Jensen Huang – Will Nvidia’s moat persist?
Интервью Дженсена Хуанга (CEO Nvidia) подкастеру Дваркешу Пателю. Главная тема выпуска — устойчивость доминирования Nvidia на рынке ИИ-вычислений перед лицом конкуренции со стороны кастомных чипов (TPU, ASICs), ограничений цепочек поставок и геополитических барьеров.
Хуанг подробно объясняет механику работы глобальной цепочки поставок от TSMC до дата-центров, доказывает превосходство гибкой архитектуры CUDA над узкоспециализированными решениями и вступает в жесткий спор с ведущим о целесообразности и последствиях экспортных ограничений чипов в Китай.
Роль Nvidia и коммодитизация софта
Трансформация электронов в токены не поддается коммодитизации 00:00: Процесс превращения электричества в ценные ИИ-токены требует колоссальных инженерных и научных усилий. Nvidia выступает связующим звеном в этой цепи, делая ровно столько, сколько необходимо для обеспечения невероятных вычислительных возможностей, и делегируя остальное партнерам. Экосистема компании охватывает все пять уровней ИИ-индустрии: от поставщиков компонентов до разработчиков моделей и приложений.
ИИ кратно увеличит рынок корпоративных софтверных инструментов 03:13: Большинство современных софтверных компаний (Excel, Cadence, Synopsys) создают инструменты для людей. В будущем количество пользователей этих инструментов вырастет экспоненциально за счет ИИ-агентов. Ограничение в виде нехватки инженеров исчезнет, так как агенты будут массово использовать существующий софт для исследования пространства дизайна. Это приведет к взрывному росту числа лицензий и инстансов корпоративного ПО.
Управление цепочками поставок и масштабирование
Долгосрочные контракты на сотни миллиардов долларов — это следствие, а не причина рва Nvidia 04:54: Поставщики (TSMC, производители памяти и упаковки) готовы инвестировать в расширение производства исключительно под Nvidia, потому что видят масштаб конечного спроса. Хуанг тратит огромную часть времени на обучение и синхронизацию CEO компаний-партнеров, объясняя им будущие потребности рынка. Конференция GTC служит физической точкой сборки, где поставщики компонентов (upstream) видят реальных создателей ИИ-стартапов (downstream) и убеждаются в реальности прогнозов.
Узкие места в производстве чипов решаются за 2-3 года 08:49: Мгновенный спрос на ИИ-вычисления сейчас превышает мировое предложение, что является позитивным сигналом для индустрии. Проблемы с упаковкой CoWoS, которые долгое время были главным бутылочным горлышком, успешно решены путем многократного удвоения мощностей. TSMC теперь масштабирует технологии упаковки синхронно с производством логики и памяти.
Префетчинг узких мест меняет структуру рынка 12:13: Nvidia заранее инвестирует в технологии, которые станут критическими через несколько лет. Инвестиции в Lumentum, Coherent и экосистему кремниевой фотоники позволили выстроить новую цепочку поставок вокруг TSMC. Компания лицензирует свои патенты (например, технологию COUPE) партнерам, чтобы поддерживать открытость и готовность экосистемы к будущим масштабам.
Настоящим ограничением для ИИ станут энергетика и рабочие руки 13:26: В отличие от производства кремния или EUV-литографов, которые можно масштабировать за пару лет при наличии спроса, строительство новых дата-центров упирается в базовую инфраструктуру. Главный дефицит будущего — это электрики, сантехники и доступ к электроэнергии. Невозможно реиндустриализировать США и построить фабрики ИИ без решения фундаментальных энергетических проблем, требующих долгих лет на реализацию.
Архитектура GPU против специализированных TPU/ASIC
Ускоренные вычисления охватывают гораздо больше, чем ИИ 16:39: В отличие от TPU, которые созданы исключительно для тензорных операций, архитектура Nvidia универсальна. Она ускоряет молекулярную динамику, квантовую хромодинамику, обработку неструктурированных данных и физику частиц. Эта универсальность позволяет облачным провайдерам сдавать системы Nvidia в аренду клиентам из любых индустрий, гарантируя стопроцентную утилизацию оборудования.
Программируемость CUDA — ключ к алгоритмическим прорывам 21:01: Закон Мура дает прирост производительности лишь на ≈25% в год. Прыжок энергоэффективности в 50 раз при переходе от Hopper к Blackwell достигается за счет новых алгоритмов (Mixture of Experts), распараллеливания и глубокого ко-дизайна железа, сетей (NVLink, Spectrum-X) и софта. Если бы архитектура не была гибко программируемой, исследователи не смогли бы изобретать новые механизмы внимания или гибридные модели.
[23:54-24:27] рекламная интеграция Crusoe.
Инсталл-база делает CUDA незаменимой даже для гиперскейлеров 24:27: Несмотря на то, что крупные лаборатории (OpenAI, Google) пишут собственные низкоуровневые ядра (Triton), они продолжают использовать Nvidia из-за гигантской установленной базы в сотни миллионов GPU. Разработчики фреймворков хотят, чтобы их код работал везде — от облака до робототехники. Nvidia активно контрибьютит в открытые фреймворки (Triton, vLLM, NeMo RL) и обеспечивает самую надежную кодовую базу.
