# SpaceX разработала собственную С-библиотеку для обучения ИИ на 220 тысячах GPU GB300

> Глава SpaceX и xAI Илон Маск (Elon Musk) сообщил о завершении разработки первой версии внутреннего фреймворка для обучения моделей искусственного интеллекта на языке C, который оптимизирован под кластер из 220 тысяч графических процессоров Nvidia GB300 с...

- Canonical HTML: https://youragents.me/ru/media/news/spacex-razrabotala-sobstvennuju-s-biblioteku-dlja-obuchenija-ii-na-220-tysjachah-gpu-gb300
- Markdown: https://youragents.me/ru/media/news/spacex-razrabotala-sobstvennuju-s-biblioteku-dlja-obuchenija-ii-na-220-tysjachah-gpu-gb300.md
- Section: Новости
- Published: 2026-05-29T22:37:44+03:00
- Modified: 2026-05-29T22:37:44+03:00

Глава SpaceX и xAI Илон Маск (Elon Musk) сообщил о завершении разработки первой версии внутреннего фреймворка для обучения моделей искусственного интеллекта на языке C, который оптимизирован под кластер из 220 тысяч графических процессоров Nvidia GB300 с сетевыми адаптерами 800G. По его словам, новая библиотека обещает ускорить обучение более чем в 10 раз по сравнению с JAX. 

SpaceX завершает работу над собственной инфраструктурой для обучения моделей ИИ, написанной на языке C. Как заявил Маск, фреймворк «максимально приближен к железу» и использует продвинутые методы параллелизма, включая pipeline parallelism, для эффективной работы на кластере из 220 тысяч GPU Nvidia GB300 с сетевыми адаптерами 800G. По его оценке, потенциальный прирост скорости обучения на крупных задачах может превысить порядок величины по сравнению с фреймворком JAX, который ранее использовался в проектах xAI.

Маск подчеркнул, что новая библиотека позволит не только ускорить обучение, но и оптимизировать инференс моделей, особенно в задачах обучения с подкреплением (reinforcement learning, RL). В дальнейших планах — разработка аналогичного стека для инференса, также на языке C, с минимальным использованием C++. Глава SpaceX отметил, что публикация новости призвана привлечь специалистов, заинтересованных в достижении «невероятной производительности» аппаратного обеспечения.

Заявление Маска вызвало бурную реакцию в профессиональном сообществе. Ряд экспертов, включая сооснователя MosaicML Навина Рао (Naveen Rao) и исследователя Джереми Ховарда (Jeremy Howard), усомнились в реалистичности 10-кратного ускорения. По их мнению, основное время при обучении моделей тратится на оптимизированные под GPU ядра, а не на язык программирования или фреймворк. Рао предположил, что заявленный прирост может быть связан с низкой эффективностью предыдущей реализации на базе JAX в xAI, а не с преимуществами C как такового.

Другие участники дискуссии, в том числе разработчик Лукас Бейер (Lucas Beyer) из Google DeepMind, назвали утверждение Маска «необоснованным» и предположили, что оно может быть результатом завышенных обещаний со стороны инженеров. В то же время некоторые специалисты, включая Роана Анила (Rohan Anil) из Google, допустили, что 10-кратное ускорение может относиться к отдельным компонентам обучения, а не ко всему процессу в целом. Анил также отметил, что проблемы с производительностью JAX на GPU могут быть связаны с неоптимальной настройкой коллективных операций.

Критические замечания касались и технических аспектов. Например, инженер из Nvidia Клайв Чан (Clive Chan) указал, что основное время при запуске небольших ядер на GPU занимает не фреймворк, а драйвер Nvidia, который уже написан на C++. Он также отметил, что для задач инференса переход на C может дать некоторый прирост, но вряд ли достигнет 10-кратного ускорения.

Несмотря на скепсис, некоторые участники дискуссии поддержали идею отказа от высокоуровневых фреймворков в пользу низкоуровневых решений. Так, разработчик Каше (kache) заявил, что любые абстракции, не предоставляемые напрямую производителем оборудования, «слишком сильно ограничивают» возможности оптимизации. Он предложил использовать CUDA для реализации нестандартных задач, а не полагаться на PyTorch или JAX.

Источники: X-пост Илона Маска, 27 мая 2026; обсуждение в X-постах Навина Рао, Джереми Ховарда, Лукаса Бейера, Роана Анила, Клайва Чана.