На совместном мероприятии с компанией Cisco генеральный директор NVIDIA Дженсен Хуанг представил глубокий анализ трансформации современной ИТ-инфраструктуры и новой концепции ИИ-фабрик. В ходе дискуссии руководители обсудили кардинальное изменение подходов к программированию, экономику ИИ-агентов и стратегические шаги для бизнеса по освоению прорывных технологий. Главной темой обсуждения стало переосмысление роли вычислений, при котором искусственный интеллект превращается из обычного интерфейса в автономную и производительную цифровую рабочую силу.
💻 Переосмысление вычислений: от явного программирования к неявному 1:05
Мировая индустрия технологий сейчас переживает первое за последние 60 лет фундаментальное переосмысление компьютерных систем. Традиционный подход, основанный на явном программировании — когда разработчики вручную писали алгоритмы и передавали переменные через API, — стремительно уступает место неявному программированию. В этой новой реальности пользователь просто передает компьютеру свое намерение, а система самостоятельно находит оптимальный способ решения поставленной задачи.
По мнению Дженсена Хуанга, этот переход неизбежно трансформирует абсолютно весь вычислительный стек, который традиционно включает в себя несколько ключевых уровней:
- Обработка данных (непосредственно процессоры).
- Системы хранения данных (storage).
- Сетевые технологии (networking).
- Инфраструктура корпоративной безопасности (security).
Спикер подробно описал эволюцию технологии: если первые чат-боты вроде ChatGPT, появившиеся около трех лет назад, лишь воспроизводили зазубренную и генерализованную информацию, то современный этап — это агентный ИИ (agentic AI). По определению главы NVIDIA, настоящий интеллект заключается в способности рассуждать, признавать границы своего незнания, разбивать незнакомые комплексные проблемы на простые элементы и планировать свои действия. ИИ-агенты нового поколения активно используют внешние инструменты, проводят исследования и опираются на факты благодаря методам генерации, дополненной извлечением данных (RAG). В качестве исторического экскурса ведущий Чак и Дженсен Хуанг с юмором вспомнили классические языки программирования — Fortran, C++ и COBOL, в шутку согласившись, что специалисты по древнему COBOL до сих пор остаются невероятно ценными динозаврами на рынке труда.
🤝 Технологический альянс NVIDIA и Cisco: интеграция на уровне платформы 5:21
Чтобы корпоративный сектор мог полноценно использовать новые ИИ-технологии, ведущие инфраструктурные гиганты объявили о глубоком партнерстве. Как сообщил Дженсен Хуанг, NVIDIA и Cisco совместно работают над созданием и выводом на рынок совершенно нового вычислительного стека на базе передовой архитектуры Vera Rubin. При этом Cisco обеспечит синхронный и максимально быстрый вывод совместных решений на коммерческий рынок.
Критически важным этапом этого сотрудничества станет комплексная модернизация сетевого уровня. Cisco планирует интегрировать сетевые ИИ-технологии от NVIDIA непосредственно в плоскость управления (control plane) своих флагманских коммутаторов семейства Cisco Nexus. По словам Хуанга, такая синергия позволит корпоративным клиентам получить беспрецедентную производительность ИИ-вычислений, сохранив при этом привычную управляемость, надежность и безопасность, свойственные сетевой архитектуре Cisco. Аналогичный бесшовный подход компании намерены применить и к совместной модернизации систем безопасности.
🌸 Стратегия внедрения ИИ: почему не нужно требовать ROI на старте 6:40
Отвечая на вопрос ведущего о первых практических шагах для бизнеса, Дженсен Хуанг дал совет, противоречащий стандартным корпоративным практикам: не пытаться сразу рассчитать точную окупаемость инвестиций (ROI). По его мнению, на ранних этапах развертывания любой фундаментальной технологии экономический эффект практически невозможно корректно заложить в классическую финансовую таблицу. Вместо этого глава NVIDIA рекомендует руководителям четко определить саму суть компании — ее наиболее важную, масштабную работу — и сфокусировать ИИ именно на этой ключевой деятельности, не размениваясь на второстепенные периферийные задачи.
