NVIDIA противостоят ASIC-чипы Google в борьбе за AI-рынок

По данным Wccftech, NVIDIA ответила на рост интереса к чипам Google TPUs и их внешнему применению, отметив, что ASIC-чипы ограничены конкретными AI-фреймворками.

NVIDIA подчеркнула, что её технологии охватывают «всю» экосистему искусственного интеллекта, в отличие от ASICов, которые, по мнению компании, ограничены узким кругом задач. Это заявление стало реакцией на информацию о том, что крупные игроки, такие как Meta⋆ и Anthropic, начали использовать TPUs Google для своих AI-нагрузок. В отдельных публикациях предполагалось, что ASIC-чипы могут снизить долю NVIDIA на рынке, где она доминировала долгие годы.

NVIDIA описала себя как «поколение впереди отрасли», подчеркнув, что её платформа способна запускать любую модель ИИ везде, где проводится вычисление.

Компания утверждает, что её решения обеспечивают более высокую производительность, гибкость и универсальность по сравнению с ASICами, разработанными для конкретных задач. В заявлении, данном представителем NVIDIA для Wccftech, говорится, что Google продолжает закупать у NVIDIA оборудование для ИИ, несмотря на развитие собственных решений.

Согласно отдельному сообщению The Information, Meta⋆ рассматривает возможность закупки TPUs на сумму в миллиарды долларов, что может составить до 10% от AI-доходов NVIDIA. Google, как и другие разработчики ASICов, стремится интегрировать свои чипы в ключевые этапы AI-работы, включая инференс, где показывает улучшенные параметры по сравнению с решениями NVIDIA.

Тем не менее, NVIDIA считает, что её экосистема, включая архитектуру вычислений и платформу CUDA, остаётся доминирующей в AI-рынке.

Google, несмотря на значительные успехи в области ИИ, остаётся крупным клиентом NVIDIA, что указывает на сложную взаимосвязь между разработчиком ASICов и поставщиком универсальных решений.

Интересно: Какова будет роль универсальных решений NVIDIA в эпохе, когда инференс становится центральным элементом AI-бизнеса?

i

Создано специально для ASECTOR

Концептуальное изображение

Как устроена борьба за доминирование в мире ИИ

Когда крупнейшие игроки в сфере искусственного интеллекта начинают использовать чипы, разработанные не для всех задач, а для конкретных, это становится сигналом. NVIDIA, давно доминирующая на рынке вычислений, не только отреагировала на рост интереса к ASIC-чипам Google. Она попыталась переформулировать саму природу конкуренции.

Универсальность как стратегия

NVIDIA подчеркнула, что её решения охватывают «всю» экосистему ИИ. Это ключевой момент. Универсальность — не техническая характеристика, это стратегический выбор. Когда чипы работают с любым фреймворком и в любой среде, от суперкомпьютеров до облачных серверов и даже локальных устройств, это открывает путь к монопольной интеграции. Компания, которая может работать везде, становится не только поставщиком, а частью архитектуры самой технологии.

Важный нюанс: Универсальность — это не всегда преимущество. В задачах, где требуется максимальная оптимизация под конкретный алгоритм, ASIC-чипы могут превзойти GPU по эффективности и энергопотреблению. Но масштаб и экосистема — это другая игра. NVIDIA, в свою очередь, усиливает позиции в этой области, заключая стратегические партнёрства, такие как с Microsoft и Anthropic, где инвестиции в размере $15 млрд направлены на расширение экосистемы ИИ [!].

Инференс как новый фронт

Google, в свою очередь, продвигает свои ASIC-чипы TPUs как более эффективное решение для инференса — этапа, когда модель уже обучена, но должна давать ответы на запросы. Здесь важно не только быстродействие, но и стоимость вычислений. Если TPUs действительно снизят расходы на миллиард запросов, это может стать серьезным преимуществом.

Meta⋆ и Anthropic, которые уже начали использовать TPUs, — это не случайные клиенты. Они работают с масштабными моделями, где каждая единица производительности и энергии имеет значение. Если Google сможет масштабировать своё решение и убедить других крупных игроков, это может начать смещать баланс в отрасли.

