# Навіщо Nvidia інвестує у відкритий AI, поки OpenAI будує чипи

> Nvidia вкладає гроші у відкриті AI-моделі та стартапи, поки OpenAI, Google і Anthropic розробляють власні чипи для інференсу замість GPU Nvidia.

- Опубліковано: 4 вересня 2026 р. (2026-09-03T23:55:29.146964+00:00)
- Розділ: Бізнес
- На основі публікації: [The Decoder](https://the-decoder.com/nvidia-buys-the-front-door-to-open-ai-as-closed-labs-increasingly-design-their-own-silicon/)
- Видання: AiiN (https://aiin.news)
- URL: https://aiin.news/article?slug=%D0%BD%D0%B0%D0%B2%D1%96%D1%89%D0%BE-nvidia-%D1%96%D0%BD%D0%B2%D0%B5%D1%81%D1%82%D1%83%D1%94-%D1%83-%D0%B2%D1%96%D0%B4%D0%BA%D1%80%D0%B8%D1%82%D0%B8%D0%B9-ai-%D0%BF%D0%BE%D0%BA%D0%B8-openai-%D0%B1%D1%83%D0%B4%D1%83%D1%94-%D1%87%D0%B8%D0%BF%D0%B8

---

Nvidia наростила інвестиції у відкриті AI-моделі та компанії, які їх розвивають, саме в той момент, коли найбільші закриті лабораторії — OpenAI, Google DeepMind і Anthropic — форсують розробку власних чипів для інференсу.

[За даними The Decoder](https://the-decoder.com/nvidia-buys-the-front-door-to-open-ai-as-closed-labs-increasingly-design-their-own-silicon/), компанія системно скуповує «передні двері» до відкритого AI: частки в стартапах, партнерства з розробниками open-weight моделей і з інфраструктурними провайдерами, які тримають ці моделі в проді. Тобто там, де раніше Nvidia продавала GPU й відходила, тепер вона лишається всередині продукту як інвестор і партнер.

Логіка проста. Якщо клієнт будує власний чип, рано чи пізно він перестає купувати GPU в Nvidia для інференсу — саме там, де обсяги запитів і, відповідно, гроші найбільші. Але поки тисячі менших компаній навколо відкритих моделей так само залежать від CUDA й GPU-стека Nvidia, компанія втримує позицію на ринку, навіть якщо втрачає одного гіганта.

## Що саме зробила Nvidia?

Nvidia перенаправила частину капіталу з простого продажу заліза на утримання екосистеми навколо відкритого AI — це вкладення в open-weight-моделі, платформи для їх розгортання і компанії, що будують продукти поверх них. Ці кроки, за спостереженням видання, збігаються в часі з переходом кремнієвих амбіцій найбільших закритих лабораторій зі стадії експериментів у продакшн.

Це не перший подібний хід: раніше ми розбирали, [навіщо Nvidia купує Hugging Face за 12,9 млрд доларів](https://aiin.news/article?slug=навіщо-nvidia-купує-hugging-face-за-12-9-млрд-доларів) — інвестицію, яка так само закріплює компанію на боці розробників відкритих моделей, а не лише кількох гігантів із власним кремнієм.

## Чому закриті лабораторії йдуть у власний кремній?

Custom-чип під інференс окупається, коли обсяг запитів достатньо великий, щоб виправдати розробку архітектури під конкретну модель. Google роками рахує Gemini на власних TPU, Amazon просуває чипи Trainium під навантаження Anthropic, а OpenAI публічно підтвердила співпрацю з Broadcom над власним прискорювачем. Мотив у кожному випадку той самий: інференс — операційна витрата, яка масштабується з кожним запитом користувача, і зняти з неї маржу Nvidia означає пряму економію на мільярдах щоденних звернень.

- Google — власні тензорні процесори (TPU) для Gemini
- Amazon — чипи Trainium під навантаження Anthropic
- OpenAI — партнерство з Broadcom над власним інференс-чипом

## Що це означає для бізнес-моделі Nvidia?

Це означає, що Nvidia хеджує ризик втрати найбільших рахунків, розширюючи периметр там, де власний кремній економічно недоступний. Розробка custom-чипа під кишеню лише кільком компаніям зі шкалою OpenAI, Google чи Amazon — стартап з відкритою моделлю або команда, що деплоїть Llama чи Mistral у власному продукті, і надалі купує GPU Nvidia, бо альтернативи немає. Вкладаючись у ці компанії та в саму інфраструктуру відкритого AI, Nvidia перетворює залежність від GPU на залежність від усієї своєї екосистеми — CUDA, бібліотек, хмарних партнерств. Формально це виглядає як підтримка відкритої екосистеми, по суті — розширення власного рову навколо GPU-бізнесу.

За нашою оцінкою, ймовірно, це також спосіб отримати ранній сигнал про те, які відкриті моделі й інструменти стануть де-факто стандартом — і встигнути закріпитися в них інвестицією, а не наздоганяти конкурентів пізніше.

## Висновок AiiN: що з цим робити зараз?

Наша теза: перехід закритих лабораторій на власний кремній не ламає бізнес-модель Nvidia — він змушує компанію змістити фокус з продажу чипів найбільшим клієнтам на утримання всієї периферії відкритого AI, де custom-залізо ще довго не буде рентабельним. Для команд, що будують продукти на відкритих моделях, це практично означає: доступ до GPU Nvidia і надалі залишиться найшвидшим шляхом у прод, а ціна відходу на власне залізо виправдана лише за обсягів, які має жменька компаній у світі. На практиці це означає: закладати бюджет на GPU-інференс варто виходячи з поточних цін Nvidia, а не очікувати швидкого здешевлення через перехід гігантів на власне залізо — цей ефект розтягнеться на роки.

## Чи означає це, що Nvidia втрачає монополію на AI-залізо?

Ні, принаймні не найближчим часом. Власний кремній під інференс наразі мають ресурс розробляти лише кілька компаній з масштабом OpenAI, Google чи Amazon, тоді як переважна більшість команд, що будують на відкритих моделях, залишаються на GPU Nvidia.

## Які компанії вже розробляють власні AI-чипи?

Публічно відомо про TPU від Google для Gemini, чипи Trainium від Amazon під навантаження Anthropic та партнерство OpenAI з Broadcom над власним інференс-прискорювачем.

---

Теги: Nvidia, OpenAI, GPU, AIchips, Anthropic, ШІ

Джерело: AiiN — https://aiin.news/article?slug=%D0%BD%D0%B0%D0%B2%D1%96%D1%89%D0%BE-nvidia-%D1%96%D0%BD%D0%B2%D0%B5%D1%81%D1%82%D1%83%D1%94-%D1%83-%D0%B2%D1%96%D0%B4%D0%BA%D1%80%D0%B8%D1%82%D0%B8%D0%B9-ai-%D0%BF%D0%BE%D0%BA%D0%B8-openai-%D0%B1%D1%83%D0%B4%D1%83%D1%94-%D1%87%D0%B8%D0%BF%D0%B8. Цитуючи, посилайтесь на канонічний URL.