Nvidia годами выстраивала конкурентное преимущество вокруг платформы CUDA. Qualcomm решила предложить альтернативу — единую среду разработки, которая не зависит от смены аппаратной платформы.
Начав с чипов для смартфонов, Qualcomm расширилась на ПК, автопром, носимые устройства и ИИ-ускорители для дата-центров. Чем шире линейка продуктов, тем важнее программная база, объединяющая разные чипы в единую систему.
Ещё до завершения сделки Qualcomm и Modular совместно внедряли ПО последней в ИИ-ускоритель Dragonwing для ЦОД. Теперь, после закрытия сделки на сумму около $4 млрд, эти наработки переносят на платформу Snapdragon для ПК и смартфонов. Портирование продуктов Modular, включая язык Mojo и платформу MAX, уже началось.
«Главная миссия Modular — сделать гетерогенные вычисления открытыми», — заявил сооснователь Modular Крис Латтнер, ставший старшим вице-президентом Qualcomm по передовому ПО и платформам. По его словам, разработчики не должны быть привязаны к одному поставщику оборудования.
Экосистема Modular включает язык Mojo, платформу MAX для запуска ИИ-моделей на устройствах и облачный сервис Modular Cloud для управления крупной ИИ-инфраструктурой. Сейчас среда поддерживает шесть архитектур от шести крупных производителей оборудования.
На конференции Snapdragon Summit 2026 Qualcomm представила концепцию «унифицированного программного уровня для ИИ-вычислений» (Unified AI Compute Layer) — набор инструментов, не привязанных к оборудованию Nvidia или других производителей.
Компания также сотрудничает с Microsoft над поддержкой Mojo в Windows без конвертации кода — это должно привлечь разработчиков Windows-приложений в экосистему Modular.
В отрасли ИИ фокус смещается от производительности железа к экосистемам для разработчиков. Nvidia жёстко привязала ускорители к CUDA, а Qualcomm делает ставку на открытую платформу, охватывающую оборудование разных производителей — но процесс пока на начальном этапе.
Цель — избавиться от необходимости писать отдельный код под центральные, графические и нейропроцессоры. Пока перенос ИИ-моделей между разными типами чипов требует дополнительной оптимизации и переписывания кода.