Google и Amazon подрывают доминирование Nvidia
Alphabet (Google) и Amazon разрабатывают и внедрениют собственные чипы и создают полнофункциональные стеки ИИ, которые предлагают более экономичное решение для определенных рабочих нагрузок.
📌 ФОКУСИРОВКА НА ИНФЕРЕНСЕ
Alphabet активно продвигает свои TPU (Tensor Processing Units), поскольку именно здесь лежит монетизация со здоровой маржой, позволяющая контролировать полный стек будущих рабочих нагрузок ИИ.
- Новейшие чипы, такие как Ironwood (седьмое поколение TPUs), специально созданы для высоко-производительного, низколатентного инференса и обслуживания моделей ИИ.
Amazon использует свои чипы Trainium и Inferentia в рамках аналогичной полнофункциональной стратегии, направленной на снижение зависимости от чипов Nvidia.
- Экземпляры Inf2, оптимизированные для инференса, обеспечивают в 3 раза более высокую вычислительную производительность и до 10 раз меньшую задержку по сравнению с предыдущим поколением.
❗️ Подход Alphabet и Amazon заключается в нативном запуске рабочих нагрузок на их собственной инфраструктуре, охватывая каждый уровень — от специализированного кремния до потребительских приложений.
Основной удар по доходам Nvidia наносится через сегмент инференса ИИ, который не требует высокопроизводительных чипов для выполнения работы.
Хотя высокопроизводительные чипы Nvidia, вероятно, продолжат доминировать в обучении моделей ИИ (AI training), прогнозируется, что инференс (запуск обученных моделей) намного превзойдет обучение по масштабу и экономической значимости. В отличие от обучения, которое требует самых современных GPU, инференс смещается в сторону специализированного оборудования, оптимизированного для эффективности и стоимости, такого как ASIC и пользовательские ускорители.
- Чипы Alphabet (TPUs) и Amazon (Trainium/Inferentia) не нацелены напрямую на конкуренцию с ведущими продуктами Nvidia (такими как Blackwell или Rubin).
Вместо этого, они атакуют с флангов, используя более подходящие для инференса решения, в то время как продолжают закупать чипы Nvidia для своих клиентов, которые требуют поддержки CUDA и высокого уровня обучения.
📌 ЭКОНОМИЧЕСКОЕ ДАВЛЕНИЕ И «АХИЛЛЕСОВА ПЯТА» NVIDIA
Наиболее существенным фактором, подрывающим позиции Nvidia, является экономическая нецелесообразность использования дорогих универсальных GPU для всех рабочих нагрузок в долгосрочной перспективе.
- Гиперскейлеры неохотно играют в игру Nvidia, покупая дорогие чипы для обучения моделей, но они стремятся максимально быстро снизить свою зависимость от них, чтобы показать рост маржи и более высокую окупаемость инвестированного капитала.
В будущем, юнит-экономика чипа Nvidia стоимостью 30000-40000 перестанет работать по сравнению с запуском рабочих нагрузок ИИ на вертикально интегрированных стеках, таких как Google и AWS.
- Ценовое преимущество, предлагаемое интегрированными стеками, является «истинной Ахиллесовой пятой» Nvidia.
Для крупнейших облачных провайдеров, которые могут позволить себе высокие начальные затраты (десятки миллионов долларов) на разработку собственных специализированных ASIC, эти чипы окупаются в долгосрочной перспективе.
Поскольку расходы на ИИ становятся основанными на использовании (usage-based), а не на конечном оборудовании, предприятия начнут видеть большую ценность в экономичных моделях, предлагаемых Amazon и Alphabet, что приведет к тому, что чипы Nvidia станут избыточными для большинства практических приложений.
❗️ Эта эволюция приведет к тому, что клиентская база Nvidia станет менее концентрированной, а ее доходы менее предсказуемыми!
Возможно, для читателей моего блога это утверждение покажется спорным, поэтому я предлагаю послушать дебаты на эту тему = чтобы все точки зрения были представлены:
Дмитрий Солодин
Гиперскейлеры против NVDA.MP3
0:00
14:36
amzn
googl
nvda
ai