Nvidia обеспечивает лучшую совокупную стоимость владения (TCO) 30:35: Маржинальность Nvidia в 70% оправдана тем, что компания предоставляет максимальную производительность на доллар и на ватт. Инженеры Nvidia помогают ИИ-лабораториям оптимизировать их стек, что часто ускоряет работу моделей в 2-3 раза, напрямую удваивая выручку клиентов. Ни один конкурент (включая Trainium или TPU) до сих пор не смог публично доказать свое преимущество в стоимости инференса на независимых бенчмарках вроде InferenceMAX.
Инвестиции, облака и распределение дефицитных GPU
Использование TPU компанией Anthropic — это следствие исторической ошибки Nvidia 35:25: На раннем этапе Anthropic требовались миллиарды долларов в виде вычислительных мощностей, которые могли предоставить только Google и AWS (в обмен на использование их чипов). В прошлом Nvidia не имела финансовой возможности и философии для таких огромных венчурных инвестиций. Теперь компания исправила эту ошибку, вложив 30 млрд в OpenAI и10 млрд в Anthropic, чтобы поддержать их масштабирование на своей платформе.
Nvidia принципиально не становится облачным провайдером 43:39: Философия компании — «делать столько, сколько необходимо, и как можно меньше сверх того». Nvidia финансирует нео-облака (CoreWeave, Nscale, Nebius), потому что без этой поддержки они бы не выжили. Цель компании — создать максимально широкую экосистему и позволить партнерам заниматься финансовым и операционным бизнесом, не конкурируя с ними напрямую.
Отказ от выбора победителей — урок из эпохи 3D-графики 47:29: На заре развития графических ускорителей существовало 60 компаний, и архитектура самой Nvidia изначально была абсолютно ошибочной. Выживание компании научило Хуанга смирению: невозможно предсказать, кто именно победит на рынке. Поэтому Nvidia инвестирует во все перспективные ИИ-стартапы одновременно.
[50:46-51:19] рекламная интеграция Cursor.
Распределение дефицитных GPU идет по очереди, а не через аукцион 51:19: Nvidia отказывается продавать чипы тем, кто предложит большую цену, считая динамическое ценообразование плохой бизнес-практикой. Аллокация зависит от двух факторов: времени размещения официального заказа (PO) и физической готовности дата-центра клиента принять оборудование.
Предсказуемость релизов позволяет рынку планировать стройки 55:14: Клиенты точно знают график выхода новых поколений (Vera Rubin в этом году, затем Vera Rubin Ultra, затем Feynman). Это позволяет компаниям уверенно проектировать ИИ-фабрики стоимостью от 10 млн до100 млрд, зная, что стоимость токена будет гарантированно падать на порядок с каждым годом.
Геополитика, экспортные ограничения и Китай (Спор ведущего и гостя)
Угроза кибероружия требует ограничения вычислительных мощностей 57:29: В споре об экспортных ограничениях Дваркеш приводит в пример модель Claude Mythos от Anthropic. Она способна находить уязвимости нулевого дня во всех популярных ОС, включая защищенную OpenBSD. Доступ Китая к передовым чипам для обучения подобных моделей и массового запуска ИИ-хакеров создает прямую угрозу кибербезопасности США.
Китай обладает достаточными ресурсами для развития ИИ даже под санкциями 59:08: Ответный аргумент Хуанга строится на том, что у КНР уже есть всё необходимое. Страна производит 60% массовых чипов в мире, обладает избытком дешевой электроэнергии и половиной всех ИИ-исследователей планеты. Изоляция китайских специалистов и отказ от научного диалога не сделает мир безопаснее.
Открытый исходный код — лучшая защита от ИИ-угроз 1:00:16: Идея о том, что ИИ-агенты будут бесконтрольно взламывать системы, игнорирует развитие защитной экосистемы. В будущем один мощный ИИ будет окружен тысячами ИИ-агентов, обеспечивающих кибербезопасность. Для развития этой защиты критически важны open-source модели, крупнейшим контрибьютором которых является Китай.
Нехватка передовой литографии компенсируется избытком энергии 1:04:00: Дваркеш указывает, что из-за отсутствия EUV-литографов Китай застрял на 7 нм, что дает им в 10 раз меньше флопсов, чем у США. Хуанг парирует: ИИ — это параллельная вычислительная задача. Имея пустующие дата-центры и неограниченную энергию, Китай может просто объединить в кластеры большее количество старых чипов (уровня Hopper), полностью нивелируя отставание в техпроцессе.
Отказ от китайского рынка угрожает технологическому лидерству США 1:08:25: Уход американских компаний заставляет Китай создавать собственную экосистему (продажи ИИ-чипов Huawei бьют исторические рекорды). Если будущие глобальные ИИ-модели будут оптимизированы под китайское железо, а не под американский стек (CUDA), США потеряют контроль над мировыми стандартами при экспорте технологий на Глобальный Юг. Уступка второго по величине рынка в мире — это стратегическая ошибка, аналогичная потере Америкой рынка телекоммуникаций.
