Бурный рост акций, который на какое-то время сделал Nvidia Corp. самой дорогой компанией в мире, застопорился. Инвесторы стали опасаться вкладывать больше денег в производителя чипов после того, как стало ясно, что внедрение вычислений на основе искусственного интеллекта не будет столь прямолинейным и не будет полагаться исключительно на технологии Nvidia.

На данный момент Nvidia остается ведущим продавцом кирки и лопаты в золотой лихорадке ИИ. Доходы по-прежнему увеличиваются, а список заказов на линейку чипов Hopper компании и ее преемника — Blackwell — постоянно растет, пишут СМИ.

Дальнейший успех зависит от того, найдут ли Microsoft Corp., Google и другие технологические гиганты достаточно коммерческих применений для ИИ, чтобы получить прибыль от своих огромных инвестиций в чипы Nvidia. Даже если они это сделают, неясно, сколько самых мощных и прибыльных чипов компании в итоге понадобится: в январе китайский стартап DeepSeek выпустил модель ИИ, которая, как он утверждает, работает так же хорошо, как и модели крупных американских компаний, но требует гораздо меньше ресурсов для разработки.

После того, как DeepSeek опубликовал документ, в котором подробно описывались возможности новой модели и как она была создана, рыночная стоимость Nvidia за один день упала на 589 миллиардов долларов, что стало крупнейшим падением в истории фондового рынка. В течение следующих недель она восстановилась, но к концу февраля все еще была ниже уровня начала года.

Давайте посмотрим на то, что двигало впечатляющим ростом Nvidia и какие проблемы могут возникнуть у компании в будущем.

Какие самые популярные чипы ИИ Nvidia?

Текущий источник дохода — Hopper H100, название которого является отсылкой к пионеру компьютерных наук Грейс Хоппер. Это более мощная версия графического процессора, который впервые появился на персональных компьютерах, используемых видеогеймерами. Hopper в скором времени заменится линейкой Blackwell, названной в честь математика Дэвида Блэквелла.

И Hopper, и Blackwell включают технологию, которая превращает кластеры компьютеров, использующих чипы Nvidia, в отдельные блоки, которые могут обрабатывать огромные объемы данных и выполнять вычисления на высокой скорости. Это делает их идеальными для энергоемкой задачи обучения нейронных сетей, лежащих в основе новейших продуктов ИИ.

Основанная в 1993 году, Nvidia стала пионером на этом рынке, инвестируя более десяти лет, сделав ставку на то, что способность выполнять работу параллельно однажды сделает ее чипы ценными в приложениях за пределами игр.

Компания из Санта-Клары, Калифорния, будет продавать Blackwell в различных вариантах, в том числе как часть суперчипа GB200, который объединяет два графических процессора Blackwell с одним центральным процессором Grace, универсальным центральным процессором. (Процессор Grace также назван в честь Грейс Хоппер.)

Почему чипы ИИ от Nvidia такие особенные?

Так называемые генеративные платформы ИИ обучаются таким задачам, как перевод текста, резюмирование отчетов и синтез изображений, поглощая огромные объемы уже существующего материала — чем больше они видят, тем лучше они работают. Такие платформы развиваются путем проб и ошибок, предпринимая миллиарды попыток достичь мастерства, по пути поглощая огромные объемы вычислительной мощности.

По данным Nvidia, Blackwell обеспечивает производительность в 2,5 раза выше, чем Hopper, при обучении ИИ. В новой конструкции так много транзисторов — крошечных переключателей, которые дают полупроводникам возможность обрабатывать информацию, — что ее невозможно производить традиционным способом как единое целое. По словам компании, это на самом деле два чипа, соединенных друг с другом специальным образом, которое гарантирует, что они работают как единое целое.

Для клиентов, которые стремятся обучить свои платформы ИИ для выполнения новых задач, преимущество в производительности, предлагаемое чипами Hopper и Blackwell, имеет решающее значение. Компоненты считаются настолько важными для разработки ИИ, что правительство США ограничило их продажу Китаю.

Как Nvidia стал лидером в области ИИ?

Nvidia уже была королем графических чипов, компонентов, которые генерируют изображения, которые вы видите на экране компьютера. Самые мощные из них построены с тысячами процессорных ядер, которые выполняют несколько одновременных потоков вычислений. Это позволяет им производить сложные 3D-рендеринги, такие как тени и отражения, которые являются особенностью современных видеоигр.

Инженеры Nvidia в начале 2000-х годов поняли, что они могут переоборудовать эти графические ускорители для других приложений. Исследователи ИИ, тем временем, обнаружили, что их работа, наконец, может быть реализована на практике благодаря использованию этих чипов.

Что делают конкуренты Nvidia?

По данным исследовательской компании IDC, сейчас Nvidia контролирует около 90% рынка графических процессоров, необходимых центрам обработки данных. Доминирующие поставщики облачных вычислений, такие как AWS от Amazon.com Inc., Google Cloud от Alphabet Inc. и Azure от Microsoft, пытаются разработать собственные чипы, как и конкуренты Nvidia Advanced Micro Devices Inc. и Intel Corp.

