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, 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 — 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.

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.