Долгое время доминирование NVIDIA на рынке ИИ объяснялось просто: компания была единственным поставщиком топовых GPU, а затем — первой, кто начал масштабировать их производство. Однако после публикации квартального отчета 26 августа 2026 года аналитики и инвесторы фиксируют сдвиг: преимущество NVIDIA все меньше связано с самими графическими процессорами и все больше — с тем, как компания решает проблему перемещения данных внутри гигаваттных дата-центров.
Ключевые факты
ПараметрЗначениеСобытиеПубликация отчета NVIDIA за Q2 2026 и комментарии о новой архитектуреКлючевой продуктАрхитектура Vera Rubin (GPU Rubin + Vera CPU + Groq 3 LPX)Заявленный эффектДо 3x ускорения операций ввода-вывода за счет оптимизации трафика данныхКонтекстРост конкуренции со стороны кастомных чипов Amazon, Google и OpenAI (Jalapeño)
Проблема масштаба: GPU перестал быть единственным героем
Традиционный нарратив последних двух лет строился вокруг того, что NVIDIA теряет монополию на GPU: гиперскейлеры вроде Amazon и Google разрабатывают собственные чипы, а OpenAI представила чип Jalapeño. Рыночная капитализация компании, выросшая в 10 раз с начала 2023 до середины 2025 года, в последние 12 месяцев росла скромнее из-за этих опасений.
Однако, как отмечает TechCrunch со ссылкой на беседы с представителями NVIDIA, реальность сложнее. Когда масштаб вычислений достигает гигаваттного уровня, ключевой проблемой становится не столько производительность отдельного GPU, сколько организация потоков данных между тысячами чипов, памятью и системами хранения. Именно здесь NVIDIA, по мнению аналитиков, сохраняет значительное преимущество.
Архитектура Vera Rubin: не только GPU
В центре новой стратегии — архитектура Vera Rubin, которая включает не только сам GPU Rubin, но и несколько специализированных блоков: процессор Vera CPU, ускоритель инференса Groq 3 LPX и сопутствующие стойки для сетевого взаимодействия и хранения данных.
Джейсон Харди, вице-президент NVIDIA по технологиям хранения данных, пояснил в интервью TechCrunch: «Vera важна, потому что объем памяти, который можно разместить в одном сервере, ограничен. По мере масштабирования дата-центров ключевым становится не наращивание циклов процессора, а управление трафиком данных».
По его словам, использование Vera CPU позволило добиться «до 3-кратного улучшения операций ввода-вывода», что дает возможность использовать флеш-память на полную мощность без узких мест. Иными словами, если GPU — это двигатель, то Vera CPU и сопутствующие системы — это коробка передач, тормоза и подвеска, которые позволяют этому двигателю работать эффективно.
Альтернативный подход: уроки OpenAI
Показательно, что схожая логика прослеживается в разработках конкурентов. При создании собственного чипа Jalapeño компания OpenAI сделала основной упор на минимизацию перемещения данных. В блоге компании говорится: «Мы спроектировали Jalapeño так, чтобы минимизировать перемещение данных и задержки связи. Большая область чипа позволяет выполнять всю рабочую нагрузку в рамках одной связанной системы, сохраняя скорость и эффективность от начала до конца».
Разница подходов очевидна: OpenAI решает проблему, удерживая данные внутри одного интегрального чипа, тогда как NVIDIA создает экосистему вокруг GPU, где каждый компонент оптимизирован для конкретной задачи. Однако общий вектор — повышение эффективности за счет интеллектуального управления трафиком, а не только за счет сырой вычислительной мощности — един для всех игроков.
Что это меняет для разработчиков дата-центров
Для инженеров и операторов дата-центров этот сдвиг означает, что выбор поставщика инфраструктуры все меньше сводится к сравнению характеристик GPU. Решающим фактором становится способность системы в целом эффективно обрабатывать рабочие нагрузки без узких мест.
NVIDIA, по всей видимости, осознает это и активно инвестирует в разработку сопутствующих компонентов. Однако конкуренция не стоит на месте: помимо гиперскейлеров, на рынок выходят специализированные стартапы, предлагающие решения для оркестрации данных. Вопрос в том, сможет ли NVIDIA удержать лидерство на новом уровне, где ее преимущество не является столь очевидным, как в случае с GPU.
Для инвесторов и аналитиков это сигнал о необходимости пересмотреть метрики оценки. Вместо простого сравнения производительности GPU (TFLOPS, пропускная способность памяти) придется учитывать системные характеристики: задержки межсоединений, эффективность работы с памятью, способность масштабироваться без потери производительности.
Что пока не подтверждено
На данный момент нет независимых тестов, подтверждающих заявленное 3-кратное ускорение в реальных рабочих нагрузках. Данные предоставлены только самой NVIDIA. Также неясно, как архитектура Vera Rubin будет масштабироваться в конфигурациях, отличных от эталонных, и насколько критичным окажется отставание в GPU-части, если конкуренты догонят NVIDIA в системной оркестрации.
Источник: TechCrunch — Nvidia’s AI advantage is moving beyond the GPU (https://techcrunch.com/2026/08/29/nvidias-ai-advantage-is-moving-beyond-the-gpu/)
Datos clave
| Punto | Detalle |
|---|---|
| Fuente | TechCrunch AI |
| Fecha | 2026-08-29T13:00:00+00:00 |
| Tema | Nvidia’s AI advantage is moving beyond the GPU |