Битва за «кремний»: как Nvidia, Google и Amazon делят рынок AI-чипов 0:00
Сегодня графические процессоры (GPU) Nvidia, такие как новейшие Blackwell, занимают центральное место в индустрии генеративного ИИ, обеспечивая обучение нейросетей и выполнение сложнейших рабочих нагрузок. За последний год компания поставила 6 миллионов таких GPU, а их совокупная стоимость вывела Nvidia в лидеры технологического рынка. Однако параллельно с доминированием графических ускорителей стремительно растет рынок специализированных чипов — ASIC (Application Specific Integrated Circuit), которые разрабатываются крупнейшими облачными провайдерами для повышения эффективности и снижения затрат.
👑 Эра GPU и доминирование Nvidia 1:38
Успех Nvidia начался с архитектуры GPU, которая изначально была предназначена для параллельных вычислений, необходимых при рендеринге графики. Поворотным моментом стал 2012 год и появление нейросети AlexNet, которая наглядно показала, что параллельная обработка данных идеально подходит для обучения нейросетей.
В отличие от CPU, которые обладают небольшим числом мощных ядер для последовательных задач, GPU содержат тысячи узкоспециализированных ядер, выполняющих матричное умножение. Это делает их незаменимыми для двух ключевых этапов работы с ИИ:
- Обучение (Training): Процесс «обучения» модели на огромных массивах данных.
- Инференс (Inference): Непосредственное использование ИИ для принятия решений в реальном времени, например, в приложениях или при голосовом взаимодействии.
Nvidia не просто продает «железо», а поставляет целые серверные стойки с жидкостным охлаждением, стоимость которых достигает $3 миллионов. Одним из главных конкурентов компании остается AMD со своей линейкой Instinct, которая делает ставку на открытую экосистему в противовес проприетарной программной платформе Nvidia — CUDA.
🛠 Кастомные ASIC: ставка на эффективность 5:21
По мере взросления ИИ-моделей акцент смещается с обучения на инференс, где требования к «универсальности» чипа снижаются. Здесь на сцену выходят ASIC — узкоспециализированные чипы, которые эффективнее и дешевле GPU, но обладают жесткой структурой, не подлежащей изменению после производства.
Основные игроки в этой сфере:
- Google: Пионер сегмента, выпустивший свой первый тензорный процессор (TPU) еще в 2015 году. Архитектура TPU во многом способствовала появлению технологии Transformer в 2017 году. Недавний релиз седьмого поколения — чипа Ironwood — подтверждает серьезность намерений Google в обучении своих LLM, таких как Claude.
- Amazon (AWS): После покупки Annapurna Labs в 2015 году компания разработала чипы Inferentia и Trainium. Amazon утверждает, что Trainium обеспечивает на 30–40% лучшее соотношение цены и производительности по сравнению с аналогами. В Индиане AWS уже эксплуатирует дата-центры, где обучение моделей Anthropic идет исключительно на их собственных чипах Trainium 2.
- Broadcom и Marvell: Эти компании выступают «бэкенд-партнерами», помогая облачным гигантам проектировать сложные чипы, не нанимая огромные команды инженеров внутри. По прогнозам, Broadcom может контролировать до 80% этого рынка.
📱 Edge AI: ИИ в вашем кармане 10:24
Последняя категория — чипы для «граничных» вычислений (Edge AI), позволяющие запускать нейросети локально на смартфонах или ноутбуках, не отправляя данные в облако. Здесь ключевую роль играют NPU (нейронные процессоры), интегрированные в систему на кристалле (SoC).
Преимущества локального ИИ:
- Приватность: Данные пользователя не покидают устройство.
- Отзывчивость: Отсутствие задержек при передаче данных в дата-центр.
- Энергоэффективность: Локальные чипы значительно дешевле и меньше серверных аналогов.
🌏 Геополитика и будущее «кремниевого суверенитета» 13:22
Почти все мировые гиганты, включая Nvidia, Google и Amazon, зависят от одного производителя — тайваньской TSMC. Это создает серьезные геополитические риски. Однако в рамках программы CHIPS Act ситуация начинает меняться: в Аризоне уже запущены новые производственные линии, где, по заявлениям, ведется полномасштабный выпуск чипов Nvidia Blackwell.
Тем не менее, эксперты предупреждают, что главным «узким местом» в ближайшем будущем станут не сами чипы, а доступ к электроэнергии, необходимой для обслуживания этих колоссальных мощностей. Несмотря на доминирование Nvidia, рынок продолжит расти, привлекая новых участников и стимулируя развитие инноваций в энергообеспечении и локальном производстве.
