PCIe 2.0 x2 ограничивают пропускную способность, делая плату неэффективной для кластерных LLM-вычислений; запустить Qwen3.8 27B даже с 2-битным квантованием не получится. Форм-фактор неудобен: нет стандартных корпусов и креплений, нужны DIY-решения. Альтернатива — AMD 4800S/4700S: аналогичные PS5-APU, но с PCIe 4.0 x4 для дискретной видеокарты. Тем, кто не хочет возиться с хаками, лучше подойдут облачные сервисы вроде Boosteroid — они стабильнее и не требуют технических знаний.

OpenAI анонсировала свой первый собственный чип для инференса LLM — Jalapeño, разработанный совместно с Broadcom за ~16 месяцев с нуля. Несмотря на то, что это первое поколение ASIC, чип демонстрирует индустриальное лидерство, опережая по производительности на ватт все тестируемые решения NVIDIA, AMD и Google на топовых открытых моделях LLM. Это достигнуто за счёт глубокой аппаратно-программной кодекс-дизайна, а не узкой специализации под собственные модели OpenAI — Jalapeño позиционируется как универсальный чип для широкого спектра нагрузок, включая бенчмарк InferenceX и даже запуск Doom через Codex-подсказки.

Ключевые технические особенности включают использование HBM4-памяти, обеспечивающее пропускную способность, сравнимую с флагманскими GPU, и инновационную сетевую архитектуру: оптическая коммутация на уровне стойки (OCS) позволяет масштабировать систему до 2048 XPU (16 стоек по 128 чипов) с 1,6 Тбит/с глобальной пропускной способности на чип. Это делает систему гибкой для будущих моделей с десятками триллионов параметров и контекстными окнами в миллионы токенов. OpenAI уже проводит пилотные развёртывания с неоклауд-партнёрами, собирая данные о надёжности и оптимизируя время доставки-стоечного монтажа, а следующей целью является достижение 100 МВт суммарной мощности — основные препятствия теперь связаны с производством, развёртыванием и устойчивостью дата-центров, а не с ПО.

Обсуждение дополняет статью, подчеркивая, что успех Jalapeño — не просто технический прорыв, а стратегический шаг к созданию аппаратного монопольного преимущества, которое может закрепить доминирование OpenAI в инференсе LLM за счет масштаба, а не только производительности.

• Совет: Внедрение собственных ASIC для LLM имеет смысл только при масштабе, достаточном для окупаемости — например, при использовании старых, но стабильных моделей (Haiku 4.5, GPT-OSS 120b), которые не требуют частого обновления.

• Спор: Некоторые считают, что чипы, запрограммированные под конкретные модели, не жизнеспособны из-за отставания от SOTA — разработка занимает ~16 месяцев, а модели обновляются быстрее, что делает специализированные чипы устаревшими до выхода.

• Открытое признание, что Jalapeño работает без speculative decoding, а результаты NVIDIA получены с ним, указывает на то, что реальная эффективность Jalapeño может быть еще выше после внедрения этой оптимизации.

• Совет: Реальный тест производительности чипа — не лабораторные бенчмарки, а шесть месяцев работы на собственном инференс-трафике, где учитываются реальные нагрузки, паттерны доступа и надежность.

• Создание собственных чипов становится новым барьером входа в AI-индустрию — только компании с масштабом, как OpenAI или Anthropic, могут позволить себе такие инвестиции, что усиливает концентрацию рынка.

• Совет: Использование LLM для проектирования чипов — ключевой фактор, позволяющий сократить цикл разработки; без этого даже крупные игроки вроде Meta и Microsoft не смогли запустить свои ASIC.

• Специализированные чипы для инференса не заменят GPU в общем смысле, но создадут нишу, где эффективность на ватт станет решающим фактором, а не универсальность.

• Совет: Потребление воды — критический, но игнорируемый ограничитель масштабирования чипов: охлаждение и производство энергии требуют воды, и ее нехватка может стать физическим барьером для роста.

• Спор: Сравнение эффективности LLM и человеческого мозга в токенах/джоуле — некорректно, потому что мозг выполняет множество задач одновременно (движение, метаболизм, восприятие), а модели — только генерацию токенов.

• Доминирующие игроки в инференс-чипах будут не OpenAI или NVIDIA, а их поставщики — TSMC, Broadcom, Hynix — потому что именно они контролируют производство и логистику.

• Совет: Если OpenAI начнет продавать чипы с предустановленными моделями (например, GPT Sol 5.6), это может стать выгодным бизнес-моделью для корпоративных клиентов, которым не нужна гибкость, а нужна стабильность и низкая стоимость.

• Создание собственного чипа — не просто технический шаг, а сигнал к IPO: OpenAI нуждается в капитале для масштабирования производства и защиты от конкурентов, особенно китайских.

• Совет: Отказ от разработки собственной памяти — стратегическая ошибка: контроль над памятью и интерфейсами может дать еще больший прирост эффективности, чем оптимизация ядра чипа.