Важный нюанс: Инференс — это не только техническая задача. Это бизнес. Чем дешевле и быстрее можно обрабатывать запросы, тем выше потенциал для монетизации. Здесь ASIC-чипы могут стать стратегическим активом. Однако, даже при росте интереса к TPUs, Google остаётся крупным клиентом NVIDIA, что указывает на сложные зависимости. Возможно, в критических нагрузках или на этапах обучения Google всё ещё полагается на GPU. Или, что ещё интереснее, компания использует TPUs для части задач, а NVIDIA — для других. Такие гибридные подходы становятся всё более типичными, особенно когда речь идет о масштабных ИИ-проектах.

Сложные зависимости и скрытые выгоды

Для российского бизнеса эта динамика важна, потому что она показывает, как формируются новые центры власти в ИИ-индустрии. Решение, за кем будет будущее, влияет на доступ к технологиям, на стоимость инфраструктуры и на возможности локализации. Если крупные игроки начнут перераспределять зависимости, это может повлиять на структуру рынка.

Важный нюанс: В борьбе за доминирование важно не только, кто быстрее, но и кто глубже. NVIDIA построила экосистему, в которую встроены миллионы разработчиков. Это не легко заменить. Но если ASIC-чипы дадут ощутимое преимущество в определённых сценариях, это может создать альтернативную экосистему, которая со временем начнет конкурировать.

Инфраструктурные вызовы и стратегии масштабирования

Растущий спрос на ИИ-чипы и память создаёт новые вызовы. Например, дефицит мощностей TSMC усиливает позиции NVIDIA, которая активно заключает контракты на производство с TSMC, чтобы удовлетворить растущий спрос на современные полупроводники [!]. Это делает NVIDIA одной из ключевых сторон, влияющих на распределение ресурсов в индустрии полупроводников.

В то же время, рост спроса на серверную память приводит к её дефициту и, как следствие, к росту цен. NVIDIA, смещая фокус на более энергоэффективную память LPDDR, ставит под давление производителей, вынуждающих перераспределять мощности и усугубляя нехватку традиционных типов памяти [!]. Это создаёт дополнительные сложности для облачных провайдеров и разработчиков ИИ, которым необходимо оперативно реагировать на изменения в цепочке поставок.

Распределённый ИИ и снижение задержек

Одним из ответов на инфраструктурные ограничения стала разработка распределённых решений. Например, NVIDIA участвует в создании Inference Cloud совместно с Akamai, которая основана на GPU Blackwell и направлена на распределённую обработку данных ближе к пользователю [!]. Это позволяет снизить затраты на генерацию изображений и другие ИИ-задачи, а также минимизировать задержки в системах, где решения принимаются в миллисекундах. Компании в Индии и Вьетнаме уже зафиксировали улучшения при переходе на такую модель. NVIDIA обеспечивает техническую основу для масштабируемой и эффективной инфраструктуры вывода.

Долгосрочные стратегии и экосистемы

NVIDIA сохраняет доминирующее положение в разработке специализированных чипов благодаря уникальной инженерной команде и высокому темпу инноваций [!]. Компания подчеркивает, что только ограниченное число организаций способно создавать чипы такого уровня сложности. Её решения, такие как Blackwell и Rubin, уже задействованы в крупных проектах, включая сотрудничество с Anthropic. NVIDIA также обладает мощной программной экосистемой CUDA, что обеспечивает гибкость и масштабируемость для разработчиков и корпораций.

В то же время, Google активно инвестирует в масштабирование дата-центров и разработку собственных чипов, чтобы удовлетворить растущий спрос [!]. Однако, несмотря на значительные вложения, дефицит GPU ограничивает внедрение новых функций, таких как генерация видео, и приводит к росту дохода NVIDIA от дата-центров. Это указывает на то, что даже при активной разработке собственных решений, крупные игроки всё ещё полагаются на решения NVIDIA в критических сценариях.

Заключение

Борьба за доминирование в ИИ-индустрии — это не только техническая, но и стратегическая игра. NVIDIA, опираясь на универсальность решений, экосистему CUDA и гибкость, сохраняет свои позиции, несмотря на рост интереса к ASIC-чипам. Google, в свою очередь, активно развивает TPUs и масштабирует инфраструктуру, что может сформировать новую экосистему. Для российского бизнеса важно понимать, как эти тенденции влияют на доступ к технологиям, стоимость инфраструктуры и возможности локализации. Решение, за кем будет будущее, станет определяющим фактором в ближайшие годы.