Преимущество Nvidia в ИИ выходит за пределы GPU

До наступившей на этой неделе отчётности Nvidia доминирующей историей о компании было следующее: в первые годы бума искусственного интеллекта Nvidia оставалась единственным поставщиком передовых графических процессоров, ставших чрезвычайно прибыльными по мере масштабирования отрасли. В последние годы гипермасштабные провайдеры, включая Amazon и Google, начали разрабатывать собственные чипы, и Nvidia перестала быть единственным игроком на рынке — это вызвало у инвесторов вопросы об устойчивости её преимущества.

Эта история убедительна и в основном соответствует действительности. После роста капитализации компании в 10 раз с начала 2023 года до середины 2025 года акции Nvidia в течение последнего года демонстрируют более скромную динамику, обусловленную опасениями относительно конкуренции в сегменте GPU.

Новая повествовательная линия начала формироваться после публикации финансовых результатов компании в среду. Инвесторы начинают осознавать, что преимущество Nvidia простирается далеко за пределы графических процессоров. По мере роста вычислительных мощностей ИИ до уровня гигаватт задача оркестрации становится всё более сложной. Неудивительно, что Nvidia создала значительную часть передового оборудования, необходимого для её решения, получив колоссальное преимущество в системах, окружающих GPU, даже на фоне усиления конкуренции непосредственно в сегменте GPU.

Несмотря на широко распространённые рассуждения о вычислительных ресурсах как о товаре, эксплуатация мегамасштабного дата-центра с максимальной эффективностью остаётся исключительно сложной задачей — и с увеличением размеров и скорости развёртываний эта сложность только возрастает.

Часть этого можно увидеть уже в деталях того, что Nvidia фактически продаёт. Компания в настоящее время внедряет архитектуру Vera Rubin, объединяющую GPU Rubin с набором других компонентов, включая процессор Vera CPU, акселератор вывода Groq 3 LPX, а также аналогичные стойки для хранения и сетевой инфраструктуры.

На протяжении прошедшей недели я беседовал с представителями Nvidia о функциональном назначении этих систем. Результаты оказались неожиданными. Как и сам GPU Rubin, они представляют собой чрезвычайно специализированные решения, однако их задача — не обработка токенов, а обеспечение максимально эффективной работы всех компонентов вне GPU. Если GPU — это двигатель, то эти системы — остальная часть автомобиля.

Особое внимание заслуживает процессор Vera CPU, ориентированный на решение проблемы оркестрации данных. «Vera важна, потому что объём памяти, который можно разместить в одном сервере или любой вычислительной платформе, ограничен», — заявил мне Джейсон Харди, вице-президент Nvidia по технологиям хранения.

По мере роста вычислительной мощности дата-центров объёмы памяти также увеличились, что позволило таким компаниям, как Micron, добиться успеха во второй волне инфраструктурного бума. Однако доставка данных в GPU в нужный момент — задача нетривиальная. По мере стремления компаний к снижению показателя токенов на ватт они всё отчётливее осознают критическую важность управления таким трафиком.

«Мы зафиксировали рост эффективности этих операций в 3 раза благодаря ускорению, обеспечиваемому Vera CPU», — отметил Харди. «Теперь мы можем использовать нашу флеш-память в полном объёме, поскольку извлекаем из неё всю возможную производительность без возникновения узких мест».

Аналогичные проблемы проявляются и за пределами экосистемы Nvidia. При разработке чипа Jalapeño OpenAI сделала акцент на полном устранении указанных трудностей за счёт минимизации объёма перемещаемых данных.

«Мы спроектировали Jalapeño так, чтобы минимизировать перемещение данных и задержки при коммуникации», — говорится в блог-посте компании, опубликованном в начале этого месяца. «Его большая область позволяет размещать всю рабочую нагрузку внутри одной связанной системы, минимизируя перемещение данных и обеспечивая высокую скорость и эффективность выполнения запроса от начала до конца».

Это иной подход — полное устранение перемещения данных за счёт выполнения рабочей нагрузки в рамках одного интегрированного чипа. Однако общая логика остаётся неизменной: повышение эффективности достигается за счёт более интеллектуального управления трафиком, а не за счёт простого увеличения числа тактов процессора. Это, в свою очередь, открывает новый уровень инфраструктурной конкуренции для компаний.

Новый фокус на оркестрации данных не гарантирует автоматической победы Nvidia. Компании придётся конкурировать с другими производителями чипов и гипермасштабными провайдерами так же, как она конкурировала в сегменте GPU. Однако конкуренция сместилась на новый уровень, где наличие конкурирующего GPU имеет меньшее значение по сравнению с возможностью обеспечить эффективную работу всей системы в целом.

По крайней мере на ранних этапах Nvidia демонстрирует подавляющее лидерство.