• Инференс-чипы — это не аналог SoundBlaster, а продолжение эволюции GPU: они не заменят универсальные процессоры, но станут доминирующим решением для конкретных задач, как GPU для графики.

• Совет: Сравнение с Cerebras неуместно: Cerebras ориентирован на обучение, Jalapeño — на инференс; разные задачи, разные рынки, и Jalapeño не угрожает Cerebras напрямую.

everyone's silicon beats everyone else's benchmarks until it has to run someone's actual production workload. the real test is six months of your own inference traffic, not a vendor's chart. — @luciana1u

Xiaomi’s новое процессорное ядро Xring O3 демонстрирует резкий сдвиг в архитектуре мобильных чипов: оно превосходит Apple по многопоточной производительности и оснащено 44 МБ кэша — больше, чем у большинства ноутбучных Intel-процессоров. Ядра C1-Ultra имеют 21 порт выполнения, включая шесть для SIMD-операций по 128 бит, что превышает количество портов у современных Intel и AMD. Хотя AMD Zen 5 опережает в обработке 512-битных векторов, для ARM это рекордная ширина SIMD.

Основной тренд — взрывной рост числа исполнительных юнитов и кэша. Процессоры теперь нацелены на параллельную обработку тысяч независимых операций в цикл: сложения, умножения, матричные вычисления через SME2 и SVE2. Это не просто ускорение — это переосмысление вычислений под задачи ИИ и высокопроизводительных вычислений. Большинство транзисторов теперь тратятся не на частоту, а на параллелизм и объём кэша, что делает мобильные чипы конкурентоспособными даже с десктопными решениями.

Обсуждение дополняет статью, подчеркивая, что производительность на бумаге не гарантирует реальную эффективность из-за термических ограничений, отсутствия данных о потреблении энергии и зависимости от экосистемы, а не только от архитектуры процессора.

• Спор: Некоторые отмечают, что Xring O3 использует готовое ARM-ядро C1-Ultra, как и MediaTek, и Xiaomi не создавала собственную архитектуру ядра, лишь настраивала интерконнекты и физическую реализацию на TSMC 3nm.

• Спор: Хотя многопоточная производительность выше, однопоточная уступает Apple M5 Max, что ставит под сомнение утверждение о полном превосходстве, особенно в реальных сценариях использования.

• Все согласны, что ключевой метрикой является производительность на ватт, а не абсолютная скорость — многие отмечают, что высокая мощность и кэш не имеют значения, если устройство перегревается и деградирует под нагрузкой.

• Реальные результаты в смартфоне с ограничениями охлаждения и энергопотребления могут быть на 20-30% ниже лабораторных, как это было с MediaTek Dimensity 9500, что делает текущие цифры сомнительными.

• Большой кэш в 44 МБ указывает на то, что узким местом теперь является не вычислительная мощность, а задержка доступа к памяти — это подтверждается несколькими участниками, ссылающимися на архитектурные ограничения.

• Разработчики отмечают, что реальный успех зависит не только от железа, но и от поддержки Linux-ядра, драйверов, инструментов и стабильности экосистемы — всё это пока неизвестно для Xiaomi Xring O3.

• Большинство считают, что Apple остаётся лидером в энергоэффективности и интеграции железа с ПО, и даже при высоких цифрах в бенчмарках Xiaomi не дотягивает до целостности ecosystem Apple.

• Несколько участников подчеркивают, что данные пока основаны на прототипе, а не на финальном продукте в телефоне — это делает любые выводы преждевременными.

• Совет: Стоит ждать независимых тестов и анализа тепловых кривых, а не полагаться на анонсы — как отмечает @StrLght, третьих сторонных данных пока нет, и это критично для оценки.

• Совет: Сравнивать только с Apple не имеет смысла — экосистема iOS/macOS и управление ресурсами важнее, чем цифры в Geekbench, как пишет @bee_rider — переключение ОС не основывается на бенчмарках.

• Совет: Интересно, что производительность GPU близка к M5, но в Android-устройствах она будет сильно ограничена драйверами и термическим лимитом — как отмечает @simjnd, это снижает практическую ценность.

• Спор: Некоторые считают, что Xiaomi не может использовать TSMC и вынуждена использовать китайские литографические процессы с низким выходом годных кристаллов — что объясняет редкость таких чипов, как пишет @hn_submit.

• Китайский прогресс в полупроводниках — это реальность, но его масштабирование и надёжность остаются под вопросом, особенно в контексте безопасности и архитектурных уязвимостей, как в случае Loongson, упомянутых @angry_octet.

• Потребительский опыт с Xiaomi — хороший, особенно по соотношению цены и производительности, как отмечают @rawoke083600 и @otterley, но это не означает технологическое превосходство над Apple.

• Совет: Стоит смотреть на видео с анализом кристалла и кривыми производительности-потребления, как предлагает @picture — там можно увидеть реальные термические характеристики, а не только цифры бенчмарков.