Внутри самой NVIDIA руководство сознательно применяет стратегию «пусть расцветают тысячи цветов». Хуанг признался, что количество экспериментальных ИИ-проектов в его компании сейчас огромно и практически не поддается жесткому централизованному контролю, назвав идею полностью контролируемой инновации опасной иллюзией. В NVIDIA команды безопасно экспериментируют с самыми разными большими моделями:
- Сотрудники свободно используют решения от Anthropic.
- Активно применяются Codex и Gemini.
- Руководитель внедрил жесткое внутреннее правило «сначала „да“, потом „почему“», одобряя любые запросы инженеров на тестирование новых ИИ-инструментов, чтобы поддерживать культуру исследования.
Тем не менее, Дженсен Хуанг четко выделил направления, где ИИ обязан совершить революцию в рамках бизнеса NVIDIA: это проектирование микросхем (chip design), программная инженерия и системное проектирование. Чтобы дать инженерам лучшие инструменты нового поколения, NVIDIA предоставила свои закрытые технологии ключевым вендорам промышленного софта и систем автоматизированного проектирования — компаниям Synopsys, Cadence, Siemens и Dassault.
🚀 Эпоха изобилия: крах закона Мура и новые масштабы данных 11:32
Искусственный интеллект радикально снижает стоимость получения и обработки информации, формируя феномен «изобилия интеллекта». Дженсен Хуанг привел наглядный пример: тяжелые вычислительные или аналитические задачи, которые раньше требовали целого года непрерывной работы, теперь благодаря ИИ могут выполняться за один день или даже в режиме реального времени.
Эту невероятную скорость изменений спикер противопоставил классическому закону Мура. По оценке Хуанга, закон Мура развивался по современным меркам слишком медленно («со скоростью улитки»): двукратный рост производительности каждые 18 месяцев, десятикратный — за 5 лет и стократный — за 10 лет. В то же время за последние 10 лет технологии искусственного интеллекта совершили качественный рывок в 1 миллион раз. Это изобилие мощностей полностью поменяло ментальность инженеров, которые перешли от обработки локальных дисков к обучению моделей на абсолютно всех доступных мировых данных. Аналогичный сдвиг происходит и в анализе сложных графов зависимостей: современные ИИ-системы способны обрабатывать триллионы узлов и связей целиком в оперативной памяти, не разбивая их на мелкие фрагменты, как это приходилось делать в прошлом.
🔨 Робототехника и цифровые инструменты: зачем ИИ калькулятор 27:27
Глава NVIDIA категорически не согласился с популярными рыночными опасениями о том, что развитие ИИ уничтожит традиционных разработчиков и софтверные компании. Хуанг назвал падение стоимости акций некоторых технологических компаний на фоне этих страхов абсолютно нелогичным процессом. В качестве мысленного эксперимента он предложил представить вершину развития физического ИИ — продвинутого humanoid-робота. По мнению Хуанга, такому роботу незачем заново изобретать отвертку, молоток или бензопилу — он просто воспользуется уже существующими человеческими инструментами.
Этот же фундаментальный принцип применим и к цифровой сфере. Развитый искусственный интеллект общего уровня (AGI) не будет заново изобретать простейшие вычисления или переписывать специализированный софт — он станет легитимным пользователем готовых платформ, таких как ServiceNow, SAP, Cadence или Synopsys. Именно поэтому важнейшим технологическим прорывом последнего времени Хуанг считает обучение ИИ эффективному использованию внешних инструментов (tool use). Универсальные законы физики, механики или электродинамики — будь то второй закон Ньютона ($F = ma$) или закон Ома ($V = IR$) — точны и неизменны, поэтому ИИ должен опираться на детерминированные инструменты для их точного расчета, а не пытаться предсказать их статистически. В области физического ИИ (physical AI) ключевой задачей становится понимание причинно-следственных связей, гравитации и массы. Хуанг проиллюстрировал это «эффектом домино», который легко понимает маленький ребенок на интуитивном уровне, но пока с трудом осваивают стандартные большие языковые модели.
