En tareas específicas, los chips alternativos ofrecieron una calidad de respuesta comparable con costos significativamente menores.

El holding de TI T1 probó más de 20 modelos de inteligencia artificial en aceleradores gráficos alternativos a Nvidia. Los resultados de las pruebas demostraron que la transición a chips chinos en ciertos escenarios permite reducir los costos de inferencia (la ejecución de consultas a un modelo de IA entrenado) entre 2 y 2,5 veces, manteniendo una calidad de respuesta comparable.

El director general de T1, Dmitry Kharitonov, presentó los resultados del estudio en la Kazan Digital Week 2026. Para evaluar el equipamiento, la empresa creó un laboratorio especializado donde llevó a cabo más de 1000 pruebas de ejecución en aceleradores de diversos fabricantes.

El ahorro más notable con las GPU alternativas se observó en el trabajo de asistentes de IA con documentos y bases de conocimiento corporativas. En tareas de visión computacional, las soluciones chinas también demostraron ser competitivas en términos de costo, aunque quedaron por detrás de Nvidia en velocidad de procesamiento de datos.

Para el entrenamiento y reentrenamiento de modelos de lenguaje grandes, T1 propone combinar equipamiento: utilizar Nvidia para los procesos que demandan más recursos y transferir los servicios complementarios y parte de la inferencia a otras plataformas.

La empresa también citó un ejemplo de ahorro: sustituir un acelerador Nvidia H100 infrautilizado por el C550 chino permite reducir los costos en más de 2 millones de rublos al año cuando se aloja en la nube.

Según Kharitonov, la preparación de las empresas para adoptar la IA no se define por la cantidad de proyectos piloto, sino por un resultado económico medible que debe alcanzarse en un plazo de 6 a 9 meses. Al evaluar los costos, se debe tener en cuenta no solo el hardware, sino también las licencias, el soporte técnico y la capacitación de los empleados.