До недавнего времени доминирующий нарратив об Nvidia выглядел так: в первые годы бума ИИ компания была единственным поставщиком передовых GPU, что приносило огромную прибыль по мере масштабирования индустрии. Однако за последние несколько лет гиперскейлеры вроде Amazon и Google начали разрабатывать собственные чипы, и Nvidia перестала быть единственным игроком. Это заставило многих инвесторов усомниться в устойчивости ее преимущества. История убедительная и в основном правдивая: после роста рыночной капитализации в 10 раз с начала 2023 года до середины 2025-го акции Nvidia в последний год росли скромнее из-за опасений по поводу конкуренции на рынке GPU.
Новый нарратив сформировался после отчета компании в среду: инвесторы начинают понимать, что преимущество Nvidia выходит далеко за пределы GPU. По мере того как вычислительные мощности ИИ достигают гигаваттного масштаба, оркестрация становится все более сложной задачей. Nvidia построила значительную часть передового оборудования для решения этой задачи, что дает ей огромное преимущество в системах, окружающих GPU, даже несмотря на растущую конкуренцию в самих GPU. Несмотря на разговоры о вычислительных ресурсах как о товаре, управлять мегамасштабным дата-центром с пиковой эффективностью по-прежнему невероятно сложно, и с ростом масштабов развертываний эта задача усложняется.
Примером может служить архитектура Vera Rubin, которую Nvidia сейчас внедряет. Она объединяет GPU Rubin с другими компонентами, включая CPU Vera, ускоритель вывода Groq 3 LPX и аналогичные стойки для хранения и сетей. Эти системы не обрабатывают токены, а обеспечивают максимальную эффективность всего, что находится вне GPU. Если GPU — это двигатель, то эти компоненты — остальная часть автомобиля. CPU Vera, в частности, решает проблему оркестрации данных. «Vera важна, потому что объем памяти, который можно разместить в одном сервере или вычислительной платформе, ограничен», — пояснил Джейсон Харди, вице-президент Nvidia по технологиям хранения. По мере роста вычислительной мощности дата-центров масштабировался и объем памяти, что принесло доход таким компаниям, как Micron. Однако доставка данных к GPU в нужное время — нетривиальная задача, и по мере стремления компаний снижать токены на ватт важность такого управления трафиком становится очевидной.
Vera CPU ускоряет операции с данными до 3 раз, устраняя узкие места при использовании флеш-памяти.
«Мы наблюдали улучшение до 3 раз в этих операциях благодаря ускорению с помощью CPU Vera, — отметил Харди. — Теперь мы можем использовать нашу флеш-память на полную мощность, потому что получаем всю производительность без узких мест». Аналогичные проблемы решают и за пределами Nvidia. При разработке чипа Jalapeño компания OpenAI сосредоточилась на минимизации объема перемещаемых данных. «Мы спроектировали Jalapeño, чтобы минимизировать перемещение данных и задержки связи, — говорится в блоге компании. — Большая область чипа позволяет выполнять всю рабочую нагрузку в одной связанной системе, что минимизирует перемещение данных и обеспечивает быстрое и эффективное выполнение запроса от начала до конца». Это иной подход — избегать перемещения данных, выполняя нагрузку в одном интегрированном чипе, но логика та же: повышение эффективности за счет интеллектуального управления трафиком, а не просто дополнительных тактов процессора.
Это открывает новый уровень инфраструктуры, за который будут конкурировать компании. Для Nvidia это не автоматическая победа: придется соперничать с другими производителями чипов и гиперскейлерами, как и в случае с GPU. Но конкуренция перешла на новый уровень, где создание rival GPU значит меньше, чем способность заставить всю систему работать эффективно. На раннем этапе Nvidia выглядит уверенным лидером.
