AMD и NVIDIA: почему инференс ИИ становится следующим ключевым полем конкуренции?

3 ноября 2026 года AMD опубликовала финансовые результаты за третий квартал. Квартальная выручка достигла $13,377 млрд, увеличившись на 45% в годовом выражении. Выручка сегмента центров обработки данных составила $8,546 млрд, что на 97% больше год к году. Компания ожидает, что выручка в четвертом квартале составит около $17 млрд, и подчеркнула, что графические процессоры Instinct, центральные процессоры EPYC и стоечные системы Helios совместно будут способствовать росту ее бизнеса в сфере центров обработки данных. Эти события усилили внимание инвесторов к тому, сможет ли AMD занять большую долю рынка вычислений для ИИ, на котором доминирует NVIDIA.

Однако конкуренция в сфере ИИ-чипов не сводится к сравнению характеристик продукции двух компаний. На решения крупных поставщиков облачных услуг о закупках могут влиять объем памяти графических процессоров, пропускная способность при инференсе, совместимость ПО, сетевые возможности, энергопотребление и совокупная стоимость владения. В этой статье анализируется конкурентная динамика AMD и NVIDIA с точки зрения технических особенностей ИИ-инференса, а также значение этих изменений для индустрии ИИ-чипов и инвесторов в американские акции.

Ключевые выводы

• Конкуренция в сфере ИИ-чипов смещается от вычислительных ресурсов для обучения к эффективности инференса. По мере масштабирования приложений на основе больших языковых моделей стоимость вычислений, скорость отклика и энергопотребление при инференсе становятся важными факторами при закупках для центров обработки данных.

• AMD расширяет свой бизнес в сфере ИИ для центров обработки данных. В третьем квартале 2026 года выручка AMD от центров обработки данных достигла примерно $8,55 млрд, увеличившись на 97% год к году и выведя общую выручку компании на новый максимум.

• Конкурентное преимущество NVIDIA не ограничивается аппаратным обеспечением графических процессоров. Ее программная экосистема CUDA, сетевые решения, инструменты для разработчиков и интегрированные стоечные системы обеспечивают широкие возможности системной интеграции для развертывания масштабной ИИ-инфраструктуры.

• AMD стремится создать комплексную альтернативу с помощью графических процессоров Instinct, Helios и ROCm. Ее конкурентный фокус постепенно смещается от производительности отдельных чипов к вычислительным возможностям на уровне систем и совокупной стоимости владения.

• Рост спроса на ИИ-инференс не обязательно означает рост акций AMD или NVIDIA. Инвесторам также следует отслеживать возможности поставок чипов, рентабельность, капитальные затраты клиентов и рыночные оценки.

Что такое ИИ-инференс и чем он отличается от обучения ИИ-моделей?

ИИ-инференс — это вычислительный процесс, при котором обученная модель искусственного интеллекта генерирует прогнозы, текст, изображения или другие результаты на основе пользовательского ввода. Например, когда пользователь задает вопрос ИИ-ассистенту, а модель постепенно формирует ответ на основе полученного запроса, происходит инференс. В отличие от обучения, при котором параметры модели непрерывно корректируются, стандартный инференс в основном использует существующие параметры модели для выполнения вычислений. Однако некоторые системы инференса также могут включать поиск информации, вызовы инструментов и дополнительные вычислительные этапы.

Обучение ИИ и инференс предъявляют существенно разные требования к вычислительным ресурсам. Для обучения больших моделей обычно требуется совместная работа множества графических процессоров в течение длительного времени, что повышает требования к вычислительной производительности, объему памяти и высокоскоростным соединениям. При инференсе большее значение имеют время ответа на запрос, число задач, которые можно обработать за единицу времени, и вычислительные затраты на каждый запрос. В таких приложениях, как чаты в реальном времени и голосовые ассистенты, пользователи особенно чувствительны к задержке ответа. Для пакетной обработки текста или анализа данных важнее могут быть общая пропускная способность и стоимость.

По мере масштабирования ИИ-приложений число запросов на инференс может продолжать расти. Например, модели может потребоваться лишь ограниченное число масштабных циклов обучения, но после развертывания она способна обслуживать миллионы пользователей в течение длительного времени. Это создает вероятность того, что совокупные расходы на инференс станут значительной частью затрат на ИИ-инфраструктуру. Однако соотношение расходов на обучение и инференс значительно различается в зависимости от моделей и приложений, поэтому нельзя предполагать, что затраты на инференс всегда будут выше затрат на обучение.

Почему ИИ-инференс становится центром конкуренции AMD и NVIDIA?

