Технологии
NVIDIA снова ошеломляет результаты — спрос на чипы для ИИ остается ненасытным, пока гипермасштабные компании борются за мощности
NVIDIA сообщила о рекордной прибыли, вызванной продолжающимся спросом со стороны гипермасштабных компаний на чипы для ИИ. Архитектуры H100 компании и более новые остаются отраслевым стандартом для обучения передовых моделей, несмотря на растущую конкуренцию со стороны кастомных решений от Google, Meta и других. В ходе отчётного звонка было отмечено, что расходы на инфраструктуру ИИ ускоряются, а не стабилизируются.
Майкл Г ·
NVIDIA снова ошеломляет результаты — спрос на чипы для ИИ остается ненасытным, пока гипермасштабные компании борются за мощности
NVIDIA отчиталась о рекордной прибыли в первом квартале 2026 года, что было обусловлено продолжающимся спросом со стороны гипермасштаберов на чипы для ИИ. Архитектуры компании H100 и более новые остаются отраслевым стандартом для обучения передовых моделей, несмотря на появление конкуренции со стороны индивидуальных решений на базе силикона от Google, Meta и других. На конференц-звонке по доходам было отмечено, что расходы на инфраструктуру ИИ ускоряются, а не стабилизируются, поскольку гипермасштаберы стремятся создать вычислительные мощности, необходимые для обучения передовых моделей и их масштабного развертывания.
Доминирование NVIDIA в области ИИ-чипов объясняется несколькими факторами. Во-первых, программная экосистема CUDA компании создает значительные издержки при смене поставщика для клиентов, что затрудняет для конкурентов вытеснение NVIDIA, даже если они разрабатывают более совершенное оборудование. Во-вторых, NVIDIA сохраняет технологическое лидерство благодаря постоянным инновациям, выпуская новые архитектуры чипов быстрее, чем конкуренты успевают создать альтернативы. В-третьих, компания выстроила прочные отношения с гипермасштабируемыми платформами и ИИ-компаниями, что дает ей понимание потребностей клиентов и позволяет адаптировать продукты под конкретные сценарии использования.
Конкурентная среда: индивидуальные микросхемы и пределы разрушительных изменений
Google, Meta и другие гипермасштабные компании активно инвестируют в индивидуальные микросхемы, специально разработанные для их задач ИИ. Чипы TPU от Google оптимизированы для обучения и вывода модели Gemini, в то время как чипы MTIA от Meta предназначены для систем рекомендаций и вывода больших языковых моделей. Эти индивидуальные чипы могут быть более эффективными, чем универсальные GPU от NVIDIA для конкретных задач, но они не могут сравниться с гибкостью и программной экосистемой NVIDIA.
Кроме того, разработка специализированного кремния требует значительных инженерных знаний и капитальных вложений. Большинство компаний в области ИИ не имеют ресурсов или экспертизы для разработки собственных чипов, что создаёт барьер для входа и защищает рыночные позиции NVIDIA. Хотя гипермасштабируемые компании, такие как Google и Meta, обладают ресурсами для разработки специализированного кремния, они представляют собой лишь небольшую часть всего рынка ИИ-чипов. Для большинства компаний чипы NVIDIA остаются наиболее экономически эффективным и практичным решением.
Расходы на инфраструктуру ИИ: ускоряются, а не достигают плато
В ходе конференц-звонка по результатам финансовой отчетности было раскрыто, что расходы на инфраструктуру ИИ ускоряются, а не достигают плато. Крупные облачные провайдеры строят новые дата-центры и расширяют существующие объекты для поддержки обучения и внедрения передовых моделей ИИ. Это свидетельствует о том, что рынок инфраструктуры ИИ все еще находится на ранней стадии, и спрос на чипы, такие как NVIDIA H100, будет оставаться высоким в течение многих лет.
Ускорение расходов на инфраструктуру ИИ отражает быстрый рост спроса на возможности ИИ. По мере того как всё больше предприятий внедряют ИИ, гипермасштаберы активно инвестируют в создание вычислительных мощностей, необходимых для поддержки этого роста. Кроме того, разработка новых моделей и приложений ИИ вызывает спрос на более мощное и специализированное оборудование. Это создаёт положительный цикл, в котором рост спроса на ИИ стимулирует инвестиции в инфраструктуру, что позволяет разрабатывать более мощные модели ИИ, что, в свою очередь, снова увеличивает спрос.
Последствия для NVIDIA и более широкой индустрии ИИ
Сильные показатели NVIDIA и ускорение расходов на инфраструктуру ИИ свидетельствуют о том, что компания находится в хорошем положении для дальнейшего роста. Доминирование компании в области ИИ-чипов в сочетании с высоким спросом на инфраструктуру ИИ создает мощный положительный импульс для бизнеса NVIDIA. Однако компания также сталкивается с рисками, связанными с разработкой специализированных микросхем и возможным регуляторным контролем за экспортом ИИ-чипов.
Для более широкого рынка ИИ доминирование NVIDIA означает, что компания имеет значительное влияние на темпы и направление развития ИИ. Возможности чипов компании определяют, какие модели могут быть обучены и как быстро они могут быть разработаны. Это создает ситуацию, когда бизнес-решения NVIDIA могут иметь значительные последствия для всей отрасли ИИ, вызывая вопросы о том, должна ли компания подвергаться регуляторной проверке или антимонопольным вопросам по мере того, как она продолжает укреплять свою позицию в качестве ключевого поставщика инфраструктуры для эпохи ИИ.