Missing the most important metric: processing power per watt.I have some server CPUs laying around that can also beat Apple CPUs. But putting them in a compact, densely packed, sealed box (aka a phone) would result in a fireball and almost no battery life. — @strictnein

В 2023 году я купил Framework 13 AMD 7040 — ноутбук с открытым железом, который можно собрать сам и апгрейдить по желанию. Три года он работал без проблем, пока компания не предложила установить BIOS 3.20 с «важными» патчами безопасности. Обновление зависла, экран исказился, и дальше ничего не происходило — обычный «кирпич».

Поддержка посоветовала вынуть батарею, дать ей полностью разрядиться и снова включить устройство. Ничего не изменилось, а гарантия уже истекла, поэтому замену материнской платы предложили за 500 CAD. На форумах я нашёл множество похожих случаев, и официально Framework так и не признал проблему. Поэтому я решил восстановить BIOS самостоятельно, используя недорогие инструменты — всего около 20 USD. Главное: проблема не в «виде», а в защите от записи флеш‑чипа; без уровня‑шифтера 3.3 V сигналы не передаются, а обычный USB‑UART‑адаптер не справится. С помощью программатора и правильно выровненного образа BIOS процесс восстановления стал возможен. Ключевой факт: даже после официального провала, BIOS‑чип можно перепрограммировать, если правильно задать напряжение и использовать level‑shifter.

Framework не обеспечивает надежной процедуры восстановления BIOS, что делает заявленную ремонтопригодность иллюзорной: сбой прошивки приводит к полной неработоспособности, а замена материнской платы за $350–500 экономически неоправданна при отсутствии сторонних запчастей и компенсаций от компании. Пользователи отмечают частые сбои (USB-C, EC-контроллер, клавиатура), медленную поддержку и игнорирование системных дефектов — например, проблем с AMD Data Fabric Sync Flood, которые не исправляются, несмотря на массовость. Обновление BIOS 3.20 вызвало сбои у нескольких пользователей, а поддержка предложила только замену платы. Несмотря на возможность замены компонентов, многие не решают проблем — например, замена считывателя отпечатков не устраняет сбой, а поддержка требует покупки новых деталей. Пользователи сравнивают Framework с ThinkPad и MacBook — у традиционных брендов обновления редко выводят устройство из строя. Некоторые отмечают, что модульность всё же делает Framework ремонтопригоднее других ноутбуков, но это не компенсирует риски. Для восстановления BIOS предлагают использовать Raspberry Pi и flashrom — дешевле, чем CH347. Для пайки в тесных местах рекомендуют эмалированный провод от старых компонентов. За 5 лет один пользователь заменил батарею и корпус — как у обычных ноутбуков, а поддержка осталась неудовлетворительной. По голландскому закону обновление, вызвавшее сбой, считается несоответствием товара — Framework обязан устранить его бесплатно в рамках гарантии.

Платформенный процессор, система управления режимом SMM, C6‑DRAM и микрокод процессора можно «разблокировать», перепрограммируя переводы физических адресов DRAM.
skitter-creek-bath-salts вмешивается в нижние уровни иерархии памяти, переписывая регистры контроллера DRAM, чтобы любой виртуальный адрес *p мог указывать в произвольное место физической памяти. При разрушении адресных преобразований исчезают и защита, построенная на них: SEV, SGX, TDX, TrustZone, pKVM, CoVE, SMRAM и даже скрытые регионы PSP и ME становятся доступными.

Эксперимент проведён на процессорах AMD Family 16h, где документация раскрывает регистры переводов, позволяющие менять маппинг без блокировки. Техника универсальна: схожие схемы переплетения, перемешивания и переключения используют все современные контроллеры памяти — от x86 до ARM и RISC‑V. Таким образом, «разблокировка» DRAM открывает путь к новым атакам и исследованиям, показывая, что даже самые защищённые области DRAM можно обойти, если знать, как «перепутать» их адресацию.

Тред обсуждает потенциальные последствия и ограничения эксплуатации подобных атак. Эксперты расходятся во мнениях: одни считают, что атаки могут обходить традиционные механизмы безопасности, другие — что современные системы уже их предотвращают. По опыту @zahlman, атаки возможны лишь при наличии root-доступа. @creshal утверждает, что они позволяют получить доступ к ранее недоступным областям системы. Эксперты советуют ограничивать доступ к таким возможностям только владельцам систем и действовать с осторожностью, учитывая риски для безопасности.

Главная идея — поиск самого медленного одиночного процессорного инструкта, а не ускорения кода. Чем дольше один вызов, тем ниже «потолок» производительности, который можно достичь.

В x86‑версии рекорд держит fxrstor64, который за ≈ 62 секунды (≈ 198 млрд циклов) загружает 512‑байтовый FPU‑/MMX‑/XMM‑контекст из медленной MMIO‑зоны, пока остальные ядра «бьют» соседний регистр 4‑байтовыми чтениями, полностью загружая PCIe‑шину. На AMD Ryzen 7 5800H эта техника дала ≈ 74,5 млрд циклов, а в теоретическом варианте с xrstor64 (8 КБ‑состояние) потенциально ≈ 10¹² циклов.

