«Триллионные» доходы: уверенность и вызовы NVIDIA

На этой неделе не было ни одного числа, которое сильнее потрясло бы рынок, чем «1 триллион долларов США».

В ходе своего основного выступления на ежегодной конференции разработчиков GTC компании Nvidia Хуанжэнь Сюнь заявил, что к концу 2027 года новая архитектура ИИ-ускорителей Blackwell и продукты следующего поколения Rubin в сумме создадут как минимум 1 триллион долларов США выручки, и при этом подчеркнул, что эта цифра не включает продажи независимых Vera CPU и решений для стоечных платформ LPX.

От 500 млрд до 1 триллиона: прогноз по выручке чипов Nvidia в течение полугода должен удвоиться.

На рынке в этой игре вокруг «ИИ-пузыра» почему Хуанжэнь Сюнь смог дать оценку, которая намного превосходит ожидания рынка? И сможет ли этот целевой показатель быть достигнут?

Откройте NetEase News, чтобы посмотреть потрясающие изображения

За счет чего появилась уверенность

За прогнозом Хуанжэня Сюня по «триллионной выручке» стоят три ключевые опоры.

1、Высокая наблюдаемость заказов. Во время интервью СМИ на GTC2026 Хуанжэнь Сюнь подчеркнул, что озвученный в понедельник прогноз выручки свыше 1 триллиона долларов США имеет очень сильную «видимость». Nvidia ожидает, что достигнет, получит на баланс и поставит бизнес на сумму свыше 1 триллиона долларов США, и «твёрдо уверена» в достижении цели «более 1 триллиона».

Такое решение о «высокой видимости» не лишено оснований. Хуанжэнь Сюнь отметил, что главнейший запрос клиентов сейчас — «обеспечить получение достаточных поставок», а не цену. Это отражает, что рынок вычислительных мощностей ИИ всё ещё находится на типичной стадии дефицита предложения: спрос намного превышает предложение, и клиенты больше беспокоятся о том, что не смогут получить товар, а не о том, насколько высока цена.

Omdia указывает, что в области advanced packaging назревает кризис. Мощности TSMC CoWoS расширяются с 75k пластин в месяц в 2025 году до 120–130 тыс. к концу 2026 года, но всё равно не могут удовлетворить всплеск спроса. В итоге увеличиваются сроки поставок, растут цены, а распределение мощностей становится более смещённым в сторону крупнейших клиентов.

Далее Хуанжэнь Сюнь отметил, что крупные закупки со стороны облачных провайдеров и компаний ИИ формируют высокую определённость по портфелю заказов, предзаказам и отгрузкам — это и есть ключевая причина, по которой он осмеливается давать оценку «высокой видимости». С точки зрения отрасли, технологические гиганты, включая OpenAI, Meta, Microsoft, Google, Amazon и др., продолжают наращивать строительство ИИ-датацентров, что способствует экспоненциальному росту спроса на вычислительные мощности.

В Morgan Stanley отмечают, что 1 триллион долларов США означает наличие как минимум 50–70 млрд долларов США потенциала роста относительно консенсус-прогноза Уолл-стрит по выручке датацентров на 2026–2027 годы.

2、ИИ входит в «эпоху вывода (inference)». В отличие от последних двух лет, когда акцент делался на «обучение моделей», Хуанжэнь Сюнь неоднократно подчеркивал на конференции GTC2026, что индустрия ИИ вошла в «точку перелома» в части inference.

Под inference (выводом) понимаются вычислительные потребности ИИ-моделей в реальных прикладных сценариях в режиме реального времени. Когда пользователи задают вопросы ChatGPT, используют Midjourney для генерации изображений или заставляют беспилотные автомобили принимать решения, «под капотом» всегда работает inference. В отличие от одноразовых крупномасштабных вычислений на этапе обучения, inference — процесс непрерывный: потребность в вычислениях растёт линейно, а иногда и в разы экспоненциально по мере расширения масштаба пользователей.

В своем выступлении Хуанжэнь Сюнь сказал: «Обучение делает модель умной, но inference — именно то, что позволяет ИИ по-настоящему войти в каждый дом. Каждое взаимодействие пользователя требует вычислительных мощностей, а с распространением AI Agent (интеллектуальных агентов) потребности в inference будут намного превышать потребности на этапе обучения».

