Преимущество Nvidia в области искусственного интеллекта выходит за рамки графических процессоров.

В последние несколько лет гиперскейлеры, такие как Amazon и Google, начали создавать собственные чипы, и Nvidia больше не является единственным игроком на рынке, что заставляет многих инвесторов задаваться вопросом, насколько устойчиво её преимущество.

Это убедительная история, и в основном она правдива. После того как рыночная капитализация Nvidia выросла в 10 раз с начала 2023 по середину 2025 года, акции компании в течение последнего года двигались более умеренно из-за опасений по поводу конкуренции в области графических процессоров.

После публикации отчёта о прибыли в среду начала формироваться новая нарративная линия, и инвесторы начинают осознавать, что преимущество Nvidia выходит далеко за рамки самих GPU. По мере того как вычислительные мощности для ИИ достигают гигаваттного масштаба, задача оркестрации становится всё более сложной. Как и следовало ожидать, Nvidia создала значительную часть передового оборудования, необходимого для решения этой задачи, что даёт компании огромное преимущество в системах, окружающих GPU, даже при том, что она сталкивается с растущей конкуренцией в области самих графических процессоров.

При всех разговорах о вычислительных мощностях как о товаре, по-прежнему невероятно сложно управлять центром обработки данных мегамасштаба с максимальной эффективностью, и по мере того, как развёртывание становится всё более масштабным и быстрым, эта задача только усложняется.

Стойка за стойкой

Отчасти это можно увидеть, просто взглянув на детали того, что на самом деле продаёт Nvidia. В настоящее время компания внедряет свою архитектуру Vera Rubin, которая объединяет GPU Rubin с набором других компонентов, включая CPU Vera, ускоритель логического вывода Groq 3 LPX и аналогичные стойки для хранения данных и сетевого взаимодействия.

За последнюю неделю я общался с представителями Nvidia о том, что именно делают эти системы, и результаты оказались неожиданными. Как и сам GPU Rubin, они представляют собой узкоспециализированные системы, но вместо обработки токенов они обеспечивают максимально эффективную работу всего, что находится за пределами GPU. Если GPU — это двигатель, то всё остальное — это остальные части автомобиля.

В частности, CPU Vera нацелен на решение задачи оркестрации данных. «Vera важна, потому что объём памяти, который можно разместить в одном сервере или на любой вычислительной платформе, ограничен», — рассказал мне Джейсон Харди, вице-президент Nvidia по технологиям хранения данных.

По мере масштабирования вычислительных мощностей центров обработки данных объём памяти также увеличивался, поэтому такие компании, как Micron, разбогатели во время второй волны инфраструктурного бума. Однако доставить данные к GPU в нужный момент не так просто, и поскольку компании стремятся снизить количество токенов на ватт, они начинают осознавать, насколько важна такая маршрутизация трафика.

«Мы наблюдали повышение производительности этих операций до трёх раз благодаря ускорению, обеспечиваемому CPU Vera», — сказал Харди. «Теперь мы можем использовать нашу флэш-память на полную мощность, потому что можем извлечь из неё всю производительность без образования узких мест».

Аналогичные версии той же проблемы можно увидеть и за пределами Nvidia. Когда OpenAI разрабатывала свой чип Jalapeño, одним из основных направлений было полное избежание этих проблем путём минимизации объёма данных, которые необходимо перемещать.

«Мы разработали Jalapeño так, чтобы минимизировать перемещение данных и задержки при передаче», — говорится в сообщении компании в блоге, опубликованном ранее в этом месяце. «Его большая область позволяет всей рабочей нагрузке оставаться в рамках одной связанной системы, что сводит к минимуму перемещение данных и помогает выполнению полного запроса оставаться быстрым и эффективным от начала до конца».

Это другой подход — полное избегание перемещения данных путём выполнения рабочей нагрузки в рамках одного интегрированного чипа. Но общая логика та же: повышение эффективности за счёт более интеллектуального управления трафиком, а не просто за счёт увеличения количества тактов процессора. Это, в свою очередь, открывает новый уровень инфраструктуры, за который компании могут конкурировать.

Это новое внимание к оркестрации данных не является автоматической победой для Nvidia. Компании придётся конкурировать с производителями чипов и гиперскейлерами точно так же, как и в случае с GPU. Но конкуренция перешла на новый уровень, где создание конкурирующего GPU имеет меньшее значение, чем способность обеспечить эффективную работу всей системы.

И по крайней мере на начальном этапе Nvidia, похоже, имеет подавляющее преимущество.