Кратко: использование специфичных инструкций ввода‑вывода и насыщение шины прерываниями превращает обычный загрузчик состояния в рекордный «замедлитель».

Тред подтверждает, что увеличение абстракции и сложности снижает производительность за счёт дополнительных слоёв обработки и операций. Участники приводят примеры, показывающие влияние инструкций и стратегий на производительность, включая MMIO — использование которого вызывает споры: одни считают это «жульничеством», другие — допустимым подходом. Процессоры с сложными архитектурами страдают от повышенной задержки, а MMIO-инструкции особенно замедляют выполнение из-за дополнительных проверок. Для измерения производительности рекомендуются методы анализа времени выполнения и поведения процессора при выполнении операций.

AMD приобрела стартап Taalas, который встраивает веса ИИ-моделей прямо в кремний, создавая специализированные микросхемы (MSIC), что повышает производительность инференса в десятки раз. Первая тестовая чип-платформа HC1 на 6 нм TSMC обработала Llama 3.1 8B со скоростью 16 960 токенов в секунду — в 48 раз быстрее, чем Nvidia, и в 8,5 раз — чем Cerebras. Веса хранятся в маске ROM, а кэши KV — в SRAM, что исключает зависимость от HBM.

Второе поколение HC2, выходящее этим летом, поддержит до 20 млрд параметров на чипе: для модели в 1 трлн параметров потребуется всего 50 таких ускорителей, что значительно эффективнее, чем сотни GPU или тысячи Groq LPUs. AMD планирует интегрировать Taalas в свои Helios-стеки, разделяя нагрузку: обработка промптов — на Instinct, генерация токенов — на Taalas. Переход на новую модель требует лишь замены двух металлических слоёв, что дешевле и быстрее, чем полный респин. Эта технология может сделать тестовое масштабирование (test-time scaling) экономически жизнеспособным, снижая стоимость токена и ускоряя ответы. Сделка закроется в IV квартале.

Taalas может революционизировать ИИ-индустрию, изменив подход к разработке и развертыванию моделей, повлияв на бизнес-модели и инфраструктуру. Технология особенно перспективна для узких задач на специализированных устройствах с низкой задержкой и редким обновлением моделей — например, в робототехнике и IoT. Некоторые сомневаются в её применимости из-за быстрой смены моделей, но другие видят в ней потенциал для создания дешёвых и быстрых вторичных моделей. Taalas может стать серьёзным конкурентом Nvidia и другим производителям ИИ-оборудования, сократив энергопотребление и изменив экономическую модель ИИ-бизнеса.

Главная идея — первый рабочий запуск DeepSeek‑V4‑Flash‑0731 на одной видеокарте AMD MI300X без дополнительной квантовки или оффлоу. Модель полностью помещается в 156,7 GiB HBM3, а благодаря 192 GiB памяти и 5,3 TB/s пропускной способности достигается пропускная способность до ≈ 8 K токенов/сек при предзаполнении и 168,6 токенов/сек в медиане однопоточного декодирования. При 8‑х одновременных потоках суммарный вывод достигает 542 токенов/сек, а пиковый 64‑потоковый баст‑запрос укладывается в 830 токенов/сек без OOM и ошибок движка. Контекст поддерживается до 256 K токенов (архитектура теоретически позволяет 1 M).

Ключевые факты, которые стоит запомнить:

• 156,7 GiB весов — полностью в HBM, без offload‑квантовки;
• ≈ 8 K tok/s предзаполнение (6 988–7 019 tok/s в продакшн‑профиле);
• 542 tok/s суммарный вывод при 8‑х потоках, 830 tok/s при 64‑потоковом басте;
• Исправления касаются FP8‑формата MI300X, MoE‑маршрутизации, CPU‑KV синхронизации и специфичных ядер ROCm.

Эти детали позволяют использовать MI300X как дешевый (в 2–3 раза) альтернативный вариант к NVIDIA‑решениям для тяжёлых LLM‑задач.

DeepSeek V4 Flash можно запускать на AMD MI300X, но с ограничением контекстного окна с 1M до 256k — по опыту @monster_truck, это не снижает качество. @Tepix считает MI300X неподходящей как OAM-модуль, но @WhitneyLand отмечает, что модель работает, хоть и с ограничениями. MI350P — альтернатива с 144GB памяти, но меньшей, чем у MI300X. @fergusfinn советует использовать MI300X с высоким HBM и делится опытом работы с 2xMI300X. Производительность MI300X всё ещё ниже, чем у H800 (15k токенов/сек).

