Nvidia отчиталась о рекордной квартальной выручке в $39,3 млрд, что на 12% больше квартала ранее и на 78% больше, чем год назад. Генеральный директор Дженсен Хуанг (Jensen Huang) заявил, что продажи чипов Blackwell идут «сверх всех ожиданий», а облачные GPU распроданы. На следующий квартал компания прогнозирует $43 млрд.
Параллельно с этим в Мемфисе Илон Маск (Elon Musk) строит через xAI крупнейший в мире кластер для обучения ИИ. Colossus 2 будет содержать более полумиллиона GPU от Nvidia после завершения в 2026 году. Первые 110 тыс. чипов уже устанавливаются.
Цифры, которые говорят о доминировании
Масштабы впечатляют. Nvidia теперь составляет около 8% от общего веса индекса S&P 500 — это самая высокая концентрация для одной акции за полвека. Компания берет около $3 млн за стойку с 72 GPU Blackwell и отгружает примерно 1000 таких стоек в неделю.
На конференции GTC в марте Хуанг сместил акцент с чипов на «фабрики ИИ» — специализированные вычислительные среды, где массовая обработка данных создает и развертывает системы искусственного интеллекта. Каждая система GB200 NVL72 содержит более 600 тыс. компонентов и работает как один огромный компьютер, обеспечивая в 30 раз более быструю производительность по сравнению с предыдущими системами для моделей ИИ с триллионом параметров.
Сложность создает защитный барьер. Это не серверы, которые можно собрать из стандартных компонентов. Речь идет о точно спроектированных системах, требующих жидкостного охлаждения на 120 киловатт на стойку, специальных соединений со скоростью 130 терабайт в секунду между GPU и программного обеспечения, которое обрабатывает десятки тысяч чипов как единую машину.
Почему собственные чипы не сокращают разрыв
На бумаге новый TPU Ironwood от Google выглядит конкурентоспособным. Каждый чип выдает 4,6 петафлопс вычислений для ИИ — чуть больше, чем 4,5 петафлопс у Nvidia B200. Google может масштабировать их в модули по 9216 чипов с теоретической поддержкой до 400 тыс. ускорителей в одном кластере.
Но есть загвоздка: TPU работают только внутри Google Cloud. Если вы хотите запускать задачи у нескольких облачных провайдеров, строить собственную инфраструктуру или использовать фреймворки вне экосистемы Google, Nvidia остается единственным вариантом.
Чипы Trainium от Amazon сталкиваются с похожими ограничениями. AWS утверждает о превосходстве в соотношении цены и производительности на 30-40% по сравнению с другими поставщиками, но только для задач, работающих полностью в облаке Amazon. Чипы специализированы для конкретных задач, а не обладают универсальной гибкостью, которая позволяет оборудованию Nvidia справляться с обучением, тонкой настройкой и выводом в любом фреймворке.
Для компании, тратящей $100 млрд на инфраструктуру, которая должна заработать через два года, ставка на проприетарное оборудование одного облачного провайдера — это риск, на который большинство не пойдет.
Настоящий барьер: экосистема
Преимущество Nvidia заключается не только в кремнии. Дело в десятилетиях разработки программного обеспечения, инструментов и подготовки инженеров.
Платформа программирования CUDA, которую Nvidia развивает с 2006 года, обслуживает практически все основные фреймворки ИИ, включая PyTorch, TensorFlow и JAX. Переход на чип конкурента часто означает переписывание кода, переобучение персонала и принятие того факта, что некоторые функции просто не будут работать.
Вакансии с упоминанием «CUDA» по-прежнему значительно превосходят по количеству те, где упоминаются альтернативы. Когда курс машинного обучения в Стэнфорде добавил фреймворк JAX от Google в качестве опции по умолчанию в 2025 году, это было примечательно именно потому, что CUDA остается стандартом уже более десяти лет.
Nvidia также выстроила отношения во всей цепочке поставок. Компания работает с более чем 200 технологическими партнерами на более чем 150 заводах по всему миру. Энергетические компании, специалисты по охлаждению, разработчики дата-центров и даже крупные инвестиционные фирмы теперь входят в сеть Nvidia.
Эта экосистема означает, что генеральный директор, покупающий инфраструктуру Nvidia, получает не просто чипы. Он получает комплексную стратегию с глобальной поддержкой.
Что может измениться
Экономика меняется на отдельных участках. Для высоконагруженных задач вывода, где вы многократно запускаете одну модель в массовом масштабе, TPU от Google и чипы Trainium от Amazon могут предложить лучшую стоимость за токен по сравнению с универсальными GPU от Nvidia.
Некоторые компании тихо делают переход. Anthropic взяла обязательства по миллиону TPU от Google в октябре 2025 года. Midjourney, по сообщениям, перенесла большую часть своей нагрузки по генерации изображений с оборудования Nvidia на TPU Google Cloud, значительно сократив ежемесячные расходы.
Но обучение новых передовых моделей? Здесь по-прежнему требуется Nvidia. Когда xAI понадобилось построить самую мощную в мире систему для обучения ИИ, они не стали искать альтернативы. Colossus 2 использует чипы Nvidia GB200.
Конкурентная картина реальна: TPU Ironwood от Google впервые сравнялся с Nvidia по базовым характеристикам. Серия MI350 от AMD предлагает альтернативу для предприятий, желающих иметь второго поставщика. Но соответствие спецификациям в тестах — это не то же самое, что соответствие полному набору программного обеспечения, поддержки и цепочки поставок, которые Nvidia строила десятилетиями.
Что это означает для всех остальных
Для инвесторов картина ясна: доминирование Nvidia не хрупкое, но и не гарантированное навсегда. Компания должна продолжать двигаться быстрее конкурентов, которые наконец создают достойные альтернативы.
Для компаний, создающих системы ИИ, расчет зависит от ситуации. Если вы обучаете передовые модели или вам нужна гибкость в работе с разными облаками и фреймворками, Nvidia остается стандартом. Если вы запускаете массивные задачи вывода внутри одного облака, экономика специализированных чипов заслуживает серьезной оценки.
Для всех остальных эта инфраструктурная гонка влияет на вас независимо от того, используете ли вы ИИ напрямую или нет. Электричество, питающее эти дата-центры, вызывает рост тарифов. Цепочки поставок, обслуживающие эти заводы, изменяют глобальное производство.
Nvidia продает не просто оборудование. Она строит фундамент для того, что Хуанг называет «эпохой ИИ». Останется ли этот фундамент эксклюзивно принадлежащим Nvidia или станет более конкурентным — от этого будет зависеть многое в том, как сложится следующее десятилетие.
Мнение ИИ
С точки зрения машинного анализа данных, текущее доминирование Nvidia напоминает ситуацию с Intel в 1990-х годах, когда компания контролировала критически важную инфраструктуру вычислений. История показывает, что подобная концентрация неизбежно привлекает внимание регуляторов — особенно в контексте национальной безопасности США и Китая.
Макроэкономический анализ выявляет скрытый риск энергетической устойчивости. Гигаваттные дата-центры, подобные Colossus 2, потребляют электричество целых городов, что может столкнуться с ограничениями энергосетей уже в 2026-2027 годах. Квантовые вычисления и нейроморфные чипы остаются «черными лебедями», способными кардинально изменить архитектуру ИИ-вычислений. Ситуация также демонстрирует парадокс: чем больше компаний строят альтернативы Nvidia, тем выше становится системный риск для всей индустрии в случае сбоев в цепочках поставок тайваньских полупроводников.
▼
Самые интересные и важные новости на нашем канале в Telegram
Источник: hashtelegraph.com
Обсуждение: post