Nvidia купує підрозділ Poolside, що займається побудовою фронтир-моделей, за $6 мільярдів — угода включає команду з 109 співробітників та всю інфраструктуру для тренування великих мовних моделей. Це означає, що найбільший у світі постачальник AI-чипів офіційно стає ще й розробником власних фронтир-моделей, а не лишається виключно постачальником заліза під чужі проєкти.

Poolside — стартап, відомий передусім розробкою великих мовних моделей для генерації коду, — до цієї угоди позиціонувався як самостійний конкурент у ніші AI-агентів для розробників. Тепер його «модельна фабрика»: дослідницька команда, інженери тренування та обчислювальна інфраструктура — переходить під контроль Nvidia.

За даними The Decoder, йдеться саме про придбання конкретного підрозділу Poolside, а не всієї компанії — формулювання «модельна фабрика» вказує на те, що Nvidia забирає інфраструктуру і людей, які вміють будувати фронтир-моделі з нуля, а не бренд чи продуктову лінійку цілком.

Що саме отримує Nvidia за $6 мільярдів?

Nvidia отримує три активи одночасно: команду зі 109 людей, які мають практичний досвід тренування великих мовних моделей з нуля; готову обчислювальну інфраструктуру під це тренування; і накопичену експертизу в архітектурі моделей та роботі з даними, яку Poolside напрацював за роки розробки власних систем генерації коду.

Для порівняння з класичним акгайрингом талантів (acqui-hire), тут ідеться не лише про людей — Nvidia отримує вже працюючий конвеєр для випуску моделей: процеси, пайплайни даних і накопичений код, а не порожню команду, яку доведеться будувати з нуля на новому місці.

Навіщо виробнику чипів своя команда, що будує моделі?

Nvidia історично заробляла на продажу GPU й супутнього софту (CUDA, NIM, мережеве обладнання) компаніям, які самі тренують моделі, — OpenAI, Anthropic, Meta, xAI та іншим. Купівля власної команди розробників фронтир-моделей змінює цю позицію: тепер Nvidia не лише продає лопати золотошукачам, а й сама починає копати.

Що це означає для балансу сил між чипмейкерами і AI-лабораторіями?

Угода зі стартапом Poolside — не перший крок Nvidia в бік прямої розробки моделей, але один із найбільших за розміром і за кількістю людей, залучених одразу. Раніше компанія вже інвестувала мільярди в лабораторії на кшталт OpenAI та xAI, лишаючись формально стороннім постачальником обладнання. Купівля власної «модельної фабрики» — це вже інший рівень контролю: Nvidia більше не залежить від того, чи захочуть партнери ділитися даними про те, як саме їхні моделі використовують GPU.

Для AI-лабораторій, що орендують GPU-потужності Nvidia або конкурують за ті самі ресурси, це сигнал: постачальник заліза одночасно стає потенційним конкурентом за таланти й за клієнтів на рівні готових моделей, а не лише партнером в обчисленнях. Раніше ми вже писали про масштаб інтересу Nvidia до Poolside — детальніше про попередню угоду Nvidia і Poolside.

Висновок AiiN

За нашою оцінкою, ключове тут не сума в $6 мільярдів сама по собі, а факт, що Nvidia купує саме конвеєр виробництва моделей, а не готовий продукт чи бренд. Це означає ставку на довгострокову вертикальну інтеграцію: чипи → інфраструктура → власні моделі → продукти для клієнтів, — а не одноразову покупку технології заради патентів чи піару. Для AI-білдерів, які будують продукти на GPU Nvidia, це варто читати як попередження: постачальник обчислювальних потужностей, на яких ви будуєте свій продукт, дедалі частіше опиняється й серед ваших майбутніх конкурентів на рівні моделей.

Скільки коштувала угода Nvidia і Poolside?

$6 мільярдів — саме стільки Nvidia заплатила за підрозділ «модельної фабрики» Poolside, включно з командою з 109 співробітників та інфраструктурою тренування моделей, за даними The Decoder.

Чи Nvidia поглинула всю компанію Poolside?

Ні, за наявними даними йдеться про придбання конкретного підрозділу — команди й інфраструктури, що відповідають за побудову фронтир-моделей, а не всієї компанії Poolside цілком.

Чи означає це, що Nvidia випустить власний бренд фронтир-моделей?

Nvidia поки не оголошувала окремого бренду моделей на основі команди Poolside. За нашою оцінкою, найімовірніше ці ресурси спершу підуть на внутрішню оптимізацію тренувальних навантажень під власні чипи та на розширення пропозицій хмарних сервісів компанії.