В мире искусственного интеллекта происходит парадоксальный сдвиг: технологические компании, десятилетиями полагавшиеся на специализированных производителей чипов, теперь массово инвестируют в собственные полупроводниковые разработки. Nvidia с её доминированием на рынке GPU для ИИ спровоцировала настоящую революцию в подходе к аппаратному обеспечению.
Почему гиганты отказываются от аутсорсинга
Доминирование Nvidia на рынке процессоров для искусственного интеллекта заставляет технологических лидеров пересматривать стратегии снабжения. Компании вроде Alphabet, Amazon, Microsoft и Meta* активно развивают внутренние разработки кремния, опасаясь зависимости от единственного поставщика критически важных компонентов.
Монопольное положение Nvidia даёт ей огромную ценовую власть. Прогнозируется, что её подразделение центров обработки данных достигнет 74% валовой маржи при объёме продаж в $187 миллиардов к январю 2026 года по данным Visible Alpha.
Экономика ИИ: растущие затраты на обучение
Гонка вооружений в области искусственного интеллекта требует всё больших вычислительных мощностей. Стоимость обучения передовых AI-моделей с 2016 года растёт в 2,4 раза ежегодно. Если эта тенденция сохранится, к 2027 году обучение крупнейших моделей может обойтись более чем в $1 миллиард, что создаёт дополнительный стимул для поиска более дешёвого оборудования.
Облачные провайдеры и технологические компании разрабатывают специализированные процессоры (ASIC), оптимизированные для конкретных задач. В отличие от универсальных решений Nvidia или Advanced Micro Devices, эти чипы создаются для выполнения узкоспециализированных функций.
Примеры кастомных решений
- Google разработал Tensor Processing Units ещё десятилетие назад для функции преобразования речи в текст
- Microsoft реализует стратегию «от кремния до сервиса», настраивая центры обработки данных от программного обеспечения до систем охлаждения
- Meta* подтвердила планы по приобретению чип-стартапа Rivos для усиления внутренних возможностей
- OpenAI совместно с Broadcom разрабатывает 10 гигаватт кастомных AI-акселераторов
Ирония ситуации в том, что компании бегут от монополии Nvidia прямо в объятия других монополистов — производителей полупроводников вроде Broadcom. Пока Google демонстрирует наиболее зрелый подход, постепенно выводя на аутсорсинг даже бэкенд-разработку, другие игроки только начинают этот путь. Реальная экономия появится лишь у тех, кто сможет выстроить полный цикл, как это сделала Apple с 40% маржой на iPhone.
Технологическое преимущество Nvidia сохраняется
Анализ Morgan Stanley показал, что новейшие GPU Blackwell демонстрируют в 1,9 раза больше производительности на ватт по сравнению с чипами Amazon Trainium 2 при обучении AI-моделей. Это означает, что Amazon потребуется почти вдвое больше электроэнергии для достижения аналогичного уровня вычислительной мощности.
Экономика ASIC работает только при достаточном масштабе. Для AI-инференса, требующего меньше вычислительных ресурсов, кастомные решения выглядят привлекательнее: кластер из 24 000 процессоров Google TPU обойдётся в $99 миллионов против $852 миллионов для аналогичного решения на Blackwell.
Глобальный тренд и перспективы рынка
Тренд не ограничивается американскими компаниями. Китайские гиганты Alibaba и Baidu разрабатывают собственные чипы в рамках национальной стратегии снижения зависимости от американских технологий. Автопроизводители рассматривают кастомные решения для автономного вождения.
Рынок AI ASIC, по прогнозам Bernstein, будет расти на 55% ежегодно и достигнет $60 миллиардов к 2028 году. Однако эта цифра меркнет на фоне ожидаемых продаж Nvidia в $375 миллиардов за аналогичный период.
По материалам Reuters
*Meta признана экстремистской и запрещена в РФ