Хакер Тренды — сервис, который за 18 лет собирает более 45 млн постов и комментариев Hacker News и строит по ним гистограммы частотности упоминаний выбранных терминов. Графики обновляются в реальном времени, позволяют добавлять несколько ключевых слов и сравнивать их популярность, а под графиком отображаются сами статьи и обсуждения, поиск по которым можно фильтровать. База построена на Upstash Redis Search, что обеспечивает быстрый поиск и возможность просматривать детали каждого всплеска интереса.

Самые яркие цепочки: OpenAI‑vs‑Anthropic — OpenAI лидировал до 2026, когда Anthropic резко набрал популярность; AMD‑vs‑Nvidia — AMD доминировал 2017‑20, а Nvidia захватила рынок GPU‑ИИ в 2020‑23; Flash‑vs‑HTML5 — Flash горячим был 2010‑11, а HTML5 обогнал его к 2014‑15. Такие «баттлы» показывают, как технологии сменяют друг друга в хайпе Hacker News. Особенно заметно смена в «социальных» проектах: Mastodon вспыхнул в 2022‑м после оттока от Twitter, а к 2024‑му Bluesky стал объектом вдвое частых обсуждений, тогда как в «инструментах» лидерство переключалось от Sublime → Atom → VS Code, от Docker → Kubernetes. Паттерны показывают привязку интереса к технологическим прорывам.

• Публичный доступ к базе Hacker News через ClickHouse и Upstash Redis Search, обновление в реальном времени.
• Ограничения и ошибки: 502/504‑лимиты, некорректное отображение терминов (например, C# считается как C) и отсутствие некоторых языков/компаний.
• Предложения по улучшению: нормализация по общему объёму, переход к дате по клику на графике, поддержка сравнения «Show HN».
• Интерес к аналитике трендов: сравнение технологий, генерация смайликов по тональности, использование AI‑эмбеддингов для более точного поиска.

AMD и Sony в рамках проекта Amethyst разрабатывают чипсет для PlayStation 6, который отказывается от классического конвейера рендеринга в пользу машинного обучения. Вместо того чтобы гнаться за полигонами, новая архитектура сфокусирована на эффективном запуске нейросетей, которые обрабатывают сцену и апскейлят изображение. Это позволит в будущем отказаться от дорогих и прожорливых GPU, а вместо этого полагаться на более дешёвые и компактные чипы с машинным обучением.

• Сомневается, что PS6 принесёт значимый прирост производительности из-за дорожающих чипов и фокуса на апскейл/фреймген.
• Считает, что PS5-генерация оказалась худшей за всю историю PlayStation из-за отсутствия игр и дороговизны.
• Указывает, что вместо новых консолей вендоры и разработчики игр вступают в порочный круг: не выгодно делать эксклюзивы под слабое железо, а без эксклюзивов никто не покупает консоль.
• Подчеркивает, что в то время как рынок ПК-видеокарт и консолей соревнуются в том, кто лучше умеет апскейлить старые игры, в то время как игры всё более требовательны к железу и всё меньше игр выходят вовремя.

Khronos одобрила расширение GL_EXT_mesh_shader для OpenGL, и это первый шаг к полному Mesh Shaders в линейке Mesa. Реализация уже влили в mesa, а вот драйвер RadeonSI ждёт своей очереди. Релиз ожидается в ближайшие дни.

Это первая крупная фича для OpenGL за долгое время, и она привнесёт геометрические шейдеры в core Mesa. Работа велась под эгидой AMD, при поддержке Qiang Yu и Shihao Wang.

• Обсуждение в основном вращается вокруг будущего OpenGL и его расширений, включая GL_EXT_mesh_shader и GL_EXT_descriptor_buffer, а также их влияние на Minecraft и другие проекты.
• Участники обсуждают, что новые расширения делают возможным использование шейдеров накладки и дескрипторов буферов, что может быть полезно для таких проектов, как Minecraft.
• Также обсуждается, что OpenGL всё ещё используется в Minecraft и других проектах, и что новые расширения могут помочь в разработке игр.
• Некоторые участники выражают обеспокоенность по поводу того, что OpenGL может быть вытеснен Vulkan и другими API, и что поддержка OpenGL может быть прекращена в будущем.
• В обсуждении также затрагиваются такие темы, как эволюция графических API и их влияние на разработку игр и будущее OpenGL.

AMD заключила сделку с OpenAI о поставках чипов для искусственного интеллекта, предоставив также опцион на приобретение 10% доли в компании. Это стратегическое партнёрство усиливает позиции AMD на рынке AI-чипов, где доминирует NVIDIA, и обеспечивает OpenAI доступ к передовым аппаратным решениям для разработки и масштабирования своих моделей.

Опцион на долю демонстрирует глубокую интеграцию интересов: AMD получает ключевого клиента и потенциального инвестора, а OpenAI — влияние на поставщика и приоритетный доступ к технологиям. Это может ускорить инновации в области аппаратного обеспечения для ИИ и снизить зависимость от единственного поставщика.

