У искусственного интеллекта появилась собственная резервная валюта — вычислительная мощность. А валюты, как известно, не признают вечных союзов: курс меняется быстрее деклараций. OpenAI, по имеющимся данным, закупает ускорители сразу у нескольких поставщиков — включая Google, с которым напрямую конкурирует на рынке моделей. Anthropic накануне IPO, как сообщается, выставляет мультивендорную чиповую стратегию напоказ — уже не как странность, а как пункт в презентации для инвесторов. Китайские гиганты скупают GPU с такой жадностью, что рядом с легальным рынком выросла контрабанда. Почему крупнейшие лаборатории больше не полагаются на одного поставщика — и что эта перетасовка делает с ценообразованием Nvidia?
Ещё пару лет назад карта вычислений была проще некуда: OpenAI сидела на мощностях Microsoft Azure, Anthropic — на Google Cloud, у каждого своё «родное» облако и никаких вопросов. Сегодня от этой схемы остались обломки. OpenAI, по имеющимся данным, действует по нескольким направлениям сразу: заказные ускорители совместно с Broadcom, соглашение с AMD и доступ к TPU-мощностям Google Cloud. Да-да, к мощностям того самого Google. Anthropic, в которую вложились одновременно Amazon и Google, как сообщается, тоже раскладывает нагрузку между чипами разных производителей — и накануне IPO подаёт такой портфель не как причуду, а как доказательство устойчивости бизнеса.
Meta доводит до ума собственные чипы MTIA, Amazon годами пестует Trainium, Google выпустил TPU уже седьмого поколения и всё охотнее продаёт их внешним клиентам. Покупать вычисления у прямого конкурента больше не ересь — обычный финансовый хедж.
Причины сугубо прагматичные. Начнём с масштаба: обучение моделей нового поколения меряют уже не чипами, а гигаваттами. Дефицит памяти HBM, очереди на новейшие GPU, съезжающие сроки — сбой у единственного поставщика, и роадмап замер.
Дальше — торговый рычаг. Пока Nvidia доминирует на рынке ускорителей, она доминирует и в цене. Каждый контракт, подписанный с AMD, Broadcom или Google, — козырь на следующих переговорах.
И третья причина — инференс. Модель обучена, начинается массовая эксплуатация, а там решает стоимость одного токена. По распространённой оценке, заказные ASIC вроде TPU и Trainium на предсказуемых нагрузках экономичнее универсальных GPU. Программный разрыв при этом медленно тает: PyTorch и компиляторы вроде XLA позволяют переносить модели между архитектурами без многолетнего переписывания кода. CUDA по-прежнему ров — но ров мелеет.
Параллельно зрел второй сюжет. ByteDance, Alibaba, Tencent, Baidu — аппетит китайских гигантов к ускорителям и так был колоссальным, а экспортные ограничения на топовые чипы превратили его в ажиотаж: компании берут сейчас, потому что боятся, что завтра покупать будет нечего. Nvidia выпускала для китайского рынка урезанные версии своих ускорителей, но и их доступность качалась вслед за каждым ужесточением.
Huawei развивает линейку Ascend, однако, по имеющимся данным, предложение таких ускорителей за спросом не поспевает. Дальше всё по учебнику дефицита: GPU везут контрабандой. И это не анекдот, а симптом — премия на сером рынке показывает реальную цену вычислений точнее любого аналитического отчёта.
В России на этом рынке два якоря — Сбер и Яндекс. Сбер строит вокруг GigaChat собственные GPU-кластеры, наращивает дата-центры и позиционирует себя как ключевого поставщика ИИ-инфраструктуры в стране. Яндекс развивает семейство YandexGPT и вкладывается в центры обработки данных. Государство подгоняет: стратегию развития искусственного интеллекта продлили с целевыми ориентирами по вычислительным мощностям, на кластеры выделяются гранты.
Только ограничения никуда не делись. Флагманские ускорители Nvidia официально в страну не поставляются, параллельный импорт идёт с ощутимой наценкой, а «Эльбрус» с «Байкалом» — классические CPU, а не ИИ-ускорители, и с их производством уже возникали трудности. Отсюда, по имеющимся данным, интерес части компаний к китайским ускорителям вроде Huawei Ascend. Упирается всё не в модели — их в России создавать умеют, — а в доступ к вычислениям и в ставку на собственные разработки, пока очень ранние.
Вычисления окончательно перестали быть строкой расходов — теперь это валюта и предмет промышленной дипломатии. Nvidia рынок не теряет, но её власть над ценой, как ожидают, впервые за годы может размываться по краям: каждый контракт с альтернативным поставщиком — аргумент в следующих переговорах. Битва смещается от вопроса «у кого самая умная модель» к вопросу «у кого дешевле токен», а выигрывают те, кто умеет диверсифицировать всё сразу — чипы, энергию, фабрики. GPU в чужом багаже и чипы, купленные у конкурента, — две стороны одной медали: сегодня дефицит вычислений определяет расстановку сил в отрасли сильнее любых архитектурных прорывов.