🛩️ Новая экономика: переход от продажи инструментов к цифровому труду 30:57
Исторически ИТ-индустрия занималась исключительно производством «молотков и отверток», то есть программных инструментов для человека. Однако сейчас, по словам Дженсена Хуанга, сектор впервые переходит к созданию дополненной рабочей силы (augmented labor). Ярким примером служит беспилотный автомобиль, который фактически выполняет роль «цифрового шофера». Стоимость и экономическая ценность такого цифрового сотрудника на протяжении его жизненного цикла кратно превышают стоимость самого механического транспортного средства.
Эта трансформация открывает ИТ-компаниям доступ к гигантскому глобальному рынку. Если объем классической ИТ-индустрии оценивается примерно в 1 триллион долларов, то объем всей мировой экономики составляет около 100 триллионов долларов. Технологии ИИ позволяют автоматизировать физический и интеллектуальный труд, проникая во все отрасли. Хуанг убежден, что любая современная компания должна трансформироваться в технологическую, сделав технологии своей главной суперсилой, а отраслевую специфику — лишь сферой применения. Он привел три ярких примера смены парадигмы:
- В медиаиндустрии: Disney предпочла бы обладать бизнес-моделью Netflix.
- В автомобилестроении: Mercedes стремится к технологической модели Tesla.
- В ритейле: Walmart конкурирует, перенимая подходы Amazon.
Преимущество «технологически первыми» компаний заключается в работе с электронами, а не с атомами, что снимает физические ограничения по массе и позволяет капитализации расти в тысячи раз. Благодаря переходу от явного программирования к неявному, дефицит разработчиков перестает быть сдерживающим фактором. Хуанг назвал сам процесс написания кода простым «набором текста на клавиатуре», который стал коммодити, в то время как истинную ценность приобретает экспертиза в предметной области (domain expertise) — понимание болей клиента и сути проблемы.
🔐 Локальные ИИ-системы и защита корпоративных секретов 38:06
Касаясь острого вопроса выбора между арендой облачных мощностей и созданием собственной инфраструктуры, Дженсен Хуанг настоятельно рекомендовал компаниям «заглянуть под капот» новой технологии. По его мнению, бизнесу жизненно необходимо иметь тактильное понимание ИИ, строить собственные локальные системы и досконально разбираться в их компонентах, а не просто пользоваться готовыми облачными сервисами, подобно вызову Uber.
Главным аргументом в пользу локальных решений (on-premise) выступает суверенитет данных и защита конфиденциальной информации. Хуанг привел концептуальную аналогию с сессией у психотерапевта: ни один человек не захочет, чтобы его глубоко личные вопросы к врачу транслировались в открытый интернет и обрабатывались внешними серверами. Из этих же соображений безопасности NVIDIA строит свои суперкомпьютерные ИИ-системы строго локально. Руководитель подчеркнул, что самой ценной интеллектуальной собственностью компании являются не ответы, а ее вопросы. Вопросы отражают стратегическое мышление, направления исследований и то, что руководство считает критически важным в данный момент, поэтому их сокрытие от конкурентов необходимо для выживания бизнеса.
🔄 Смена парадигмы: ИИ внутри корпоративного контура 41:36
В завершение встречи Дженсен Хуанг оспорил популярную концепцию, согласно которой человек должен обязательно контролировать ИИ (human in the loop). По его мнению, эта идея глубоко ошибочна и перевернута с ног на голову: на самом деле искусственный интеллект должен постоянно находиться в контуре деятельности человека и компании (AI in the loop).
Такой подход позволит непрерывно аккумулировать жизненный опыт, знания и экспертизу организации, предотвращая деградацию или потерю компетенций при смене персонала. В будущем, как прогнозирует глава NVIDIA, каждый сотрудник будет взаимодействовать со множеством ИИ-помощников в рабочем цикле, и эти агенты станут неотъемлемой интеллектуальной собственностью компании. Дискуссия завершилась взаимными благодарностями: ведущий Чак выразил признательность Хуангу за то, что тот согласился выступить сразу после тяжелого двухнедельного азиатского турне, выделив вечер перед возвращением домой.