• AMD предоставила OpenAI опцион на покупку 10% своих акций по цене $0.01 за акцию при выполнении определенных условий
• Сделка призвана стимулировать OpenAI к закупкам GPU AMD на сумму до $100 млрд и совместной разработке ПО для AI-чипов
• Рыночная капитализация AMD выросла примерно на $100 млрд после анонса, что частично компенсирует стоимость опциона
• Многие участники обсуждения расценивают сделку как признак финансового пузыря и циркулярных денежных потоков в AI-индустрии
• Партнерство рассматривается как стратегический ход для создания альтернативы доминированию NVIDIA и CUDA

Microsoft планирует постепенно заменить графические процессоры AMD и Nvidia, используемые в своих AI-сервисах, на собственные чипы Maia. Это часть стратегии по снижению зависимости от внешних поставщиков и сокращению затрат на инфраструктуру для машинного обучения. Компания уже тестирует свои чипы в дата-центрах и планирует масштабировать их использование в Azure и других cloud-сервисах.

Переход на собственные решения может значительно сократить расходы на hardware и дать Microsoft больше контроля над производительностью и энергоэффективностью систем. Это также усилит конкуренцию на рынке AI-чипов, где доминируют Nvidia и AMD.

• Microsoft разрабатывает собственные AI-чипы (например, Maia 100) для снижения зависимости от NVIDIA и затрат, хотя и с опозданием по сравнению с Google и Amazon.
• Участники обсуждают, что создание собственного "кремния" — логичный шаг для крупных дата-центров, но для успеха критически важны разработка ПО и инфраструктуры (как у CUDA от NVIDIA).
• Высказываются опасения, что уход крупных игроков на собственные чипы может усилить монополию NVIDIA на рынке для остальных или, наоборот, снизить цены на GPU.
• Поднимается вопрос, является ли производственная мощность (например, TSMC) основным ограничением, а не дизайном чипов.
• Обсуждаются альтернативные архитектуры для AI, включая аналоговые чипы и специализированные решения для inference.

В пул-реквесте к Triton представлена реализация механизма persistent attention для ускорения работы с большими контекстами в трансформерах. Вместо пересчета ключей и значений для каждого токена механизм сохраняет их в глобальной памяти, что значительно снижает вычислительную нагрузку при обработке длинных последовательностей.

Автор демонстрирует, как это позволяет эффективно работать с контекстами до 128K токенов, избегая квадратичной сложности традиционного внимания. Практический вывод: такой подход открывает путь к более масштабным моделям без пропорционального роста затрат на вычисления.

• NVIDIA использует хардкод для оптимизации кода, содержащего "cutlass" в названии, что может быть нестабильным и приводить к скрытым багам.
• Подобные практики (оптимизации по именам функций или приложений) исторически распространены среди производителей железа и софта (ATI/AMD, Intel, Microsoft) для улучшения бенчмарков, иногда в ущерб качеству.
• Мотивация таких оптимизаций часто не злонамеренна, а связана с снижением рисков и фокусом на стабильности собственных библиотек, но создаёт новые барьеры.
• В индустрии существуют разногласия по поводу этичности таких практик, но для графических драйверов тюнинг под конкретные игры стал нормой.
• Обсуждаются проблемы проприетарного кода (драйверы, прошивки) и затраты общества на обратную разработку вместо сотрудничества.

AMD совершила стратегический прорыв в 2003 году, выпустив Athlon 64 — первый 64-битный процессор x86, который заставил Intel отказаться от собственного проекта Itanium и последовать за конкурентом. Intel изначально не хотела расширять x86 до 64 бит из-за архитектурного наследия и предпочла бы начать с чистого листа, создав более эффективный Itanium, но он провалился из-за отсутствия обратной совместимости и слабой поддержки софта.

AMD пошла на риск, понимая, что Itanium угрожает её существованию, и предложила рынку плавный переход: пользователи могли работать с 32-битными приложениями на полной скорости, а позже перейти на 64-битные ОС без потери совместимости. Это сработало — Microsoft поддержала архитектуру, а рынок оценил удобство. Athlon 64 не только выжил, но и заставил Intel лицензировать технологию AMD, что изменило расстановку сил в индустрии.

• Intel разработала собственные 64-битные расширения для x86 (Yamhill) ещё до AMD64, но отказалась от их внедрения из-за опасений конкуренции с Itanium (IA-64).
• Ключевым фактором успеха AMD64 стала обратная совместимость с существующим x86-софтом, в отличие от радикально новой и несовместимой архитектуры Itanium.
• Переломным моментом стало доминирование AMD с Athlon 64, однако Intel позже вернула лидерство с архитектурой Core, а затем вновь уступила с приходом AMD Zen.
• Решение Microsoft отказаться от поддержки 16-битного кода в 64-битных Windows было технически обосновано ограничениями AMD64, а не маркетинговым выбором.
• Разработка AMD64 велась с учётом опыта других архитектур (например, DEC Alpha) и включала устранение ряда недостатков x86, таких как малое количество регистров.

