Nvidia опубликовала отчёт о прибыли, который превзошёл все ожидания, благодаря своим графическим процессорам, отлично справляющимся с задачами ИИ. Однако на рынке появляются и другие категории чипов для ИИ. Все крупные гиперскейлеры, такие как Google, Amazon и OpenAI, разрабатывают собственные ASIC (специальные интегральные схемы).
Эти чипы меньше, дешевле и могут снизить зависимость компаний от графических процессоров Nvidia. Дэниел Ньюман из Futurum Group отметил, что он видит рост кастомных ASIC даже быстрее, чем рынок GPU в ближайшие годы.
Кроме GPU и ASIC, существуют также программируемые логические матрицы, которые можно перенастраивать с помощью программного обеспечения для различных приложений, включая обработку сигналов и ИИ. Чипы для ИИ, работающие на устройствах, а не в облаке, также становятся популярными, и такие компании, как Qualcomm и Apple, активно их развивают.
Nvidia, ставшая самой ценной публичной компанией в мире, отгрузила около 6 миллионов своих графических процессоров Blackwell за последний год. Переход от игр к ИИ начался в 2012 году, когда GPU Nvidia использовались для создания AlexNet, что стало важным моментом в развитии современного ИИ.
AlexNet продемонстрировала потенциал GPU, которые теперь часто используются в дата-центрах для выполнения задач ИИ. GPU идеально подходят для обучения и вывода ИИ, так как могут выполнять множество операций одновременно. Nvidia и AMD являются основными игроками на этом рынке, продавая свои GPU облачным провайдерам, которые затем арендуют их ИИ-компаниям.
Nvidia также заключает крупные контракты с такими компаниями, как OpenAI и Anthropic. В то время как GPU остаются гибкими, ASIC более эффективны для специфических задач, но их проектирование требует значительных затрат. Google первой разработала ASIC для ускорения ИИ, выпустив TPU в 2015 году, а Amazon также создала свои чипы, такие как Trainium.
Microsoft и другие компании, включая стартапы, также активно разрабатывают собственные чипы для ИИ, что свидетельствует о растущей конкуренции в этой области