# Waymo розробила власний чіп і зменшує залежність від Nvidia > Waymo представила власний ASIC-чіп для безпілотних роботаксі — він прискорює реакцію й навігацію системи, знижуючи залежність компанії від чипів Nvidia. - Опубліковано: 20 серпня 2026 р. (2026-08-20T17:17:28.071466+00:00) - Розділ: Бізнес - На основі публікації: [Techmeme](https://www.techmeme.com/260820/p23#a260820p23) - Видання: AiiN (https://aiin.news) - URL: https://aiin.news/article?slug=waymo-%D1%80%D0%BE%D0%B7%D1%80%D0%BE%D0%B1%D0%B8%D0%BB%D0%B0-%D0%B2%D0%BB%D0%B0%D1%81%D0%BD%D0%B8%D0%B9-%D1%87%D1%96%D0%BF-%D1%96-%D0%B7%D0%BC%D0%B5%D0%BD%D1%88%D1%83%D1%94-%D0%B7%D0%B0%D0%BB%D0%B5%D0%B6%D0%BD%D1%96%D1%81%D1%82%D1%8C-%D0%B2%D1%96%D0%B4-nvidia --- Waymo розробила власний чіп класу ASIC (application-specific integrated circuit) для своїх роботаксі — спеціалізований процесор, що обробляє дані з сенсорів і приймає рішення про рух автомобіля швидше, ніж чипи загального призначення. За словами компанії, новий чіп пришвидшує реакцію системи та навігацію, а головне — знижує залежність Waymo від Nvidia, чиї GPU досі були основою обчислювального стеку більшості автономних платформ. Це рішення не виникло у вакуумі. За [даними Techmeme](https://www.techmeme.com/260820/p23#a260820p23), крок Waymo вписується у ширший тренд: великі AI-компанії дедалі частіше проєктують власний хардвер замість того, щоб орендувати обчислювальну потужність у Nvidia за постійно зростаючими цінами. Для індустрії роботаксі це особливо чутливе питання. Автономний автомобіль ухвалює рішення в реальному часі — затримка в кілька десятків мілісекунд може означати різницю між своєчасним гальмуванням і аварією. Тому інженерний вибір Waymo варто розглядати не як косметичне оновлення, а як ставку на те, що спеціалізоване залізо дає перевагу там, де універсальні GPU програють. ## Що саме зробила Waymo? Компанія створила ASIC — чіп, спроєктований під одну конкретну задачу, на відміну від GPU, які лишаються універсальними обчислювальними пристроями. За інформацією джерела, новий чіп Waymo відповідає за прискорення реакції та навігації роботаксі: обробку сигналів із камер, лідарів і радарів та прийняття керівних рішень. Ключовий наслідок — зменшення залежності від Nvidia. Це не означає повну відмову: складні моделі планування маршруту та симуляції для тренування, найімовірніше, і далі вимагатимуть потужних GPU-кластерів. Але інференс безпосередньо в автомобілі — там, де важлива кожна мілісекунда та кожен ват енергоспоживання, — Waymo тепер частково закриває власним кремнієм. ## Чому ASIC, а не GPU? GPU — універсальний інструмент: він добре тренує моделі, але для вузької задачі інференсу в реальному часі часто несе зайві накладні витрати. ASIC, натомість, «зашитий» під конкретний алгоритм, тому може бути: - швидшим — менше циклів на ту саму операцію; - енергоефективнішим — критично для автомобіля з обмеженим бюджетом живлення; - дешевшим у масовому виробництві після того, як розробку окуплено. Зворотний бік — негнучкість: якщо алгоритм зміниться суттєво, ASIC доведеться переробляти або допрацьовувати новою ревізією кремнію, тоді як GPU просто оновлюють прошивкою чи новою моделлю софту. ## Хто ще будує власний AI-хардвер? Waymo — не перша компанія, яка йде шляхом вертикальної інтеграції в чипи. Google (материнська компанія Alphabet, якій належить і Waymo) роками розвиває власні тензорні процесори TPU для тренування й інференсу моделей у хмарі. Tesla розробляє чіп Dojo для тренування моделей автопілота, а Amazon інвестує у власні чипи Trainium та Inferentia для AWS. Спільний знаменник — бажання не залежати повністю від однієї-єдиної компанії, яка де-факто монополізувала ринок AI-прискорювачів. Це не означає кінець ери Nvidia: компанія все одно лишається постачальником номер один для тренування великих моделей і для більшості стартапів, у яких немає ресурсів на розробку власного кремнію. Але для гравців із масштабом Waymo, Google чи Amazon власний чіп під конкретне навантаження — це спосіб контролювати собівартість інференсу на мільйонах поїздок щодня. ## Що це означає для тих, хто будує AI-продукти? Прямого стосунку до більшості AI-стартапів цей крок не має — розробка власного ASIC вимагає ресурсів, недоступних нікому, крім найбільших гравців. Але сигнал варто прочитати правильно: якщо ваш продукт залежить від інференсу конкретної моделі на масштабі мільйонів запитів, варто вже зараз рахувати, у якій точці орендований GPU-інференс стає дорожчим за спеціалізоване рішення — власне залізо, дешевші провайдери інференсу або менші, оптимізовані моделі. За нашою оцінкою, для абсолютної більшості команд відповіддю лишається не власний чіп, а вибір правильного постачальника інференсу та оптимізація моделі під конкретне навантаження — вертикальна інтеграція в кремній має сенс лише за мільйонів повторюваних запитів на день. ## Висновок AiiN Крок Waymo — черговий доказ того, що монополія Nvidia на AI-інференс має природну межу: щойно компанія досягає достатнього масштабу і передбачуваного навантаження, економіка власного кремнію починає перемагати оренду чужого. Наша теза: перегони за власний AI-хардвер — це не хайп навколо «AI-чипів», а раціональна реакція масштабних гравців на структуру витрат, і найближчими роками до Waymo, Google і Tesla приєднаються ще кілька компаній із порівнюваним обсягом інференсу. ## Чи означає це, що Waymo відмовляється від Nvidia? Ні. Новий ASIC закриває конкретну задачу — інференс у реальному часі всередині автомобіля. Тренування моделей і складні симуляції, найімовірніше, і надалі покладаються на GPU-інфраструктуру, зокрема від Nvidia. ## Чи варто стартапу розробляти власний AI-чіп? У переважній більшості випадків — ні. Розробка ASIC виправдана лише за передбачуваного навантаження мільйонів інференс-запитів щодня та бюджету, який можуть собі дозволити компанії масштабу Waymo чи Amazon. --- Теги: Waymo, Nvidia, ASIC, роботаксі, AIхардвер, автономнітранспортні Джерело: AiiN — https://aiin.news/article?slug=waymo-%D1%80%D0%BE%D0%B7%D1%80%D0%BE%D0%B1%D0%B8%D0%BB%D0%B0-%D0%B2%D0%BB%D0%B0%D1%81%D0%BD%D0%B8%D0%B9-%D1%87%D1%96%D0%BF-%D1%96-%D0%B7%D0%BC%D0%B5%D0%BD%D1%88%D1%83%D1%94-%D0%B7%D0%B0%D0%BB%D0%B5%D0%B6%D0%BD%D1%96%D1%81%D1%82%D1%8C-%D0%B2%D1%96%D0%B4-nvidia. Цитуючи, посилайтесь на канонічний URL.