# Токеномика NVIDIA: как превратить инвестиции в ИИ-фабрики в реальную прибыль

Источник: https://www.youtube.com/watch?v=MkbepPfaeMU
Канал: NVIDIA
Опубликовано: 01.09.2026

---

В новом выпуске серии AI Factory Insider топ-менеджеры и эксперты NVIDIA обсуждают переход от теоретического строительства ИИ-инфраструктуры к расчету реальной бизнес-эффективности. Вице-президент подразделения AI Factory Каушик Ширхатти, Шрути Копаркар и Ту Тран разбирают концепцию «токеномики» — системы оценки стоимости, качества и возврата инвестиций от каждого сгенерированного ИИ-токена.

## 🧠 Что такое токен и почему важна токеномика
[[JUMP:02:42]]

По определению Шрути Копаркар, токен — это самая фундаментальная и базовая единица искусственного интеллекта [02:52]. Она предлагает следующие аналогии для разных типов моделей:

*   **Текстовые модели:** токен представляет собой наборы цифр, которые обычно соответствуют четырем символам текста или, упрощенно, одному слову [03:05].
*   **Генерация изображений:** фундаментальной единицей является пиксель, и токен в данном контексте — это набор чисел, представляющий пиксель [03:19].
*   **Биологические модели:** токен может представлять молекулярную структуру белков [03:32].

Ту Тран вводит термин «токеномика» (tokenomics), который, по его прогнозу, может стать словом года в 2026 году [04:11]. Это дисциплина, изучающая экономику генерации токенов: их стоимость, спрос и создаваемую ими ценность. Ключевым показателем для бизнеса Тран называет «спред» — разницу между ценностью токена и стоимостью его генерации [04:38]. Именно этот показатель определяет, будет ли ИИ-проект масштабирован или закрыт после стадии пилота [04:52].

## 📊 Иерархия ценности: не все токены равны
[[JUMP:04:58]]

Шрути Копаркар подчеркивает, что токены не являются однородным товаром. Их ценность определяется тремя факторами [05:46]:

1.  **Интеллект:** зависит от сложности модели, сгенерировавшей токен.
2.  **Контекст:** объем данных, которые модель может учитывать одновременно.
3.  **Скорость (интерактивность):** темп, с которым токены поступают пользователю.

Эксперты NVIDIA выделяют два подхода к оценке полезности (utility) токенов: абсолютный и относительный [06:24]. Относительный подход подразумевает сопоставление сложности задачи с качеством токена. Использование «премиальных» токенов для простых задач (например, генерации видео с котиками) Копаркар называет пустой тратой ресурсов, вредной для экономики предприятия [06:36].

Ту Тран приводит примеры из разных индустрий, чтобы проиллюстрировать разницу в требованиях к токенам [08:08]:

*   **Финансовые рынки (трейдинг):** для принятия мгновенных решений важна скорость и минимальная задержка (latency). Сами решения могут быть простыми, поэтому здесь нужны «быстрые» токены [08:23].
*   **Инвестиционные исследования:** при подготовке отчета на 10 лет вперед аналитик может ждать час или два. Здесь критически важен интеллект токена, глубокое рассуждение (reasoning) и работа субагентов, проверяющих аргументы [09:03].
*   **Ритейл (видеоаналитика):** для систем безопасности важен «однотокенный» ответ (есть кража или нет?) в режиме реального времени [09:45]. Для создания описаний к рекламным роликам (batch captioning) важен объем и качество, но скорость может быть низкой, так как работа идет в пакетном режиме ночью [10:12].

## 📉 Расчет спроса: «математика на салфетке» и мультипликаторы
[[JUMP:10:40]]

Для оценки необходимого количества токенов Шрути Копаркар предлагает трехуровневый подход [11:16]:

**Уровень 1: Базовая математика**

*   Количество пользователей.
*   Количество сессий на пользователя в день/месяц.
*   Количество токенов на один запрос (зависит от сценария: чат требует меньше, агентные системы — больше) [11:45].

**Уровень 2: Критические мультипликаторы**

*   **Reasoning-модели:** генерируют «скрытые» токены размышлений, которые не видит пользователь, но за которые платит инфраструктура [12:12].
*   **Агентные циклы:** главный агент порождает субагентов, совершает вызовы инструментов и проходит циклы «планирование — действие», что лавинообразно увеличивает потребление токенов [12:26].
*   **Cache hit rate (процент попадания в кэш):** если модель видит знакомый промпт, она может использовать уже обработанные токены [12:53]. По словам Копаркар, в корпоративном поиске частота совпадений высока (например, вопросы о зарплатных листках или 401k), что снижает потребность в перевычислениях [15:21].

