Waymo розробила власний AI-чип для роботаксі, щоб зменшити залежність від Nvidia у критичній частині своєї інфраструктури — бортовому інференсі, який у реальному часі обробляє потік даних з камер, лідарів і радарів. За даними The Decoder, цей крок вписується у ширший тренд великих AI-гравців на вертикальну інтеграцію заліза.

Для стороннього спостерігача це виглядає як технічна деталь. Але для індустрії, де вартість одного інференс-запиту й затримка відповіді напряму впливають на економіку продукту, це стратегічне рішення рівня ради директорів. Roботаксі — це, по суті, дата-центр на колесах, який мусить приймати рішення за мілісекунди, не чекаючи хмарного сервера.

Що конкретно зробила Waymo?

Компанія побудувала власний AI-чип, призначений для інференсу безпосередньо в автомобілі — тобто для обробки сенсорних даних і прийняття рішень про рух у режимі реального часу. Раніше ці задачі значною мірою покривалися GPU-рішеннями Nvidia, які лишаються стандартом де-факто для AI-обчислень як у хмарі, так і на межі мережі (edge).

Перехід на власний кремній не означає миттєву й повну відмову від Nvidia — таких заяв Waymo не робила. Йдеться про зниження залежності в конкретному, критично важливому шматку архітектури: обчисленнях, що відповідають за безпеку руху безпілотного авто.

Чому великі AI-компанії масово будують власні чипи?

Waymo — не перша й не остання компанія такого масштабу, яка йде цим шляхом. Google вже роками розвиває власні TPU, Amazon має Trainium та Inferentia, Microsoft представила Maia, Meta — MTIA, а Tesla будувала Dojo для тренування моделей self-driving. Логіка у всіх схожа:

Важливо розуміти різницю: такі чипи здебільшого — вузькоспеціалізовані ASIC або NPU під конкретне навантаження (інференс перцепції, а не тренування великих мовних моделей загального призначення), а не заміна GPU-екосистеми Nvidia повністю.

Що це означає для Nvidia та ринку AI-чипів?

Для Nvidia окремий чип одного клієнта, навіть такого як Waymo (підрозділ Alphabet), — це радше сигнал, ніж загроза виручці. Компанія залишається домінантним постачальником для тренування великих моделей і для більшості хмарних AI-навантажень, де гнучкість CUDA-екосистеми поки що не має рівноцінної альтернативи.

Але сукупний ефект таких рішень — Waymo, Google, Amazon, Microsoft, Meta — поступово скорочує частку ринку, де Nvidia є єдиним постачальником. Ймовірно, у сегменті вузькоспеціалізованого edge-інференсу для автономного транспорту цей вплив буде відчутнішим, ніж у сегменті тренування фронтир-моделей, де попит на GPU й далі перевищує пропозицію.

Висновок AiiN: що з цим робити зараз

Наша теза проста: власний кремній — це не примха великих компаній, а закономірний наступний крок для будь-якого AI-продукту, що досяг масштабу, на якому вартість інференсу на одну транзакцію стає вузьким місцем бізнес-моделі. Для роботаксі це особливо гостро — там ціна помилки й затримки вимірюється не втраченим SLA, а безпекою людей на дорозі.

Для AI-білдерів практичний висновок такий: якщо ваш продукт масштабується до мільйонів інференс-запитів на день, варто вже зараз рахувати unit-економіку інференсу окремо від хмарних рахунків за GPU — саме ця цифра підкаже, коли (і чи) вертикальна інтеграція заліза стане виправданою, а не піар-жестом.

Чи відмовляється Waymo від Nvidia повністю?

Ні, судячи з наявних даних йдеться про зниження залежності в конкретному сегменті — бортовому інференсі, а не про повний розрив із постачальником для всіх обчислювальних задач компанії.

Хто ще з великих AI-компаній має власні чипи?

Google (TPU), Amazon (Trainium, Inferentia), Microsoft (Maia), Meta (MTIA) та Tesla (Dojo) — усі вже інвестували у власний кремній для тренування або інференсу.

Чи варто стартапам розробляти власні чипи?

Для переважної більшості стартапів — ні: розробка чипа вимагає масштабу в мільярди запитів і багаторічних інвестицій, які виправдані лише тоді, коли вартість GPU-інференсу вже є домінантною статтею витрат.