Десятилетняя ставка Alphabet на собственные специализированные чипы начинает приносить существенные результаты.
В то же время Nvidia демонстрирует впечатляющие показатели: квартальная выручка составила 57 миллиардов долларов, а сегмент дата‑центров растёт примерно на 66% в год. Генеральный директор Дженсен Хуанг заявил о видимости спроса на чипы в объёме порядка 500 миллиардов долларов до 2026 года. С долей рынка около 90% в ускорителях для ИИ Nvidia стала базовым провайдером инфраструктуры для эры генеративного ИИ.
Alphabet тем не менее тихо разрабатывала собственную альтернативу, и эта работа теперь начинает сказываться на рынке.
Проект Tensor Processing Unit (TPU) зародился в Alphabet в 2013 году как внутренняя разработка для обслуживания поисковых и переводческих сервисов Google. Сегодня TPU превратился в коммерческую платформу, напрямую конкурирующую с GPU для дата‑центров. Новое поколение TPU v7 Ironwood по опубликованным бенчмаркам близко по сырой вычислительной мощности к флагманским чипам Nvidia Blackwell и обещает преимущества на уровне системной эффективности для ряда рабочих нагрузок.
Google Cloud предоставляет доступ к этим чипам внешним клиентам, и ряд крупных игроков в области ИИ уже это заметил. Девять из десяти ведущих исследовательских центров ИИ используют инфраструктуру Google Cloud. Apple обучала свои фундаментальные модели для проекта Apple Intelligence на кластерах из 8 192 TPU v4, а компания Anthropic получила доступ до миллиона TPU в рамках многомиллиардного партнёрства. Сообщается, что Meta рассматривает возможность использования TPU наряду с собственными чипами уже к 2027 году.
Такие крупные развёртывания важны, поскольку подтверждают пригодность платформы TPU для работы в масштабе. Выбор Apple в пользу чипов Alphabet рассматривается как признак готовности технологии к корпоративным нагрузкам.
Главная угроза для Nvidia заключается не в обучении моделей, где требуются универсальная вычислительная мощность и гибкость её архитектуры, а в инференсе — постоянном запуске моделей для обслуживания миллионов и миллиардов пользователей. Обучение обычно рассматривается как капитальные затраты, инференс — как операционные, и по мере роста приложений ИИ расходы на инференс накапливаются. Аналитики ожидают, что к 2026 году доходы от инференса превысят доходы от обучения в отрасли в целом.
Отчёты указывают, что для некоторых задач инференса последние TPU Google могут обеспечивать до четырёх раз большую эффективность по стоимости по сравнению с Nvidia H100. После миграции с GPU Nvidia на паки TPU v6e сервис Midjourney, по сообщениям, сократил ежемесячные расходы на инференс примерно на 65%. Для компаний, активно потребляющих вычислительные ресурсы и зависящих от венчурного капитала, такие сокращения затрат могут быть критически важны.
Долгое время главным преимуществом Nvidia была не столько аппаратная платформа, сколько программный стек CUDA, создававший высокие барьеры для перехода. Однако современные фреймворки машинного обучения, такие как PyTorch и JAX, всё лучше абстрагируют аппаратный уровень, облегчая перенос моделей между платформами. В частности, PyTorch/XLA позволяет запускать стандартные модели PyTorch на TPU с минимальными изменениями в коде, что снижает прежнюю зависимость от CUDA, хотя сообщество CUDA остаётся крупнее и более зрелым.
Для инвесторов это означает, что Nvidia вряд ли исчезнет — компания, по‑видимому, сохранит лидерство в обучении моделей на протяжении ряда лет, а её финансовые показатели отражают устойчивый спрос. В то же время конкуренция со стороны Alphabet ограничивает возможности бесконтрольного повышения цен. По данным отраслевого анализа, OpenAI сумела получить примерно 30% скидку на последний заказ оборудования Nvidia, опираясь на реальную возможность переноса части рабочих нагрузок на альтернативное железо, включая TPU.
Рост спроса на инфраструктуру уже отражается в показателях Alphabet: выручка Google Cloud выросла примерно на 34% в последнем квартале до 15,2 миллиарда долларов, а отложенный спрос в облаке увеличился на 82% в годовом исчислении до 155 миллиардов долларов. Alphabet успешно позиционирует TPU как правдоподобную вторую по значимости опцию для крупных пользователей ИИ, и в таком масштабном рынке роль «второго места» может оцениваться сотнями миллиардов долларов.
Комментариев