**Уровень 3: Операционные факторы**

*   Пики нагрузки утром и затишье ночью.
*   Сезонные колебания (например, праздничные распродажи в ритейле) [13:20].

## ⚙️ Сторона предложения: ИИ-фабрика как двигатель автомобиля
[[JUMP:16:34]]

Ту Тран сравнивает ИИ-фабрику с двигателем автомобиля, где на входе — энергия, а на выходе — «лошадиные силы» (пропускная способность токенов в секунду) [16:53]. Эффективность этого «двигателя» зависит от трех слоев:

1.  **Слой модели:** переход от плотных (dense) моделей к архитектуре Mixture of Experts (MoE). В MoE при генерации токена задействуются только релевантные «эксперты», что требует меньше математических вычислений при сохранении высокого интеллекта [18:12].
2.  **Слой оборудования (Engine):** Тран подчеркивает важность сетевого взаимодействия. В моделях MoE разные эксперты могут находиться на разных GPU, поэтому видеокарты должны постоянно обмениваться данными на огромных скоростях [18:38].
3.  **Программный слой:** оркестрация и планирование задач для минимизации простоев и максимальной утилизации кластера [19:15].

## 🛠️ Оптимизация и инструменты NVIDIA
[[JUMP:20:19]]

Шрути Копаркар приводит пример из практики телекоммуникационной компании, которая обнаружила, что только 8–16% задач их разработчиков действительно требуют премиальных моделей [20:48]. Для остальных задач было эффективнее использовать открытые модели с пост-обучением или API более простых моделей [21:13].

Для управления этой сложностью NVIDIA предлагает ряд инструментов:

*   **NeMo Switchyard:** интеллектуальный роутер, который направляет запрос к подходящей модели на основе её профиля стоимости и требований задачи [21:38].
*   **NeMo Relay:** инструмент для обеспечения наблюдаемости (observability), позволяющий понять, на какие задачи расходуются токены и приносят ли они бизнес-ценность [22:10].
*   **Dynamo:** программная система, которую Дженсен Хуанг называет «операционной системой для ИИ-фабрики» [23:31]. Она отвечает за диспетчеризацию и распределение запросов по GPU.

С точки зрения «железа», NVIDIA предлагает линейку от флагманских систем NVL72 (оптимизированных для MoE) и HGX до серверов RTX PRO для меньших масштабов [23:01].

## 💰 Четыре пути монетизации токенов
[[JUMP:24:25]]

Участники дискуссии выделяют четыре основных способа получения ROI от инвестиций в токены [25:06]:

1.  **Прямая продажа:** модель облачного провайдера, продающего токены рынку.
2.  **AI-native продукты:** создание принципиально новых сервисов компаниями нового поколения, где ИИ является ядром [25:50].
3.  **Улучшение существующих продуктов:** внедрение ИИ-функций в текущие решения для дифференциации на рынке [26:00].
4.  **Трансформация внутренних операций:** повышение продуктивности сотрудников и оптимизация цепочек поставок. Каушик Ширхатти отмечает, что здесь ИИ позволяет не просто оптимизировать, а полностью переосмыслить бизнес-процессы [26:25].

## 🌊 Барьеры для «цунами токенов»
[[JUMP:29:18]]

На вопрос о том, нужно ли вводить лимиты для предотвращения бесконтрольного потребления токенов («цунами токенов»), Шрути Копаркар отвечает, что огромный спрос — это хорошо, если он сопровождается эквивалентным возвратом инвестиций [30:15]. 

По её мнению, вместо жестких ограничений следует фокусироваться на эффективности:

*   Использование моделей вроде **Neimotron 3 Ultra**, которые требуют меньше токенов и меньше итераций для достижения того же результата [30:44].
*   Минимизация стоимости одной задачи за счет правильного выбора инфраструктуры и моделей [31:00].

В завершение Каушик Ширхатти подчеркивает, что корпоративная ИИ-фабрика не обязательно должна быть гигантским объектом. Она может начинаться с 16 или 32 GPU, позволяя компании «научиться ползать, прежде чем бегать», постепенно масштабируя проекты с доказанным ROI [33:14].