Один большой сервер вместо оркестра микросервисов

Современный сервер Azure с двумя AMD EPYC 3-го поколения даёт:

• 128 физических ядер / 256 потоков
• до 8 ТБ ОЗУ, 200 ГБ/с пропускная способность
• 128 линий PCIe 4.0 → 30 NVMe + 100 Гбит/с сеть
• 4 TFLOPS — в 2000 г. хватило бы для первой строчки Top500

Что он умеет

• 800 Гбит/с видео (Netflix)
• 1 млн IOPS в NoSQL, 70 k IOPS в PostgreSQL
• 500 k RPS nginx, компиляция ядра Linux за 20 с, кодирование 4K-видео 75 fps

Сколько стоит

• Аренда:
  – OVH: 128 ядер, 512 ГБ ОЗУ, 50 Гбит/с — $1 318/мес.
  – Hetzner: 32 ядра, 128 ГБ — €140/мес.
  – AWS m6a.metal: 96 ядер, 768 ГБ — $6 055/мес.
• Покупка: ~$40 000 за аналогичную конфигурацию у Dell.

Вывод
Для большинства задач один такой сервер перекрывает потребности всей компании. Распределённые системы нужны редко; чаще достаточно «одного большого сервера» и простого деплоя.

• «Облачный налог» заставляет инженеров выбирать только дорогие облачные решения, хотя за $200/мес. у Hetzner можно взять 48 ядер и 128 ГБ ОЗУ, тогда как AWS даёт лишь 4 vCPU и 16 ГБ.
• Многие участники подтверждают: при стабильной нагрузке гибрид «colo + VPS» или одна большая машина дешевле и проще, чем микросервисы и K8s.
• Ключевые риски: единая точка отказа, необходимость админов и железных рук; зато нет «meta-слоёв» Docker-proxy-nginx и можно выжимать максимум из железа.
• Часть команд тратит годы на «cloud-native» пайплайны и закрывается, не успев выйти на рынок; проще начать с PaaS/Hetzner и переезжать, когда счёт действительно больно.
• Для критичных задач достаточно двух физических серверов (active/backup) и CDN; 99,9 % доступности хватает большинству бизнесов, которым на деле не нужен 100 % uptime.

Краткая сводка проблемы
Два Ryzen 9950X вышли из строя за несколько месяцев при запуске тестов GMP. На обратной стороне процессоров появилось пятно ≈25 мм². Оба случая при низкой температуре окружающей среды (<20 °C).

Конфигурации

1. Ubuntu, Asus B650M-K, 64 ГБ DDR5-4800 ECC, SF450, NH-U9S.
2. Gentoo 6.12.31, Asus B650M-A WIFI II, 96 ГБ DDR5-5600 ECC, RM650, NH-U9S.

Возможные причины

• TDP 170 Вт, радиатор рассчитан на 165 Вт.
• Смещённое крепление радиатора (по рекомендации Noctua) выдавило термопасту, возможно, образовались пустоты при термоциклах.
• Процессоры работали под полной нагрузкой: цикл MULX каждый такт.
• Ни разгона, ни повышенного напряжения не было.

Наблюдения

• Оба процессора вышли из строя не сразу, а через пару месяцев максимальной нагрузки.
• Система на 7950X при аналогичной нагрузке стабильна и даже горячее.

• Пользователи массово сообщают о смерти процессоров Ryzen 9 9950X/9950X3D даже без разгона.
• Основные подозрения: слабое охлаждение (NH-U9S на 140 Вт при реальных 200–240 Вт), агрессивные настройки питания/матплаты (PBO, LLC), возможные локальные перегревы, не отлавливаемые датчиками.
• TDP 170 Вт назван маркетинговым; реальное потребление доходит до 235–240 Вт, поэтому «кулер на 165 Вт» изначально недостаточен.
• Некоторые добавляют проблемы с напряжением/питанием от конкретных плат ASRock/ASUS и «рваными» нагрузками вроде GMP или FFT.
• Общий вывод: железо должно само защищаться, но при несоответствии СО, BIOS-настроек и реальных нагрузок защита может не успеть.

• Framework Laptop 16 — предзаказы открыты
• Desktop — обзор, запчасти, документация, конфигуратор
• Laptop 12 — обзор, запчасти, документация, конфигуратор
• Laptop 13 — обзор, запчасти, документация, конфигуратор
• Laptop 16 — обзор, запчасти, документация, конфигуратор

Магазин

• Всё
• Outlet
• Ноутбуки
• Десктопы
• Материнки
• Модули расширения
• Память и накопители
• Клавиатуры
• Запчасти
• Инструменты
• ПО
• Мерч

Поддержка

• Linux
• Форум
• База знаний
• Запрос в поддержку

О компании

• О нас
• Устойчивость
• Блог
• Вакансии

• Пользователи жалуются на отсутствие WWAN-модуля, мелкие стрелки и нехватку клавиш Home/End.
• Радуются AMD-видеокартам как более «линуксовским», но спорят о проблемах NVIDIA.
• Цена новой сборки (≈ $4000) вызывает шок: «дороже, чем игровой ROG с RTX 3080».
• Вопрошают о реальной экономике модульности, сроках поставки в Японию и о OLED-экранах.
• Любители Linux спрашивают о «из коробки» и просят ThinkPad-стильный trackpoint.