Рынок ИИ-инференса привлекает внимание прежде всего потому, что бизнес-модели в сфере ИИ переходят от конкуренции возможностей моделей к конкуренции фактических затрат на их использование. Для поставщиков облачных услуг и разработчиков ИИ-приложений способность модели выполнять задачи является лишь базовым требованием. Возможность непрерывно обслуживать большое число пользователей при приемлемых затратах также определяет, можно ли коммерциализировать продукт. По мере роста числа пользователей и частоты запросов даже небольшое снижение стоимости одного инференса может заметно влиять на общие операционные расходы.

Нагрузки при инференсе неоднородны. Для общения в реальном времени требуется низкая задержка, сложным моделям рассуждений может понадобиться генерировать длинные цепочки рассуждений, а ИИ-агенты могут многократно вызывать модели, получать данные и использовать инструменты в рамках одной задачи. Разные нагрузки предъявляют разные требования к точности вычислений, объему и пропускной способности памяти, а также к системным соединениям. Это создает пространство для конкуренции различных аппаратных архитектур и означает, что определить преимущество конкретного чипа по одному показателю производительности сложно.

Для AMD важность рынка инференса заключается в возможности увеличить долю на рынке ИИ-графических процессоров. Крупные поставщики облачных услуг обычно стремятся избежать чрезмерной зависимости от одного поставщика, контролируя при этом расходы на закупку оборудования. Если AMD сможет предложить альтернативу, сопоставимую по производительности, цене, совместимости ПО и возможностям поставки, она сможет участвовать в большем числе планов закупок для центров обработки данных. Однако NVIDIA также непрерывно оптимизирует свои продукты и программные платформы для инференса, поэтому рост спроса на инференс не обязательно означает ослабление конкурентных позиций NVIDIA.

Каковы последние результаты бизнеса AMD в сфере центров обработки данных?

Результаты AMD за третий квартал, опубликованные в ноябре 2026 года, показывают, что центры обработки данных стали одним из важнейших источников роста бизнеса компании. Общая выручка достигла $13,377 млрд, увеличившись на 45% год к году, а выручка сегмента центров обработки данных составила $8,546 млрд, что на 97% больше год к году. В тот же период прибыль на акцию не по GAAP достигла $2,09, увеличившись на 74% год к году, что отражает вклад расширения бизнеса центров обработки данных в общую рентабельность.

Важно отметить, что бизнес AMD в сфере центров обработки данных включает не только ИИ-графические процессоры Instinct, но и серверные центральные процессоры EPYC. Поэтому не всю выручку от центров обработки данных следует напрямую считать выручкой от чипов для ИИ-инференса. Рост бизнеса компании обеспечивается как спросом на ИИ-ускорители, так и спросом на серверные вычисления общего назначения. Чтобы определить, действительно ли AMD увеличивает свою долю рынка ИИ-графических процессоров, инвесторам необходимо дополнительно наблюдать за поставками продукции, развертываниями у клиентов и конкретной структурой бизнеса.

AMD также ожидает общую выручку около $17 млрд в четвертом квартале 2026 года, продолжая рост, начавшийся в третьем квартале. Компания также развивает развертывание стоечных систем Helios и расширяет сотрудничество с крупными поставщиками облачных услуг и ИИ-компаниями. Эти события указывают на стремление AMD перейти от поставщика чипов к более комплексному поставщику ИИ-инфраструктуры. Однако возможность дальнейшего роста выручки по-прежнему зависит от закупок клиентов, цепочек поставок и конкурентоспособности продукции.

Чем различаются графические процессоры AMD Instinct и NVIDIA для ИИ-инференса?

ИИ-графические процессоры AMD и NVIDIA поддерживают задачи обучения и инференса моделей, однако компании различаются по своим продуктовым планам, программным экосистемам и подходам к системной интеграции. Серия Instinct от AMD в первую очередь ориентирована на высокопроизводительные вычисления и ИИ-ускорение в центрах обработки данных, тогда как NVIDIA создала более комплексную платформу ИИ-вычислений на базе графических процессоров для центров обработки данных, программной платформы CUDA и вспомогательных сетевых технологий.

Для задач инференса теоретическая вычислительная производительность графического процессора является лишь одним из критериев оценки. Моделям необходим частый доступ к весам и промежуточным данным, поэтому объем памяти, пропускная способность памяти и управление кэшем имеют не меньшее значение. Больший объем памяти помогает разместить параметры модели и KV-кэш, создаваемый большим числом параллельных запросов, а более высокая пропускная способность памяти может снизить узкие места при доступе к данным в отдельных задачах инференса. Однако конкретные преимущества зависят от размера модели, точности квантования, стратегии пакетной обработки и уровня оптимизации ПО.

