«Новая эра ИИ» от GPU к LPU: Nvidia масштабно атакует вычислительные чипы для inference, Дженсен Ху снова делает важный ход

《От нового поколения ИИ — от GPU к LPU»: Нвидиа решительно атакует рынок чипов для вывода, Хуан Жэньсюн делает ключевой ход

Ранним утром 17 марта на GTC 2026 генеральный директор NVIDIA Хуан Жэньсюн показал новое оружие — Groq 3 LPU — и развернул наступление на рынок чипов для вывода.

Направление в индустрии ИИ изменилось. В предыдущие годы все отчаянно «обучали модели» — скармливали данные GPU, ждали, пока он вырастит интеллект. В то время GPU NVIDIA были единственным королём, и никто не мог сдвинуть его с места. Но в последние два года на рынок хлынули целыми стаями интеллектуальные агенты: Manus стал вирусным, OpenClaw заполонил ленты, производители моделей и облачные провайдеры начали зарабатывать, продавая токены; Cerebras подняли флаг «быстрее и дешевле» и начали вырывать брешь на территории, которую NVIDIA удерживала годами.

В отрасли наконец осознали: обучение продолжается, но «вывод» уже стал мейнстримом. NVIDIA, естественно, не упустит эту рыночную возможность и тоже намерена отрезать кусок от этого «пирога» вывода. Ранним утром 17 марта на GTC 2026 генеральный директор NVIDIA Хуан Жэньсюн представил новое оружие — Groq 3 LPU — и развернул наступление на рынок чипов для вывода. При этом он озвучил набор цифр: к концу 2027 года годовая выручка двух продуктовых линеек Blackwell и Rubin достигнет 1 трлн, что вдвое больше, чем прогнозировалось полгода назад.

Делаем ставку и на обучение, и на вывод

На этот раз NVIDIA официально представила платформу Vera Rubin, которая будет комплектоваться 7 чипами: Rubin GPU, Vera CPU, ConnectX-9 SuperNIC, BlueField-4 DPU, NVLink 6 Switch, Spectrum-X 102.4T CPO, а также новым интегрированным Groq 3 LPU.

«LPU» — это аббревиатура от «Language Processing Unit», то есть блока языковой обработки. Это специализированный чип для ускорения вывода ИИ. Rubin GPU в сочетании с Groq LPU позволит поднять пропускную способность с текущих 100 токенов в секунду до 1500 токенов в секунду или даже больше, идеально поддерживая сценарии взаимодействия интеллектуальных агентов ИИ.

NVIDIA также представила полный стоечный модуль, предназначенный для размещения нового поколения ускорителей Groq — Groq LPX. Как рассказал вице-президент NVIDIA по масштабному оборудованию и высокопроизводительным вычислениям Ian Buck, Groq LPX повысит декодирующую производительность «на каждом токене — на каждом уровне модели ИИ» и позволит Rubin обслуживать следующее передовое направление искусственного интеллекта: системы мультиагентов. Эти системы должны обеспечивать интерактивную производительность одновременно при выводе моделей с десятками триллионов параметров и в контекстных окнах на миллионы токенов.

Стремление NVIDIA к рынку чипов для вывода не началось сегодня — к этому готовились заранее. В декабре 2025 года компания приобрела по цене около 20 млрд долларов ключевые технологические активы Groq, а его основатель присоединился к NVIDIA. Groq 3 LPU стал первым публичным результатом после этой сделки.

Согласно моделированию отдела глобальных инвестиционных исследований Goldman Global Investment Research, доля отгрузок не-GPGPU чипов среди AI-чипов для AI-серверов будет иметь чётко выраженную тенденцию роста: как ожидается, с 36% в 2024 году она постепенно вырастет до 45% в 2027 году. При этом доля GPGPU-чипов, по прогнозу, снизится с 64% в 2024 году до 55% в 2027 году.

Старший аналитик InSemi Research Цинь Фэнвэй рассказал корреспонденту, что GPU будут более конкурентоспособны в сценариях с базовыми моделями обучения, где требования к универсальности выше (например, в публичных облаках), а также в сценариях параллельных вычислений. В то же время ASIC (включая TPU, DPU, NPU, LPU и т. п.) на этапе развёртывания моделей и в сценариях вывода имеют относительные преимущества, поскольку в этих сценариях предъявляются более высокие требования к энергоэффективности, задержкам отклика и т. д.

«Поэтому запуск LPU — это стратегическая разворотная ставка NVIDIA в ответ на переход потребности в вычислительных мощностях ИИ с “обучения” на “вывод”. Это ключевой ход, чтобы закрыть слабые места. Он обеспечивает более детально проработанную продуктовую компоновку и отвечает на изменения рынка и вызовы со стороны конкурентов». — сказал корреспонденту руководитель Института исследований Deep Technology Чжан Сяожун.

