Дженсен Хуанг про трильйонний масштаб та нову індустріальну епоху

У сучасному технологічному світі постать Дженсена Хуанга (Jensen Huang), засновника та незмінного CEO компанії NVIDIA, стала орієнтиром для розуміння того, куди рухається глобальна цифрова економіка. Останнє його інтерв'ю Дваркешу Пателю (Dwarkesh Patel) дало багато цікавих деталей щодо оцінки Хуангом поточної ситуації й фактично є викладом стратегії NVIDIA на рівні всієї індустрії, а не лише окремих продуктів.

Основне посилання Дженсена Хуанга виходить далеко за межі обговорення технічних характеристик нових чипів – він стверджує, що ми є свідками нової промислової революції. У цій новій парадигмі традиційні дата-центри перетворюються на «AI-фабрики», де сировиною є величезні масиви даних, а кінцевим продуктом – інтелектуальні токени, що стають новою універсальною валютою прогресу. «Вхід – електрони, вихід – токени. Посередині – NVIDIA», – зазначив він, позиціюючи компанію як трансформаційний шар між енергією, даними та економічним результатом.

Одним із ключових аспектів домінування NVIDIA є її здатність масштабувати виробництво в умовах глобального дефіциту напівпровідників. Дженсен Хуанг особливо наголошує на тому, що успіх компанії базується не лише на інженерних талантах чи архітектурних перевагах чипів, а на вибудовуванні надскладної екосистеми постачання, яка включає координацію постачальників, інвестицій та технологічних дорожніх карт. Він навів конкретну цифру: NVIDIA має зобов'язання на закупівлю компонентів обсягом близько 100 млрд дол., а аналітики SemiAnalysis оцінюють цей показник у перспективі у 250 млрд дол. Компанія вже сьогодні має підготовлений та протестований ланцюжок постачання, здатний реалізувати трильйонні обсяги, – це не просто питання закупівлі кремнієвих пластин у TSMC, а колосальна логістична операція, що об'єднує тисячі виробників компонентів: від швидкісної пам'яті HBM до систем рідинного охолодження, роз'ємів та оптичних інтерконектів.

За словами Хуанга, саме цей ланцюжок постачання є справжнім «захисним ровом» компанії. Будь-який конкурент може спробувати спроєктувати чип, але жоден із них не зможе миттєво відтворити інфраструктуру, яка дозволяє виробляти, тестувати та відвантажувати складні обчислювальні системи у промислових масштабах, оскільки вона формується через довгострокові зобов’язання та спільні інвестиції по всьому ланцюжку. Хуанг також підкреслює, що вузькі місця в індустрії не є постійними: при достатньому попиті вся галузь швидко спрямовує інвестиції у проблемний сегмент, і дефіцит зникає протягом кількох років. NVIDIA фактично створила новий тип ринку, де вона виступає не просто постачальником окремих деталей, а генеральним підрядником та системним інтегратором AI-інфраструктури й координатором всієї індустрії, який формує попит і стимулює інвестиції партнерів.

Дженсен Хуанг пропонує фундаментально змінити саме сприйняття того, що ми називаємо центром обробки даних. Сьогодні, на переконання Хуанга, ми спостерігаємо народження справжніх AI-фабрик. Він проводить яскраву історичну паралель із першою промисловою революцією. Якщо тоді основною енергетичною сировиною була вода, яка через парові машини перетворювалася на механічний рух чи електрику, то сьогодні ми маємо справу з даними, які через обчислювальні кластери перетворюються на токени. При цьому саме енергія, а не кремній, дедалі більше стає базовим обмеженням масштабування таких систем. Хуанг пояснює це так: «Мільйон GPU працюють, конвертуючи дані на токени – саме в цій точці працює NVIDIA: ми прагнемо робити стільки, скільки необхідно, і якомога менше, щоб ця трансформація відбувалась з максимальною ефективністю». Цей принцип «робити максимум необхідного і мінімум зайвого» є ключовим у бізнес-стратегії компанії.

Така трансформація вимагає переходу від традиційних обчислень до прискорених (accelerated computing). Хуанг пояснює: закон Мура у своєму класичному вигляді дає лише близько 25% продуктивності на рік. Але між Hopper та Blackwell NVIDIA компанія досягла 50-кратного приросту ефективності – виключно завдяки архітектурним рішенням, а не збільшенню деталізації у виробництві транзисторів. А також завдяки швидкому впровадженню нових алгоритмів через платформу CUDA, що дозволяє адаптувати систему під змінні вимоги моделей. Саме це є справжньою місією компанії – демократизувати глибоке навчання через зниження вартості обчислень у перерахунку на токен.

Важливою частиною інтерв'ю став аналіз економічної ефективності систем NVIDIA. Хуанг розвінчав міф про дорожнечу її рішень, запровадивши поняття Total Cost of Ownership (TCO) у контексті AI-епохи. Він пояснив, що вартість окремого чипа не має значення, якщо він змушує решту інфраструктури працювати неефективно. Коли компанія купує GPU від NVIDIA, вона отримує не просто кремній, а повний програмно-апаратний стек, який дозволяє максимально завантажити кожен обчислювальний цикл, включаючи CUDA, бібліотеки та оптимізації під конкретні типи моделей. Хуанг навів відкритий виклик ринку: інструмент порівняння InferenceMAX від аналітика Ділана Патела доступний публічно, але ні TPU, ні Trainium досі не з'явились у цих рейтингах для захисту своїх претензій на кращий TCO, що, за його словами, ставить під сумнів їхні заяви про економічну перевагу.