Но эти усилия пока мало что сделали для подрыва доминирования Nvidia.

AMD, которая, как широко считалось, имеет наилучшие шансы нанести удар по лидерству Nvidia, заявила в январе, что продажи в первой половине года будут на аналогичном уровне, что и в предыдущие шестью месяцами. Они улучшатся во второй половине 2025 года, когда компания выведет на рынок новый чип. AMD отказалась назвать годовой целевой показатель выручки, что привело к предположениям о том, что ей трудно набрать обороты.

Как Nvidia удается опережать конкурентов?

Nvidia обновляет свои предложения, включая программное обеспечение для поддержки оборудования, такими темпами, с которыми еще не смогла сравниться ни одна другая фирма. Компания также разработала кластерные системы, которые помогают клиентам покупать H100 оптом и быстро развертывать их. Такие чипы, как процессоры Intel Xeon, способны выполнять сложную обработку данных, но у них меньше ядер, и они медленнее справляются с обработкой больших массивов информации, которые обычно используются для обучения программного обеспечения ИИ. Intel, некогда доминирующий поставщик компонентов для центров обработки данных, до сих пор не может произвести оборудование, которое клиенты готовы выбрать вместо оборудования Nvidia.

Почему спрос на чипы держится на таком высоком уровне?

Главный исполнительный директор Nvidia Дженсен Хуан и его команда неоднократно заявляли, что у компании больше заказов, чем она может выполнить, даже для старых моделей. Когда компания отчитается о доходах в среду, инвесторы будут ждать, что она повторит это заверение.

Microsoft, Amazon, и Google объявили о планах потратить сотни миллиардов долларов в совокупности на ИИ и центры обработки данных для его поддержки. Совсем недавно появились предположения, что бум центров обработки данных ИИ уже сбавляет обороты. По данным информации от банка TD Cowen, Microsoft отменила некоторые договоры аренды мощностей центров обработки данных в США, что вызвало более широкие опасения относительно того, получает ли она больше вычислительных мощностей ИИ, чем ей нужно в долгосрочной перспективе.

Почему китайский стартап DeepSeek вызвал столько беспокойства?

Выпуск новой модели ИИ с открытым исходным кодом R1 от DeepSeek заставил конкурентов с трудом понять, как она достигла результатов, сопоставимых с результатами конкурентов из США, используя при этом лишь часть их ресурсов.

DeepSeek настраивает свою модель ИИ с использованием реальных входных данных, подход, известный как [еш-функция , который требует меньше времени и данных, чем метод искусственного обучения, используемый другими компаниями. Nvidia, которая, возможно, больше всех может потерять, оценила модель DeepSeek как «превосходное достижение в области ИИ» — и то, которое было достигнуто без нарушения американского контроля за экспортом технологий.

Эти ограничения запрещают экспорт в Китай самых передовых графических процессоров от Nvidia, поэтому ее ответ, по-видимому, развеял подозрения некоторых отраслевых аналитиков, что китайский стартап не смог бы совершить прорыв, о котором он заявлял.

Тем не менее, Nvidia заявила, что ее чипы будут играть важную роль, даже если произойдет сдвиг в способе построения моделей ИИ. «Для вывода требуется значительное количество графических процессоров Nvidia и высокопроизводительные сети», — заявила компания.

Как AMD и Intel соотносятся с Nvidia в чипах ИИ?

AMD, второй по величине производитель чипов компьютерной графики, представила версию своей линейки Instinct в 2023 году, нацеленную на рынок, на котором доминируют продукты Nvidia. Новая, улучшенная версия MI350 будет отправлена ​​клиентам примерно в середине года. Генеральный директор AMD Лиза Су заявила, что она будет работать в 35 раз лучше, чем ее предшественник. Компания прогнозирует, что выручка за первые шесть месяцев 2025 года будет примерно такой же, как и за предыдущие шесть месяцев. Хотя AMD сейчас получает более 5 миллиардов долларов годового дохода от чипов-ускорителей, которые помогают разрабатывать модели ИИ, продажи Nvidia в этой категории превышают 100 миллиардов долларов в год.

В прошлом месяце руководство Intel сообщило аналитикам и инвесторам, что компания «не участвует в рынке облачных центров обработки данных ИИ значимым образом». Не получив положительных отзывов от потенциальных клиентов о чипе под кодовым названием Falcon Shores, компания не выведет его на рынок, как планировалось, и будет использовать его только для внутреннего тестирования. Комментарии, сделанные временным генеральным директором Мишель Джонстон Холтхаус, указали на то, что компания отстает в гонке за Nvidia больше, чем опасались, и контрастируют с более оптимистичными утверждениями, сделанными ранее уволенным генеральным директором Пэтом Гелсингером.

Но никто из конкурентов Nvidia еще не отчитался о скачке вперед, который, по словам компании, обеспечит преимущество Blackwell. Но еще одним козырем Nvidia является не только производительности его оборудования. Компания изобрела нечто под названием CUDA, язык для своих графических чипов, который позволяет программировать их для различных типов работы, лежащих в основе приложений ИИ. Широкое использование этого программного инструмента помогло сохранить привязку отрасли к оборудованию Nvidia.