По данным СМИ, планы NVIDIA по реагированию на растущий спрос на вывод уже принесли ей отдачу: в прошлом месяце OpenAI заявила, что достигла соглашения с NVIDIA о закупке чипов, обладающих «специализированными возможностями для вывода».

Экосистемное обновление: от чипов к фабрикам

В последние годы генеративный ИИ взорвал рынок, а обучение больших моделей превратилось в абсолютную «дыру» для вычислительных мощностей. Благодаря доминированию GPU NVIDIA получила большую часть выгод от этого бума: и финансовые результаты, и рыночная капитализация резко пошли вверх, компания заработала «сполна и сверх меры».

Однако, когда гонка за параметрами моделей вошла в период убывающей предельной эффективности, обучение больших моделей после двух лет стремительного роста наконец замедлилось. С 2025 года ось конкуренции начала смещаться — интеллектуальные агенты и инженерия контекста заняли центральное место. Самый прямой сигнал: OpenClaw захватил социальные платформы — начиная с технологического круга и заканчивая пробитием в информационный поток обычных людей.

Интеллектуальные агенты — один из ключевых факторов роста спроса на рынок вывода: их основные сценарии больше ориентированы на вывод, а не на обучение. Этот взгляд поддерживается целым рядом авторитетных исследований и отраслевых анализов. Поэтому, когда способности ИИ развиваются от этапа обучения базовых больших моделей к интеллектуальным агентам, уделяющим внимание построению рабочих процессов, центр тяжести спроса на вычислительные мощности ИИ уже сместился с обучения на вывод.

А поскольку NVIDIA — ключевой игрок в инфраструктуре ИИ, ей естественно нужно адаптироваться к рыночным тенденциям, и причём — на уровне всей экосистемы.

На этой конференции GTC, помимо выпуска LPU, NVIDIA также объединилась с командой, представленную основателем OpenClaw Peter Steinberger, собрав ряд ведущих экспертов по безопасности и вычислениям, и представила NeMoClaw reference architecture. Внутренняя реализация содержит технологию OpenShell, механизмы сетевой защиты и возможности приватной маршрутизации, что позволяет предприятиям безопасно запускать системы интеллектуальных агентов в собственной частной среде.

NVIDIA даже представила референсный дизайн Vera Rubin DSX AI Factory — чтобы показать, как проектировать, строить и эксплуатировать весь стек инфраструктуры AI-фабрики: он охватывает вычисления, сеть NVIDIA Spectrum-XEthernet и хранение, чтобы добиться воспроизводимой, масштабируемой и оптимальной производительности кластеров.

Хуан Жэньсюн заявил: «В эпоху ИИ интеллектуальные токены — это новая валюта, а AI Factory — инфраструктура, на которой эти токены создаются. Через референсный дизайн Vera Rubin DSX AI Factory и Omniverse DSX Blueprint (цифровой двойник) мы предоставляем основу для построения самых высокопроизводительных AI-фабрик в мире, ускоряем время до первой выручки и максимизируем масштаб и энергоэффективность».

Что касается того, как после выпуска LPU изменится доля флагманских GPU NVIDIA, корреспондент «Huaxia Times» взял интервью у NVIDIA: на момент подготовки материала ответа не получили. «Выход NVIDIA на рынок чипов для вывода не означает, что бизнес GPU из-за этого пострадает. Напротив, в кооперации с LPU откроется более широкое рыночное пространство». — сказал Чжан Сяожун.

Эксперт, приглашённый в think tank «智参智库», Юань Бо отметил, что в краткосрочной перспективе GPU за счёт сильной адаптивности к сценариям и экосистемных барьеров доминируют на рынке, особенно в сценариях обучения ИИ. В долгосрочной перспективе две траектории не являются полностью противоположными, а будут идти к слиянию и рыночной сегментации. «С точки зрения железа, GPU будут интегрировать более сильные специализированные ядра, а специализированные чипы — повышать программируемость. На рынке, как ожидается, сформируется сегментированная картина: одна часть будет глубоко развивать инновации и универсальную платформу, а другая — наращивать масштабы вывода на специализированных чипах».

На рынке ASIC, по сути, уже собралось немало конкурентов NVIDIA, включая иностранных Cerebras, а также китайские компании Cambricon (寒武纪), Huawei, Siscale (燧原科技) и др. Чжан Сяожун считает, что выход NVIDIA в сегмент чипов для вывода для отечественных производителей — это одновременно вызов и катализатор: возникнет сложная ситуация, где «сжимание» и «вынужденный форсированием» будут сосуществовать. Это ускорит перестройку отрасли и технологическое обновление.