Преимущество NVIDIA заключается в ее возможностях координации аппаратного и программного обеспечения. Помимо графических процессоров, NVIDIA предлагает CUDA, TensorRT-LLM, фреймворки для обслуживания инференса и высокоскоростные технологии соединения, позволяя разработчикам развертывать ИИ-нагрузки на основе относительно зрелого набора инструментов. AMD, в свою очередь, улучшает совместимость и производительность систем с помощью ROCm, графических процессоров Instinct и систем Helios, стремясь снизить затраты клиентов на переход на альтернативное оборудование.

Важно подчеркнуть, что приведенное выше сравнение отражает позиционирование продуктов и экосистем, а не универсальный рейтинг производительности. Разные графические процессоры могут существенно различаться по производительности в зависимости от моделей, уровней точности и условий развертывания. Фактическую эффективность инференса нельзя определить только по объему памяти или теоретической вычислительной производительности.

Почему CUDA и ROCm влияют на конкурентную ситуацию на рынке ИИ-чипов?

CUDA — давно развиваемая NVIDIA платформа параллельных вычислений, а ROCm — программная платформа AMD для вычислений на графических процессорах и ИИ-нагрузок. Обе предоставляют инструменты разработки, вычислительные библиотеки и среды выполнения, позволяющие разработчикам использовать графические процессоры для сложных вычислительных задач. Для крупных ИИ-компаний выбор графических процессоров означает не только закупку оборудования. Он также касается того, смогут ли существующий код моделей, фреймворки обучения, движки инференса и операционные системы надежно работать.

Конкурентное преимущество CUDA обусловлено давно сформировавшейся программной экосистемой. Многие ИИ-модели и инструменты разработки уже адаптированы и оптимизированы для графических процессоров NVIDIA, поэтому компании, использующие оборудование NVIDIA, часто могут сократить часть работ по миграции и отладке. Особенно в средах с крупными кластерами стабильность ПО, инструменты анализа производительности и техническая поддержка могут напрямую влиять на эффективность использования вычислительных ресурсов.

AMD улучшает опыт разработчиков и поддержку распространенных ИИ-фреймворков с помощью ROCm. В третьем квартале 2026 года AMD выпустила ROCm 10, дополнительно улучшив связанные инструменты разработки, компиляторы, вычислительные библиотеки и поддержку моделей. Эти улучшения помогают расширить спектр применения графических процессоров AMD, однако выпуск новой версии не означает, что все приложения CUDA можно перенести на ROCm без доработки.

С коммерческой точки зрения совместимость ПО влияет на фактическую совокупную стоимость владения графическими процессорами. Если компания приобретает более дешевые ускорители, но вынуждена вкладывать значительные инженерные ресурсы в повторную оптимизацию моделей, экономия на оборудовании в итоге может быть нивелирована затратами на разработку. Поэтому конкуренция AMD и NVIDIA происходит не только на уровне чипов, но и в экосистемах разработчиков, фреймворках инференса и эффективности развертывания систем.

Как AMD Helios меняет конкуренцию с NVIDIA на системном уровне?

Helios — это стоечная вычислительная платформа AMD для крупных ИИ-центров обработки данных. Она объединяет графические процессоры Instinct, центральные процессоры EPYC, сетевые соединения и связанные программные компоненты, предоставляя клиентам более целостную систему ИИ-вычислений. По сравнению с отдельной покупкой графических процессоров и последующей интеграцией систем стоечные решения позволяют оптимизировать вычисления, коммуникации и проектирование развертывания в рамках единой архитектуры.

Этот сдвиг отражает расширение конкуренции в сфере ИИ-инфраструктуры от отдельных чипов к комплексным вычислительным системам. Для обучения и инференса больших моделей обычно требуется совместная работа нескольких графических процессоров. Скорость передачи данных между графическими процессорами, соединения внутри серверов, топология сети и возможности охлаждения могут влиять на общую эффективность. Даже при высокой вычислительной производительности отдельного чипа фактическая пропускная способность кластера может быть ограничена, если узким местом становится системная коммуникация.

NVIDIA уже сформировала относительно полный ассортимент стоечных ИИ-систем, а AMD стремится предложить еще один вариант через Helios. В своем последнем отчете о доходах AMD заявила, что клиенты, включая Anthropic, Meta, Microsoft, OpenAI и Oracle Cloud Infrastructure, запускают модели или нагрузки на основе первых решений Helios. Эти развертывания указывают на продвижение AMD в запуске продуктов системного уровня, но масштаб развертывания, объем закупок и этап коммерциализации у каждого клиента по-прежнему необходимо оценивать отдельно.

