Meta проводит переговоры о долгосрочной аренде и покупке у Google специализированных тензорных сопроцессоров (TPU) на сумму в миллиарды долларов. Это потенциальное соглашение, о котором сообщалось в конце 2025 года, может поменять расстановку сил в сфере инфраструктуры для искусственного интеллекта.
По данным Reuters, такие переговоры рассматриваются как одно из наиболее значительных отклонений от доминирующей в отрасли зависимости от продукции Nvidia. В последние годы графические процессоры Nvidia оставались главным выбором для обучения сложных моделей ИИ.
TPU против GPU: архитектурные различия имеют ключевое значение для рабочих нагрузок ИИ. TPU от Google — это специализированные интегральные схемы (ASIC), оптимизированные под масштабные матричные вычисления, необходимые при обучении и инференсе больших языковых моделей.
Графические процессоры Nvidia более универсальны и применимы не только в задачах ИИ, но и в играх, научных симуляциях и других вычислениях. Наличие развитой экосистемы программного обеспечения CUDA также усиливает позицию Nvidia на рынке.
Предполагаемая сделка между Meta и Google вряд ли означает полную замену одного вида аппаратуры другим. Скорее это шаг в сторону гибридной модели, при которой компании будут комбинировать разные типы вычислительной техники, чтобы оптимизировать соотношение стоимости и производительности и снизить зависимость от одного поставщика.
Соперничество за рынок чипов для центров обработки данных высоких вычислений имеет большое значение: Nvidia сегодня контролирует подавляющую долю этого сегмента. Такое доминирование приносит компании значительные квартальные доходы от облачных вычислений и оборудованных дата‑центров.
Для Google привлечение Meta в качестве клиента TPU стало бы заметной коммерческой победой: это подтвердило бы работоспособность его архитектуры на открытом рынке и открыло бы существенный поток доходов для Google Cloud. Успех такого решения мог бы подтолкнуть других провайдеров облачных услуг к разработке и коммерциализации собственной специализированной электроники.
Более высокая конкуренция в сегменте высокопроизводительных процессоров может ускорить технологические инновации и со временем снизить затраты на обучение и эксплуатацию крупных моделей ИИ. Рост числа поставщиков даст разработчикам и компаниям больше вариантов при выборе аппаратной платформы.
TPU — это тензорные сопроцессоры, созданные Google как специализированные ASIC для ускорения задач машинного обучения. За счёт узкой оптимизации под матричные операции они могут быть более эффективными по времени выполнения и энергопотреблению в задачах ИИ по сравнению с универсальными чипами.
Почему Nvidia доминирует в ИИ‑индустрии? Причины кроются не только в мощном оборудовании, но и в широкой экосистеме программных инструментов, прежде всего CUDA, к которой привыкло большое сообщество разработчиков. Это программное окружение выступает важным барьером для смены платформ.
Meta также разрабатывает собственные чипы для ИИ, например ускорители для обучения и инференса, известные как MTIA. Интерес к TPU указывает на многосоставную стратегию компании, сочетающую собственную архитектуру, графические процессоры и внешние решения.
Как это может повлиять на расходы на разработку ИИ? Усиление конкуренции в аппаратном сегменте может со временем оказать давление на цены и снизить стоимость обучения и эксплуатации больших моделей. Однако такие изменения требуют времени, прежде чем они распространится по всей отрасли.
Стоит ли ожидать конца лидерства Nvidia? Нет, текущие переговоры не означают немедленного свержения Nvidia с лидирующих позиций. Компания по‑прежнему опережает конкурентов во многих направлениях и продолжает активно развивать свои технологии; возможное соглашение рассматривается как шаг к диверсификации рынка, а не как его крах.
Комментариев