Два года назад история казалась простой: Nvidia монополизировала рынок AI-чипов на волне бума, гиперскейлеры начали делать свои GPU, и акции выросли в 10 раз за первые два года бума. Потом зафиксировались на плато — именно потому, что конкуренция в GPU стала реальностью. Amazon и Google теперь строят собственные ускорители, и инвесторы закономерно задавались вопросом: насколько устойчиво доминирование Nvidia?
На это неделе компания переписала сценарий. Оказывается, GPU — это только часть картины, причём даже не самая сложная. Когда датацентры масштабируются до гигаватт потребления, главная беда не в вычислительной мощности, а в том, как заставить все эти системы работать синхронно и без потерь. Вот здесь Nvidia создала целый парк специализированного оборудования, который конкурентам воспроизвести намного сложнее, чем скопировать архитектуру GPU.
Практика подтверждает тезис: в новой линейке Vera Rubin Nvidia поставляет не только сам GPU, но и целый набор компонентов — CPU для оркестрации данных, ускоритель для инференса, системы хранения и сетевого взаимодействия. Если GPU — это двигатель, то остальное — это вся машина. И машина работает в три раза эффективнее благодаря тому, что данные попадают на GPU ровно когда нужно, без простоев и узких мест. Проблема в том, что по мере роста объёмов память растёт, но физически передать её в нужное место в нужный момент — задача не тривиальная.
Эту проблему видят все: когда OpenAI разрабатывал чип Jalapeño, основной фокус был на том, чтобы минимизировать движение данных между компонентами системы. Они выбрали другой путь — интегрировали всё в один чип, чтобы данные вообще не перемещались. Логика одна: эффективность растёт не из добавления мощности, а из умного управления потоками. Это открывает новый уровень, где конкурировать нужно не за мегагерцы, а за архитектуру всей системы.
Конкуренция на этом уровне будет не менее жёсткой, чем в GPU. Гиперскейлеры и новые производители чипов будут наступать и дальше. Но игра переместилась в другую плоскость: просто сделать конкурентный GPU недостаточно, нужно уметь строить работающие системы. На этом этапе Nvidia находится существенно впереди — у неё есть опыт, экосистема, и самое главное, она первая это осознала как приоритет.
Для российского бизнеса, работающего с ИИ-инфраструктурой, это означает, что выбор чипа — это уже не основной вопрос. Куда важнее становятся компетенции в системной интеграции, мониторинге и оптимизации потоков данных. Если вы строите или администрируете датацентр с ИИ-нагрузкой, внимание нужно обращать именно на оркестрацию — как система управляет памятью, как оптимизирует передачу данных, какие инструменты мониторинга и автоматизации предоставляются. Это становится той же критичной компетенцией, что когда-то была просто способность купить нужное количество GPU.
Переход Nvidia от одноёлементного производителя к системному интегратору не гарантирует ей вечное доминирование, но даёт очень серьёзное преимущество на время, пока конкуренты будут разбираться, как вообще строить такие системы. Пока это время работает в её пользу.