Щобільше, Дженсен Хуанг наголосив на тому, що системи NVIDIA спроєктовані з урахуванням потреб усього дата-центру як єдиної обчислювальної одиниці (Data Center as the Unit of Compute), а не як набір окремих серверів. У світі, де вартість електроенергії та площ у датацентрах стає дедалі вагомішою, здатність компанії забезпечувати найвищу щільність обчислень на ват робить її рішення найдешевшими при довгостроковому плануванні, максимізуючи кількість токенів, отриманих з кожного вата енергії.

Цікаво, що близько 60% виручки NVIDIA формують п’ять найбільших гіперскейлерів, однак значна частина цих потужностей використовується для обслуговування зовнішніх клієнтів їхніх хмар, що фактично перетворює NVIDIA на інфраструктурну основу глобального ринку AI.

Попри те, що основна медійна увага прикута до генеративного AI та великих мовних моделей, Дженсен Хуанг нагадав, що значна частина стратегії NVIDIA зосереджена на глибоких наукових дослідженнях. Він підкреслив, що прискорені обчислення на базі платформи CUDA сьогодні критично важливі для молекулярної динаміки, квантової хімії, обробки сейсмічних даних та обчислювальної літографії – бібліотека cuLitho, розроблена NVIDIA, є унікальним прикладом, без якого виробництво чипів 3 нм та менше просто неможливе.

Робота NVIDIA у сфері квантової хімії та молекулярного моделювання дозволяє скорочувати цикли розробки нових фармацевтичних препаратів на цілі роки, перетворюючи біологію з описової науки на точну інженерну дисципліну, що демонструє охоплення ринку поза межами генеративного AI.

У розмові з Дваркешем Пателом не вдалося оминути й гострі геополітичні питання. Хуанг висловив чітку позицію: компанія прагне залишатися глобальною, але суворо дотримується вимог національної безпеки. Він визнав, що Китай є надзвичайно динамічним ринком – на нього припадає близько 40% світового ринку технологій, і 50% AI-дослідників у провідних лабораторіях мають китайське походження. Обмеження, на його думку, лише змусили китайські компанії прискорити розвиток власної екосистеми – і прикладом цього є Huawei, яка встановила рекорд продажів у 2024-2025 рр. та активно нарощує власні обчислювальні платформи. Хуанг підкреслює, що Китай, маючи значні енергетичні ресурси, здатен компенсувати технологічне відставання коштом масштабу, використовуючи більше менш ефективних чипів.

Щодо загрози з боку чипів гіперскейлерів власної розробки (Google, Amazon, Microsoft), Дженсен Хуанг висловив певний скепсіс. Причина криється у повній вертикальній інтеграції – від чипа до софту, мережевого обладнання та бібліотек CUDA, а також у здатності швидко адаптуватися до нових алгоритмів. Він переконаний, що будівництво окремого чипа – це лише 10% роботи; решта 90% – це створення саме екосистеми, в якій програмісти захочуть працювати.

Перехід Anthropic на TPU та Trainium Хуанг називає унікальним випадком, пояснюючи це тим, що на ранньому етапі NVIDIA не могла забезпечити багатомільярдні інвестиції, які запропонували Google та AWS. При цьому маржинальність ASIC-рішень оцінюється приблизно на рівні 65%, що лише трохи нижче за близько 70% у NVIDIA.

Окремої уваги заслуговує конкретна дорожня карта, озвучена Хуангом: у 2025 р. – Vera Rubin, у 2026 р. – Vera Rubin Ultra, у 2027 р. – Feynman. Компанія гарантує щорічний реліз із суттєвим стрибком продуктивності, що формує передбачуваність для індустрії та дозволяє планувати інвестиції.

Паралельно NVIDIA активно інвестує в екосистему: до 30 млрд дол. в OpenAI, до 10 млрд дол. в Anthropic, а також підтримує нових хмарних провайдерів, таких як CoreWeave, Nscale та Nebius, зокрема надаючи фінансові гарантії та прямі інвестиції.

Завершуючи свою думку про перспективи розвитку галузі, Дженсен Хуанг змалював картину майбутнього, де окремий сервер стає практично невидимим у масштабах гігантських кластерів, які функціонують як єдині фабрики інтелекту. Хуанг впевнений, що ми перебуваємо лише на самому початку великої подорожі. Кожен GPU сьогодні – це інструмент для миттєвого перетворення сирих даних у корисні знання, а мільйон таких інструментів, об'єднаних у високошвидкісну мережу, здатні долати глобальні виклики за умови доступу до достатньої енергетичної та інфраструктурної бази. Це не просто комерційна стратегія NVIDIA, а спроба переосмислити саму суть обчислень.

Для професійної аудиторії це чіткий сигнал: епоха ізольованих комп'ютерних систем добігає кінця, настає час глобальних AI-фабрик, і NVIDIA вже підготувала для них фундамент, який буде визначати розвиток нової цифрової економіки на десятиліття вперед.

Стратегія охолодження ЦОД для епохи AI