Алгоритмические прорывы важнее «голого» железа 1:10:06: Большинство достижений в ИИ (например, архитектура DeepSeek) связано с математикой и программированием, а не только с транзисторами. Китайские исследователи, ограниченные в вычислительных мощностях, вынуждены придумывать крайне эффективные алгоритмы.
[1:14:27-1:14:57] рекламная интеграция Jane Street.
Аналогия ИИ с ядерным оружием ошибочна и вредна 1:17:34: Дваркеш сравнивает экспорт вычислительных мощностей с продажей обогащенного урана. Хуанг называет эту аналогию нелогичной: чипы — это базовый инфраструктурный элемент, как электричество. Демонизация ИИ (страх потери работы программистами или радиологами) наносит ущерб экономике США, так как ИИ автоматизирует задачи, а не профессии.
Будущее архитектур и жизнь без нейросетей
Разница между поколениями чипов кроется не в транзисторах 1:31:54: Физическая разница в литографии между Hopper и Blackwell составляет всего около 75%. Заявленный прирост производительности в 50 раз достигается исключительно за счет системной архитектуры, сетей и компьютерных наук.
Nvidia не будет возвращаться к старым техпроцессам ради объема 1:35:27: Несмотря на дефицит передовых мощностей TSMC (N3, N2), Nvidia не станет выпускать новые чипы на старых узлах (например, 7 нм). Разработка каждого поколения требует колоссальных затрат на R&D, упаковку и системную архитектуру, поэтому компания фокусирует все ресурсы только на движении вперед.
Отказ от альтернативных архитектур математически обоснован 1:37:07: Nvidia обладает ресурсами для параллельной разработки чипов размером с пластину (как у Cerebras) или огромных сборок (как Dojo от Tesla). Однако внутренние симуляции доказывают, что эти подходы работают хуже текущей архитектуры, поэтому компания не распыляет усилия.
Сегментация рынка инференса приведет к появлению сверхдорогих токенов 1:38:11: Nvidia интегрирует решения вроде Groq в свою экосистему, так как рынок ИИ начал расслаиваться. Появился спрос на токены с мгновенным временем отклика (например, для ИИ-программистов). Компании готовы платить высокую цену (ASP) за скорость, даже если общая пропускная способность системы ниже. Это открывает новую нишу премиального инференса.
Без глубокого обучения Nvidia все равно осталась бы гигантом 1:39:48: Если бы революция нейросетей не случилась, компания продолжила бы развивать ускоренные вычисления. Закон Мура для CPU мертв, и единственный способ наращивать вычислительные мощности для науки (молекулярная динамика, сейсмология, квантовая химия) — это предметно-ориентированное ускорение через GPU. ИИ стал лишь одним из множества алгоритмов, которые выиграли от демократизации суперкомпьютеров.
ЛИЧНО ДЛЯ ТЕБЯ
Латентность — отдельный товар, но проверяй полное время задачи: Для интерактивной работы с кодом (Claude Code, Codex) быстрый отклик часто важнее «умности на 5%». Попробуй Groq/Cerebras для рутинных итераций, сильную медленную модель оставь для архитектуры. Оговорка GPT: агент теряет время на инструменты и тесты, а не на генерацию — доплачивай за скорость только после замера времени до рабочего результата.
Не экономь на инференсе сейчас: Если задача решается только дорогой reasoning-моделью с кучей итераций — покупай результат сегодня, месяцы ожидания не вернутся. Считай стоимость принятого результата (время до решения, число исправлений, минуты твоей проверки), а не цену токена. Но не закладывайся на «10× дешевле каждый год» как на гарантию.
Спор Хуанг–Дваркеш (с 57:29) — учебник рефрейминга: Дваркеш идёт от аналогии (уран) и конкретного примера (Mythos); Хуанг переопределяет категорию («чипы — как электричество») и уходит в экономические последствия, ни разу не отвечая на сам сценарий «ИИ-хакеры под контролем КНР». Полезно распознавать этот приём у собеседников с финансовым интересом в исходе — и у себя.
Энергия становится главным дефицитом: Не чипы, а электрики, сантехники и мегаватты ограничат ИИ на годы. Для стройки в Лимасоле практический вывод: закладывай избыточные мощности по солнцу и накопителям — локальный инференс и энергонезависимость дома дорожают как опция.
КОНСЕНСУС РЕЦЕНЗЕНТОВ
Все трое сошлись: маржа ~70%, сделка с Groq и тезис «рост Blackwell — за счёт системы, а не литографии» верны, тогда как китайские цифры Хуанга (60% чипов, половина исследователей) завышены, а «50×» — подобранный бенчмарк. Разошлись в строгости: Gemini подтверждает 50× и инвестиции без оговорок, Claude добавляет контекст (HBM/interconnect, LOI 100 млрд→30 млрд), GPT не смог верифицировать Mythos и инвестиции и единственный поймал ошибку с COUPE (это технология TSMC) и жёстко отверг «энергия компенсирует техпроцесс».