Итоги моего ухода с Windows на Linux в эпоху анти-клиента

Профессионал с 25-летним стажем, я окончательно перешёл на Linux в 2023 г. и уже два года не возвращаюсь.
Windows 11 стал рекламной площадкой: Copilot, Recall, OneDrive навязываются и крадут данные без спроса.
Подписки вместо покупки, «облачные» файлы без согласия — всё это разрушает доверие.

Технически Linux сложнее, но свобода стоит усилий.
Европа (Digital Markets Act) и движения вроде StopKillingGames и RightToRepair дают надежду.

Ключевой вывод: контроль над купленным — основа личной свободы.

• Пользователи массово переходят на Linux из-за разочарования Windows 10/11 и улучшений десктоп-опыта.
• В семьях и малых бизнесах Linux уже заменяет Windows на ноутбуках и POS-терминалах, несмотря на «налог Microsoft» за предустановку.
• Среди оставшихся препятствий: игры с античитом, Adobe Creative Suite, Citrix, управление питанием/тачпадом, «виснут» при нехватке RAM.
• На работе Linux-доступен по запросу, но Word/Excel/PowerPoint и их форматы всё ещё тормозят миграцию SMB.
• Сообщество делится лайфхаками: Bee-link-мини-ПК вместо dual-boot, earlyoom/OOM-kill, AMD-видеокарты для игр, KVM-переключатели.

Купи быстрый процессор

Современные CPU стали шокирующе быстрыми, но большинство по-прежнему используют старые мобильные чипы, теряя продуктивность.

Подписка на AI-инструменты вроде Cursor стоит $480/год, а топовый Ryzen 9 9950X — всего $500. Амортизация за 3 года = $170/год: дешевле, чем AI, и выгода очевидна.

Бенчмарки

• Корпоративный ноутбук 2024 (i7-1165G7, 2020 г.)
• Лучший ThinkPad 2024 (Ryzen 7840U)
• Десктоп 2025 (Ryzen 9950X)

Разница — >10× на компиляции ядра Linux и TLS-операциях. 3 с против 30 с или 300 мс — это кардинально меняет опыт.

Правило:

• Десктоп ≈ 3× быстрее ноутбука
• Топ-CPU 2025 ≈ 3× быстрее топа 2022
• Новые облачные VM тоже 2-3× быстрее за ту же цену

Если вы оправдываете AI-подписку, оправдайте и лучший инструмент — быстрый CPU.

• Почти все согласны: «быстрый процессор = меньше ожидания компиляции → выше продуктивность», и ROI для старших разработчиков окупается за недели.
• Но выгода сильно зависит от задач: многие уже компилят в облаке/сервере, а фронтенд-сборки всё равно тормозят из-за однопоточных инструментов.
• Некоторые 10-летние CPU (i7-4770, Phenom II) всё ещё «достаточно быстры», если добавить RAM и SSD; апгрейд не всегда оправдан.
• Ноутбуки ограничены теплопакетом: «топ-чип в лэптопе ≠ тот же чип в десктопе».
• Итог: берите максимально быстрый десктоп, если компилируете локально; если работаете в облаке — экономьте деньги и нервы.

Framework Desktop — компактный 4,5-литровый ПК, который почти не шумит даже под полной нагрузкой. Внутри — мобильный AMD Ryzen AI Max 395+ (16 ядер Zen5, 5,1 ГГц), и он оказывается быстрее старого Ryzen 9 7950X в большом корпусе.

Корпус разукрашивается 21 сменной плиткой, можно печатать свои. Внешне — свежий минимализм вместо алюминия и RGB.

По производительности:

• Docker-тест HEY: почти вдвое быстрее Beelink SER8 и на 40 % опережает M4 Max.
• Geekbench 6 multi-core: на уровне M4 Max, заметно выше M4 Pro и Core i9-14900K.
• Одноядерка уступает Apple ≈20 %, но для многопоточных задач это лидер.

Цена выше, чем у Beelink, но пока это единственный безвентиляторный 395+ на рынке.

• Framework Desktop с Ryzen AI Max+ 395 даёт 64–128 ГБ единой памяти, позволяя запускать крупные LLM без дискретной видеокарты и дешевле, чем Mac Studio, но дороже Mini.
• Производительность ниже CUDA-карт Nvidia и M4 Max, зато выше, чем у iGPU Intel и старых решений.
• Многие сомневаются в цене и форм-факторе: за те же деньги можно взять Minisforum, Beelink, HP Z2 Mini или собрать полноценный десктоп.
• Пока CUDA-стека нет, AMD-совместимость с популярными AI-фреймворками ограничена.
• Ремонтопригодность и модульность Framework оценили, но в десктоп-сегменте это не уникально.