Nvidia GTC (или конференция по технологиям графических процессоров) стала одной из ведущих мировых конференций по искусственному интеллекту, которая растет с каждым годом с момента ее запуска в 2009 году вместе с влиянием и доходами компании. Но в этом году произошел сдвиг в акцентах. В прошлом компания сосредоточилась на том, как она выходит на новые рынки; в этом году она продемонстрировала, как она будет расширяться на этих рынках, особенно в качестве ключевого игрока в сфере искусственного интеллекта. Явным свидетельством амбиций Nvidia и ее нынешнего успеха является повышение прогноза дохода от ИИ в размере 500 миллиардов долларов к 2026 году до ошеломляющего 1 триллиона долларов к 2027 году.
В частности, генеральный директор Дженсен Хуанг рассказал о растущих потребностях в вычислении ИИ, а также о быстром росте агентных рабочих нагрузок и о том, как этот рост может повлиять на все вычисления с использованием ИИ.
С декабря 2025 года Хуан продвигает идею «пятислойного торта» ИИ. Эта концепция, похоже, отражает общую стратегию компании в области ИИ, поскольку она пытается передать вертикальный характер технологии, которая гораздо сложнее, чем простое приложение или модель. ИИ изображается как критическая инфраструктура с несколькими уровнями, начиная от основных требований к энергии и заканчивая отдельными приложениями. Это также попытка упростить комплексный стек искусственного интеллекта для обычного человека.
Пятислойный пирог искусственного интеллекта от Nvidia
Фото предоставлено Nvidia
В основе этого стека лежит энергия, которая привлекает все больше внимания как ограничивающий фактор того, сколько вычислительных ресурсов можно построить в любом данном месте. В свою очередь, чипы, использующие эту энергию, определяют объем вычислений, доступных для решения проблем ИИ. Далее идет инфраструктура, которая поддерживает эти чипы:земля, здания, электропитание, вычислительное оборудование, охлаждение и сети. Инфраструктура позволяет использовать модели ИИ, которые различаются в зависимости от приложения и варианта использования. На верхнем уровне приложения сами используют результаты моделей для предоставления результатов потребителям, бизнес-пользователям, государственным учреждениям и т. д. Это основа экономической ценности ИИ.
Хуан сказал, что весь вычислительный стек пришлось заново изобрести, чтобы поддержать «крупнейшее строительство инфраструктуры в истории человечества». Nvidia использует это послание, чтобы позиционировать себя не только как производителя чипов, но и как основополагающего фактора для всех вычислений, поскольку все вычисления сейчас движутся в сторону искусственного интеллекта. Генеральный директор говорит о подходе Nvidia, сочетающем «вертикальную интеграцию и горизонтальную открытость». Это означает, что ее модели открыты для всех, но ее подход к вычислениям вертикально интегрирован на каждом уровне.
Vera Rubin — это будущая высокопроизводительная вычислительная платформа для Nvidia, сочетающая в себе процессоры Vera и графические процессоры Rubin; его поставки планируется начать через несколько месяцев. Vera Rubin Pod — это стоечное предложение Nvidia, которое обещает обеспечить еще одно значительное увеличение плотности вычислений ИИ в центрах обработки данных. Он включает в себя семь типов чипов Nvidia в пяти различных стоечных системах для создания высокопроизводительной конфигурации, которая, по словам компании, позволит генерировать токены — и получать доход — почти в 10 раз быстрее, чем на платформе Blackwell прошлого поколения. Nvidia утверждает, что это может дать возможность получать до 300 миллиардов долларов ежегодного дохода.
Диаграмма возможностей Nvidia по архитектурным выводам
Фото предоставлено Nvidia
Одним из важнейших факторов поддержки Vera Rubin Pod является использование платформы Groq LPX с использованием чипа Groq 3 LM30. Языковой процессор Groq по своей сути отличается от графических процессоров Nvidia, поскольку имеет значительный объем SRAM (статической оперативной памяти), а не DRAM (динамической оперативной памяти). Поскольку Groq LPU увеличивает пропускную способность памяти в 55 раз по сравнению с графическим процессором Rubin, он по своей сути хорошо справляется с задачами, требующими чрезвычайно интенсивного использования памяти. Это помогает объяснить, почему Nvidia приобрела интеллектуальную собственность Groq и ее самый важный талант за 20 миллиардов долларов в декабре 2025 года.
Пример Groq показывает, как Nvidia отходит от попыток сделать свои графические процессоры решением всех проблем. Хотя экосистема Nvidia уже давно вышла за рамки графических процессоров, это расширение почти всегда было связано с графическими процессорами, будь то процессоры, сетевые чипы или программное обеспечение. С появлением Groq 3 LPU вычислительная архитектура Nvidia действительно переросла подход, основанный только на графических процессорах.
Мы также видим, как Nvidia начинает предлагать такие продукты, как собственные процессоры на базе Arm в рамках стоечного решения, состоящего только из процессоров. Компания позиционирует новый 88-ядерный процессор Vera как конкурентный процессор Intel и AMD для центров обработки данных. Эти процессоры могут иметь до 256 чипов на стойку, и у Nvidia уже есть клиенты, включая Meta, которые хотят их развернуть. Помимо процессоров, Nvidia также рассказала о своем решении Bluefield 4 STX для приложений, ориентированных на хранение данных; По словам компании, этот продукт повышает производительность и не позволяет системе хранения данных стать узким местом для вывода данных ИИ.
