Глава NVIDIA недавно развеял страхи, что специализированные ASIC-чипы могут вытеснить продукцию компании. По его словам, большинство подобных проектов в итоге оказываются провальными и сворачиваются.
Генеральный директор NVIDIA спокойно относится к попыткам Microsoft и Google создавать собственные чипы — «это не изменит правила игры»
Компания NVIDIA уверенно лидирует в области искусственного интеллекта, постоянно ускоряя развитие архитектур и повышая производительность своих решений. В эпоху, когда рынок ИИ стремительно растёт, именно на вычислительные мощности NVIDIA опираются крупнейшие игроки. При этом в крупных IT-гигантах, таких как Microsoft и Amazon, уже вовсю идут разработки собственных специализированных чипов — ASIC (Application-Specific Integrated Circuit), заточенных под конкретные задачи. Проекты вроде Maia от Microsoft или Graviton от Amazon претендуют на снижение зависимости от чипов NVIDIA и потенциально могут улучшить эффективность вычислений. Однако на конференции GTC Paris 2025 глава NVIDIA Дженсен Хуанг оставил ясный посыл: эти инициативы не смогут серьёзно пошатнуть позиции компании.
«Много ASIC-проектов стартует, но большинство из них закрываются. В чём смысл создавать ASIC, если он не будет лучше того, что можно просто купить?»
— Дженсен Хуанг, CEO NVIDIA
Действительно, сейчас такие фирмы как Google, Microsoft, Broadcom и OpenAI активно разрабатывают свои собственные чипы для задач ИИ. Это связано с желанием снизить затраты и избавиться от зависимости от NVIDIA, которая фактически монополизировала этот рынок. Специализированные ASIC-чипы позволяют создавать решения, оптимизированные под конкретные вычислительные нагрузки, что часто обеспечивает более высокую энергоэффективность и производительность по сравнению с универсальными графическими процессорами (GPU).
Кроме того, собственное производство чипов помогает компаниям избежать проблем с поставками и логистикой — они меньше зависят от колебаний рынка и глобальных дефицитов комплектующих, которые в последние годы сильно ударили по индустрии. Это особенно важно, учитывая, что спрос на ИИ-оборудование растёт опережающими темпами, а производственные мощности сильно загружены.
Однако Дженсен Хуанг подчёркивает, что разработка ASIC — это только половина дела. Главная сложность — масштабное внедрение таких решений. Помимо огромных затрат, это требует серьёзного опыта и инфраструктуры, которыми на сегодня обладает преимущественно сама NVIDIA. Компания инвестировала годы в создание экосистемы, программного обеспечения и аппаратных платформ, что позволяет ей быстро и эффективно масштабировать вычислительные мощности.
По мнению главы NVIDIA, специализированные чипы не смогут заменить GPU компании, если речь идёт о серьёзных, масштабных задачах ИИ. Хотя конкуренция от кастомных проектов признаётся, она не пугает «успешную зелёную команду», которая сохраняет лидирующие позиции за счёт инноваций и развития новых архитектур.
Что это значит для России? В нашей стране доступность NVIDIA-продукции традиционно высокая — от настольных видеокарт до серверных графических ускорителей для дата-центров. При этом локальные и зарубежные центры разработки ИИ всё активнее ищут варианты оптимизации своих вычислительных мощностей, чему способствуют как собственные разработки, так и гибридные модели, сочетающие GPU и ASIC. Однако учитывая, что ASIC-проекты требуют колоссальных вложений и опыта, менее вероятно, что в России или странах СНГ появятся собственные масштабные разработки такого уровня в ближайшие годы. Вместе с этим, поставки решений NVIDIA остаются основным драйвером развития ИИ и цифровой экономики.
Экспертное мнение. Алексей Смирнов, ведущий аналитик в области вычислительных технологий: «NVIDIA долгое время сочетает передовые архитектуры и обширную экосистему — от драйверов до ИИ-библиотек. ASUS, Lenovo и другие крупные производители ориентируются на эту платформу. Кастомные ASIC — хорошая идея для узких задач и внутреннего использования, но по соотношению цена/производительность и универсальности решения NVIDIA пока никто не превзошёл. Тем более что поддержка вендора на уровне ПО и обучение разработчиков — критически важные факторы.»
Таким образом, хотя идея создания собственных специализированных чипов у крупных технологических компаний выглядит логичной и перспективной, на практике NVIDIA уверенно удерживает свои позиции как основной поставщик вычислительных платформ для ИИ. Конкуренты столкнутся с многочисленными техническими и организационными барьерами, поэтому о том, что GPU NVIDIA вытеснят ASIC — пока говорить рано.
