NVIDIA «День квантов» двойной залп: открытая модель ИИ Ising взорвала акции квантовых технологий, внутренний ИИ за одну ночь завершил проектирование чипа, эквивалентное 80 человеко-месяцам

Автор: Клод, Deep Tide TechFlow

Обзор Deep Tide: Nvidia 14 апреля в «Мировой день квантовых технологий» выпустила первую в мире открытое семейство квантовых AI-моделей Ising, скорость исправления ошибок и декодирования увеличена в 2,5 раза по сравнению со стандартами отрасли, точность — в 3 раза.

Акции, связанные с квантовой тематикой, в этот день резко выросли: IonQ выросла на 18%, D-Wave — на 15%. В тот же день главный ученый Уильям Далли на GTC 2026 сообщил, что AI уже перенес стандартные блоки чипов с 8 человек за 10 месяцев на один GPU за ночь, а результаты проектирования превосходят ручные.

Nvidia использует AI для ускорения двух самых сложных инженерных задач: сделать квантовые компьютеры действительно пригодными для использования и ускорить сам дизайн GPU.

14 апреля, в «Мировой день квантовых технологий», Nvidia выпустила первую в мире открытое семейство AI-моделей для квантовых вычислений NVIDIA Ising, акции квантовых компаний выросли в ответ. В тот же период главный ученый компании Уильям Далли на GTC 2026 рассказал о последних достижениях AI в процессе проектирования чипов Nvidia, где эффективность одной задачи выросла в сотни раз.

Две линии указывают на один и тот же вывод: AI превращается из «инструмента прикладного уровня» в «инфраструктуру инфраструктуры», ускоряя как downstream-индустрии (квантовые вычисления), так и собственные аппаратные итерации AI.

Первая в мире открытая семейство квантовых AI-моделей, нацеленных на две основные проблемы квантовых вычислений

По данным пресс-релиза Nvidia от 14 апреля, семейство моделей Ising включает два домена: Ising Calibration и Ising Decoding, предназначенных для решения двух ключевых проблем внедрения квантовых вычислений.

Квантовые биты (qubit) квантовых процессоров изначально имеют шумы, и лучшие процессоры допускают ошибку примерно раз на тысячу операций. Чтобы сделать квантовые компьютеры практичными, уровень ошибок должен снизиться до менее чем 1 на триллион.

Ising Calibration — это модель визуального языка с 35 миллиардами параметров, которая автоматически интерпретирует измерительные данные квантового процессора и принимает решения по калибровке, сокращая процесс калибровки с нескольких дней до нескольких часов. Ising Decoding — пара 3D сверточных нейронных сетей (оптимизированных для скорости и точности), предназначенных для реального времени декодирования квантовых ошибок, в 2,5 раза быстрее текущего открытого стандарта pyMatching и в 3 раза точнее.

Руководитель квантовых продуктов Nvidia Сэм Стэнвик объяснил логику открытой стратегии: производители квантового оборудования имеют разные шумовые характеристики, открытые модели позволяют им донастраивать их локально с помощью собственных данных, повышая производительность и защищая конфиденциальные данные.

Генеральный директор Nvidia Дженсен Ху заявил более прямо: AI становится управляющей плоскостью квантовых машин, превращая уязвимые квантовые биты в масштабируемую и надежную систему квантовых GPU.

По информации Nvidia, уже несколько организаций начали использовать модели Ising, включая Гарвардский университет, Ферми-лабораторию, IQM Quantum Computers, Лоренц-Беркли, Национальную физическую лабораторию Великобритании и другие.

Акции квантовой тематики выросли в один день, IonQ — на 18%

В день выпуска Ising акции квантовых компаний в США резко выросли. Согласно данным Yahoo Finance, IonQ выросла примерно на 18%, D-Wave Quantum — на 15%, Rigetti Computing — на 12%.

Этот рост связан с тем, что акции квантовой тематики с начала года находились в глубокой коррекции. До 14 апреля IonQ снизилась примерно на 22%, D-Wave — на 35%, Rigetti — на 23%. Двухзначный рост в этот день не изменил нисходящую тенденцию за год, но коллективное движение привлекло внимание.

Стоит отметить, что драйвером этого рынка было не только выпуск Ising. В тот же день IonQ объявила о прогрессе в квантовой сети и контракте с DARPA, Rigetti получила заказ на 8,4 миллиона долларов от Центра развития высокопроизводительных вычислений Индии (C-DAC). Множество факторов одновременно усилили эффект на сектор.

Аналитическая компания Resonance прогнозирует, что к 2030 году мировой рынок квантовых вычислений превысит 11 миллиардов долларов. В отчете Quantum Economic Development Consortium (QED-C), опубликованном в тот же день, говорится, что к 2025 году глобальный квантовый рынок достигнет 1,9 миллиарда долларов, а число сотрудников чисто квантовых компаний выросло на 14%.

За одну ночь с 80 человеко-месяцами: AI меняет процесс проектирования чипов Nvidia

Ising указывает на ускорение внешней индустрии, внутри же Nvidia использует AI для преобразования собственного процесса проектирования чипов.

Главный ученый Nvidia Уильям Далли на GTC 2026 в разговоре с главным ученым Google Джеффом Дином рассказал о нескольких конкретных случаях. Самый впечатляющий — перенос стандартных блоков: при переходе Nvidia на новые технологические процессы (например, с 7 нм на 5 нм) необходимо перепроектировать около 2500–3000 стандартных элементов под новую технологию, что раньше занимало 8 инженеров около 10 месяцев. Nvidia разработала инструмент на базе усиленного обучения под названием NVCell, который теперь может за ночь выполнить эту работу на одной GPU, а полученные блоки по площади, энергопотреблению и задержкам превосходят ручной дизайн.

По данным Tom’s Hardware, Далли сравнил этот процесс с «игрой, в которой исправляют ошибки правил проектирования», подчеркнув, что усиленное обучение особенно хорошо подходит для таких методов проб и ошибок.

На более высоком уровне Nvidia создала внутренние большие языковые модели Chip Nemo и Bug Nemo, основанные на 30-летних собственных данных компании, включающих RTL-код всех GPU, техническую документацию и архитектурные спецификации. По словам Далли, младшие инженеры могут напрямую задавать вопросы Chip Nemo, экономя время на постоянных обращениях к опытным дизайнерам. Он описал его как «очень терпеливого наставника».

На уровне оптимизации цепей Nvidia также применяет усиленное обучение к классическим задачам проектирования, таким как цепи с предсказанием переноса. Далли заявил, что AI-проекты «полностью странные для человека, но по факту работают на 20–30% лучше, чем человеческий дизайн».

Далеко до полного автоматического проектирования чипов AI

Однако Далли ясно обозначил границы своих ожиданий. Он сказал, что очень хотел бы реализовать полностью автоматизированный end-to-end процесс, но пока это очень далеко.

На данный момент дизайн чипов Nvidia с помощью AI — это скорее вспомогательный инструмент, а не замена человеку. AI помогает в переносе стандартных элементов, классификации и резюме ошибок, прогнозировании размещения и маршрутизации, исследовании архитектурных решений, но полноценного автоматизированного end-to-end процесса пока нет. Далли предполагает, что в долгосрочной перспективе это будет система с несколькими агентами, где разные AI-агенты отвечают за разные этапы проектирования, подобно разделению труда в инженерной команде.

По данным Computer Weekly, Далли и Дин также обсуждали влияние AI на традиционные программные инструменты: когда AI работает намного быстрее человека, традиционные инструменты разработки программного обеспечения станут узким местом, и потребуется их переосмысление — от инструментов программирования до бизнес-приложений.