Compass Investments

Китайская фирма Z.AI представила крупную по开放ную модель для изображений, полностью натренированную на чипах Huawei.

В ней применена смешанная конструкция на базе авторегрессии и диффузии, что улучшает чтение текста и пространственный контроль.

Выпуск демонстрирует стремление Китая к независимости в области ИИ, обходясь без американских GPU.

Z.AI, игровая компания из Китая, в среду анонсировала общедоступную модель генерации картинок, обучение которой прошло исключительно на процессорах Huawei. Это первый случай, когда столь масштабная ИИ-модель была обучена без использования оборудования из США.

Этот шаг может бросить долгосрочный вызов господству Nvidia в сегменте ИИ-чипов, показывая, что ведущие китайские ИИ-разработчики способны обучать большие модели без привязки к американским графическим ускорителям.

Модель уже доступна для скачивания на Hugging Face и, по нашим первичным оценкам, выдает хорошие (хотя и не передовые по нынешним стандартам) результаты в плане эстетики и связности текста, при этом демонстрируя превосходное понимание пространственных отношений.

Изображение, сгенерированное новой моделью z.AI.

Пекинская фирма, на прошлой неделе привлекшая $558 млн в ходе листинга в Гонконге, обучала модель под названием GLM-Image на кластерах Huawei Ascend Atlas 800T A2, используя фреймворк MindSpore.

“Мы надеемся, что эта модель послужит ценным ресурсом для сообщества, позволяя изучить потенциал отечественных вычислительных мощностей”, цитирует Z.AI издание South China Morning Post.

GLM-Image объединяет авторегрессионные и диффузионные методы в гибридной структуре с 16 миллиардами задействованных параметров. Авторегрессивная часть, базирующаяся на языковой модели GLM-4 от Z.AI, отвечает за интерпретацию запросов и общую композицию рисунка, в то время как диффузионный декодер доводит до совершенства мелкие детали. Такой подход перекликается с техниками, использованными в новейшей модели генерации изображений от OpenAI, gpt-image-1.5, которая показала лучшие результаты в плане визуализации текста и следования инструкциям по сравнению с чисто диффузионными аналогами, вроде Stable Diffusion.

Диффузионные модели создают картинки, начиная со случайного шума и постепенно превращая его в изображение, тогда как авторегрессионные модели выстраивают их поэтапно, предсказывая каждый элемент на основе предыдущих. Диффузия лучше справляется с общей реалистичностью, но может испытывать сложности с точными элементами вроде текста или компоновки, тогда как авторегрессия сильна в структурной выверенности и следовании указаниям. На текущий момент диффузионные методы доминируют среди генераторов изображений с открытым кодом.

Новые гибридные системы комбинируют оба подхода: авторегрессия используется для первоначального плана изображения, а диффузия для финальной доработки результата.

Этот релиз крайне важен для Z.AI, которую Вашингтон внес в санкционный список в 2025 году из-за предполагаемых связей с военными кругами Китая. Это лишило компанию доступа к ускорителям Nvidia H100 и A100. Теперь Z.AI продемонстрировала, что даже находящиеся под санкциями компании могут создавать конкурентоспособные ИИ-решения на локальном оборудовании, что Пекин давно стремился доказать.

Сразу после заявления Z.AI агентство Reuters сообщило, что китайская таможня предписала сотрудникам пресекать ввоз в страну чипов Nvidia H200. Чиновники провели встречу с представителями IT-компаний, где им было рекомендовано воздерживаться от незапланированных закупок этих чипов. По данным источников, формулировки были достаточно строгими, чтобы

почти полностью запретить импорт этих устройств.

Похоже, Пекин дает понять, что китайские ИИ-лаборатории способны разрабатывать передовые модели без американских полупроводников, что снижает потребность китайских фирм в накоплении запасов оборудования Nvidia. Чип H200, превосходящий по мощности заблокированный в августе прошлого года H20 примерно в шесть раз, вызвал заказы от китайских компаний на более чем два миллиона единиц по цене $27 000 за штуку.