Для крупных поставщиков облачных услуг наличие нескольких конкурентоспособных поставщиков ИИ-систем может повысить гибкость закупок и снизить риск концентрации цепочки поставок. Однако конкуренция на системном уровне также предъявляет к AMD более высокие требования, включая поставки чипов, сетевые соединения, стабильность ПО, развертывание стоек и долгосрочное обслуживание.

Почему затраты на ИИ-инференс важнее производительности отдельного графического процессора?

Коммерческая ценность ИИ-инференса в конечном итоге зависит от возможности непрерывно предоставлять услуги при приемлемых затратах. Для ИИ-платформ, которые ежедневно обрабатывают большое количество запросов, цены приобретения графических процессоров являются лишь одной частью расходов. Использование серверов, энергопотребление, охлаждение, сетевые решения, обслуживание и эффективность выполнения моделей могут влиять на совокупные затраты.

Например, предположим, что затраты на закупку двух систем с графическими процессорами составляют $1 млн и $1,2 млн соответственно. Если вторая система может обрабатывать больше запросов при том же качестве услуг или существенно снижать энергопотребление каждого инференса, более дорогая система все равно может иметь более низкую долгосрочную стоимость одного инференса. И наоборот, если система обладает высокой теоретической производительностью, но реальные приложения не могут в полной мере использовать ее аппаратные ресурсы, ее экономическая эффективность может не оправдать ожиданий.

Поэтому при оценке чипов для ИИ-инференса важно учитывать такие показатели, как число токенов, генерируемых в секунду, время до первого токена, емкость параллельной обработки запросов и фактическая стоимость обработки миллиона токенов. Разные модели и нагрузки придают этим показателям разное значение. Например, при голосовом взаимодействии в реальном времени приоритетом является задержка, тогда как пакетный анализ документов может больше зависеть от пропускной способности и стоимости единицы обработки.

Этот сдвиг означает, что AMD не обязательно должна превосходить NVIDIA по каждому показателю производительности, чтобы получить рыночные возможности. Если ее продукты могут обеспечивать конкурентоспособную стоимость и производительность для конкретных нагрузок, одновременно отвечая требованиям клиентов к стабильности и поддержке ПО, они могут стать жизнеспособной альтернативой. Аналогично NVIDIA может сохранять конкурентоспособность благодаря оптимизации ПО и эффективности систем, а не только за счет более высокой теоретической производительности чипов.

Как конкуренция на рынке ИИ-инференса повлияет на оценку акций AMD и NVIDIA?

AMD и NVIDIA — важные публичные компании американской полупроводниковой отрасли, однако инвесторы используют для них не совсем одинаковую логику оценки. NVIDIA уже создала крупный бизнес в сфере ИИ-вычислений и относительно зрелую аппаратно-программную экосистему, поэтому рынок в целом сосредоточен на ее способности сохранять масштабы выручки, рентабельность и технологические преимущества. У AMD, в свою очередь, есть возможность расширить долю рынка ИИ, поэтому инвесторы больше внимания уделяют тому, смогут ли развертывания новых продуктов, заказы клиентов и рост выручки преобразоваться в устойчивую прибыльность.

Расширение рынка ИИ-инференса может одновременно принести пользу нескольким поставщикам чипов, однако рост рыночного спроса не означает, что прибыль каждой компании будет увеличиваться пропорционально. По мере усиления конкуренции могут меняться цены на продукцию, переговорная сила клиентов и инвестиции в исследования и разработки. Если компании снижают цены для увеличения доли рынка или вынуждены направлять больше ресурсов на поддержку развертываний у клиентов, рост выручки может не обеспечить сопоставимого роста прибыли.

Кроме того, цены акций зависят от того, насколько высокие ожидания роста уже учтены рынком. Даже если компания демонстрирует сильные финансовые результаты, ее акции могут испытывать давление, если инвесторы ожидали большего. И наоборот, если фактические поставки, рентабельность или прогноз компании превышают ожидания, рынок может пересмотреть ее оценку. Поэтому оценка инвестиционной привлекательности AMD и NVIDIA требует не только сравнения производительности графических процессоров. Также необходимо учитывать структуру выручки, прибыльность, капитальные затраты, конкурентную среду и оценочные мультипликаторы.

Какие показатели рынка ИИ-инференса следует отслеживать инвесторам?