Nvidia DSX — это новейшая платформа компании на базе Веры Рубин для предложения AI Factory, которое включает в себя эталонный дизайн для фабрик искусственного интеллекта и использует Omniverse Digital Twin от Nvidia. (Информацию об Omniverse можно найти в моей статье о GTC 2025 и подробном обзоре действий Nvidia в области физического ИИ, сделанном моим коллегой Биллом Кертисом с февраля 2025 года.) Компания называет это готовым решением, которое использует все возможности, созданные Nvidia и ее партнерами для помощи в планировании, строительстве и обслуживании фабрик ИИ. Эта платформа предназначена для гипермасштабирования и крупнейших предприятий, которые хотят развернуть собственный ИИ промышленного масштаба без необходимости собирать воедино инфраструктуру.
В последнее время также много шума вокруг ИИ-вычислений в космосе, и было запущено множество стартапов для решения проблем их развертывания. До анонса модуля Space 1 на базе Веры Рубин Nvidia в основном использовала встроенные чипы Jetson Orin и графические процессоры H100 для космических приложений. Nvidia заявляет, что новый космический модуль был разработан для таких экстремальных приложений и обеспечивает в 25 раз большую производительность искусственного интеллекта в космосе, чем H100. Он также оснащен синхронной обработкой и кодами исправления ошибок, чтобы гарантировать, что работа в космосе не повлияет на выходные данные. Тем не менее, я считаю, что Space 1 будет ориентирован на довольно нишевое приложение, и его не следует рассматривать как подтверждение необходимости центров обработки данных в космосе.
Агентический искусственный интеллект быстро стал важной областью внимания, поскольку такие агенты, как Клод Код, помогают пользователям решать практические задачи. С технической стороны агенты меняют способ построения ИТ-инфраструктуры и конструкцию микросхем внутри этой инфраструктуры. Одной из наиболее интересных последних разработок является появление OpenClaw, агента с открытым исходным кодом, который работает локально с использованием нового стека NemoClaw с открытым исходным кодом от Nvidia для более безопасного развертывания агентов, ориентированных на задачи.
Набор инструментов агента NemoClaw предназначен для создания, обучения и развертывания автономных и безопасных агентов ИИ, что должно облегчить любому человеку создание собственных агентов. При разработке нового стека Nvidia тесно сотрудничала с создателем OpenClaw и исследователями безопасности, чтобы помочь предотвратить нежелательные действия агентов или потенциально опасные результаты.
Nvidia удивила многих, в том числе и меня, анонсом DLSS 5.0 — дополнительной функции компании с использованием искусственного интеллекта, предназначенной для улучшения качества изображения и ускорения рендеринга. Он работает путем рендеринга с более низким разрешением, а затем с помощью искусственного интеллекта масштабирует изображение до исходного разрешения. Большинство пользователей, похоже, довольны предыдущими реализациями DLSS. Теперь DLSS 5.0 представляет методы нейронного рендеринга для дальнейшего улучшения освещения в сценах, которые в противном случае могли бы выглядеть плоскими. Это также дает разработчикам игр больше контроля над пользовательским интерфейсом, и они могут настроить DLSS 5.0, чтобы изменить его влияние на визуальные эффекты их игр.
Многие люди негативно отреагировали на ранние фотографии и видео, сделанные с использованием DLSS 5.0. Я думаю, что это значительная преувеличенная реакция. Многие геймеры ненавидят большинство вещей, улучшенных искусственным интеллектом, и реакция на DLSS 5.0 может стать кульминацией этого разочарования. Увидев демо-версии лично, я могу сказать, что почти все улучшения кажутся положительными и повышают реалистичность — и это говорит серьезный фотограф, который может быть очень требователен к инструментам редактирования. Кроме того, до выхода DLSS 5.0 еще далеко, поэтому неясно, как именно будет выглядеть конечный продукт и какие графические процессоры смогут его запускать. Текущая версия работает на двух видеокартах Nvidia RTX 5090, но, по словам Nvidia, осенью программное обеспечение будет оптимизировано для работы на одном графическом процессоре.
В своем выступлении на GTC Хуанг рассказал о растущих возможностях получения доходов от искусственного интеллекта в отрасли, добавив, что «спрос на графические процессоры Nvidia зашкаливает». Он заявил, что рост умозаключений приносит значительно больший доход со времени специального выпуска GTC, проведенного в Вашингтоне, округ Колумбия, в конце 2025 года (о котором я писал здесь).
Несмотря на то, что это было всего несколько месяцев назад, сейчас компания повышает прогнозируемую возможность получения дохода в размере 500 миллиардов долларов до 2026 года до 1 триллиона долларов до 2027 года. Это означает, что Nvidia не только ожидает, что этот год закончится хорошо, но также ожидает, что 2027 год будет еще сильнее — на сотни миллиардов долларов сильнее. С моей точки зрения как аналитика, имело смысл думать, что переход от обучения ИИ к широко распространенному выводу ИИ и повсеместному агентному ИИ станет важным драйвером для отрасли. Но если Хуанг прав, это может оказаться даже большим катализатором роста — для Nvidia и ее партнеров — чем кто-либо мог себе представить еще недавно.
Раскрытие информации:Nvidia является консультационным клиентом моей фирмы Moor Insights &Strategy.