Инвесторы, стремящиеся понять динамику акций ИИ-чипов, могут наблюдать за изменениями на рынке с трех точек зрения. Первая — спрос, включая капитальные затраты крупных поставщиков облачных услуг на ИИ, использование сервисов инференса и фактические развертывания у корпоративных клиентов. Эти показатели могут помочь определить, продолжает ли расширяться спрос на ИИ-вычисления, однако планы капитальных затрат не равны подтвержденной выручке производителей чипов.

Вторая — предложение, включая объемы поставок графических процессоров, поставки высокоскоростной памяти HBM, мощности передовой корпусировки и ход развертывания систем. Даже при высоком рыночном спросе производители чипов могут не выполнить поставки по плану при недостаточном предложении критически важных компонентов. И AMD, и NVIDIA зависят от сложных цепочек поставок полупроводников, поэтому ограничения предложения могут повлиять на темпы роста обеих компаний.

Последняя область — показатели прибыльности и оценки. Инвесторы могут отслеживать выручку от центров обработки данных, валовую маржу, операционную маржу, свободный денежный поток и изменения рыночных ожиданий, а затем использовать соотношение цены к прибыли или прогнозные мультипликаторы прибыли для оценки обоснованности цены акций. Особенно важно различать уже достигнутые финансовые результаты и прогнозы руководства на будущее, а также не считать невыполненные заказы или прогнозы роста гарантированной выручкой.

Итоги

Конкуренция AMD и NVIDIA в сфере ИИ-чипов расширяется от чистого сравнения вычислительной производительности к эффективности инференса, программным экосистемам, стоечным системам и совокупной стоимости владения. По мере перехода ИИ-приложений к этапу масштабного развертывания центрам обработки данных нужны не только более мощные вычислительные возможности, но и способность непрерывно обрабатывать большие объемы пользовательских запросов при более разумных затратах.

Быстрый рост бизнеса AMD в сфере центров обработки данных в третьем квартале 2026 года вместе с продолжающимся развитием Instinct, ROCm и Helios указывает на расширение ее бизнеса в сфере ИИ-инфраструктуры. Однако NVIDIA сохраняет важные преимущества в CUDA, системной интеграции и экосистеме разработчиков. Результат будущей конкуренции будет зависеть от поставок продукции, фактической производительности, внедрения клиентами и коммерческой прибыльности, а не от одного технического показателя одного поколения чипов.

Для инвесторов в акции рынок ИИ-инференса открывает новый взгляд на полупроводниковую отрасль, однако технологическая конкурентоспособность и доходность инвестиций в акции не равнозначны напрямую. Совместный анализ спроса в отрасли, прибыльности компаний и рыночных оценок позволяет более полно понять конкурентную ситуацию между AMD и NVIDIA.

Часто задаваемые вопросы

Что такое ИИ-инференс?

ИИ-инференс — это процесс использования обученной модели искусственного интеллекта для обработки входных данных и генерации результатов, например для ИИ-чатов, создания изображений, распознавания речи и задач, выполняемых интеллектуальными ассистентами.

Почему рынок ИИ-инференса становится важнее?

По мере роста числа пользователей ИИ-приложений и частоты их использования компаниям приходится непрерывно нести значительные вычислительные расходы на инференс. В результате скорость инференса, пропускная способность, энергопотребление и удельные затраты становятся все важнее.

Могут ли ИИ-графические процессоры AMD заменить NVIDIA?

Для некоторых поддерживаемых моделей и сценариев применения графические процессоры AMD могут служить альтернативой NVIDIA. Однако фактическая реализуемость зависит от совместимости ПО, производительности, затрат на развертывание и требований клиентов. Их не следует считать полностью эквивалентными во всех сценариях.

В чем разница между CUDA и ROCm?

CUDA — это платформа параллельных вычислений NVIDIA для графических процессоров, а ROCm — программная платформа AMD для вычислений на графических процессорах. Обе поддерживают ИИ-вычисления, но различаются инструментами разработки, зрелостью экосистемы и конкретной совместимостью.

Что такое AMD Helios?

Helios — это стоечная платформа ИИ-вычислений AMD, которая объединяет графические процессоры, центральные процессоры, соединения и программные компоненты для нагрузок обучения ИИ и инференса в крупных центрах обработки данных.

Означает ли рост спроса на ИИ-инференс, что акции AMD обязательно вырастут?

Не обязательно. На цены акций влияют не только рост бизнеса, но и прибыльность, конкурентная среда, цепочки поставок, рыночные ожидания и оценка акций.