Оценка масштаба рынка:

- Рынок обучения (training): относительно сконцентрирован. В основном им руководят несколько крупных технологических игроков. Спрос носит проектный характер и проявляется всплесками по стадиям

- Рынок inference: крайне фрагментирован. От облачных API до периферийных устройств, от потребительских приложений до решений корпоративного уровня — спрос носит непрерывный характер и растёт масштабно

3、Итерации продукта + платформа-ориентированная стратегия. Прогноз Nvidia по 1 триллиону долларов США, раскрытый Хуанжэнем Сюнем на GTC2026, охватывает только выручку от чипов архитектуры Blackwell и следующего поколения Rubin и не включает продажи новых продуктов, которые вот-вот будут представлены, а также выручку по новым регионам и рынкам. Это означает, что потенциальный общий масштаб бизнеса Nvidia в сфере ИИ может ещё сильнее выйти за пределы текущих оценок.

Дорожная карта продуктов:

- Архитектура Blackwell (2024-2025): уже запущена в крупносерийное производство. Чипы B200 по показателям производительности при обучении превосходят H100 в 4 раза, а производительность inference может увеличиться до 30 раз

- Архитектура Rubin (2026-2027): ожидается, что в 2026 году она начнет крупномасштабное развертывание, а производительность поднимется ещё выше

- Архитектура Feynman (2028 и далее): более отдалённая следующая архитектура уже находится в разработке

Ещё важнее то, что Nvidia движется от «продажи чипов» к «продаже ИИ-заводов». На конференции Хуанжэнь Сюнь объявил открытый исходный код NVIDIA Dynamo — операционной системы для inference, «чертежи» физического ИИ-датафабрики, а также сотрудничество с крупнейшими мировыми разработчиками промышленного ПО — всё это направлено на формирование полной экосистемы инфраструктуры ИИ.

Аналитики отмечают, что такая платформа-ориентированная стратегия означает: в будущем доходы Nvidia уже не будут ограничиваться одним GPU, а будут расширяться до полного системного решения датацентра. Старший аналитик Wedbush по технологиям Дан Айвз (Dan Ives) сказал, что Nvidia не только движется в гигантской волне искусственного интеллекта, но и сейчас расширяет контроль над инфраструктурой, которая поддерживает ИИ.

Это заметно увеличит верхнюю планку по доходам. Хуанжэнь Сюнь прямо заявил: «Цель 1 триллион долларов США будет продолжать расти».

Путь к триллиону сталкивается с множеством вызовов

Хотя Хуанжэнь Сюнь выражает полную уверенность, достижение суммарной выручки в 1 триллион долларов США (к концу 2027 года) всё ещё сталкивается с множеством вызовов.

Во-первых, сжатость временного окна. С марта 2026 года до конца 2027 года у Nvidia есть менее двух лет, чтобы добиться суммарной выручки в 1 триллион долларов США. Учитывая, что цикл поставки чипов от заказа до отгрузки обычно составляет 6–12 месяцев, окно для подтверждения выручки становится ещё более тесным.

- Выручка Nvidia в 2025 финансовом году (по состоянию на январь 2025) — 130,5 млрд долларов США

- Выручка Nvidia в 2026 финансовом году (соответствует периоду с февраля 2025 по январь 2026) — 215,9 млрд долларов США, а в 2027 финансовом году выручка достигнет примерно 3000–10k долларов США

- За три года 2025-2027 суммарная выручка — около 6000–10k долларов США

- Чтобы добраться до 1 триллиона долларов США, это означает, что в 2027 году годовая выручка, вероятно, должна превысить 500 млрд долларов США

Это означает, что Nvidia должна в 2027 году обеспечить почти двукратный рост год к году. Для любой компании в сфере оборудования это будет беспрецедентным вызовом.

Во-вторых, усиливается конкурентная борьба.

Серия MI400, представленная AMD в 2025 году, в отрасли рассматривается как прямой вызов Blackwell. Генеральный директор AMD Лиза Су в недавнем интервью сказала: «Наша доля на рынке ИИ постоянно растёт. MI400 по соотношению цена/производительность в определённых рабочих нагрузках превосходит Blackwell, и это очень привлекательно для клиентов, чувствительных к цене».

Ещё более серьёзная угроза исходит от того, что крупнейшие клиенты Nvidia ускоряют развертывание собственных ИИ-чипов:

- Google TPU v6: уже используется для обучения и inference Gemini2.0; производительность близка к Blackwell

- Amazon Trainium3/Inferentia3: масштабное развёртывание на AWS; стоимость на 30–40% ниже, чем решения Nvidia

- Microsoft Maia200: с конца 2025 года начинается полномасштабное развёртывание на Azure

- Meta MTIA: планирует представить четыре поколения собственных ИИ-чипов до конца 2027 года

Бывший инженер по чипам Google заявил: «Эффективность TPU в обучении Transformer-моделей уже превзошла GPU. Хотя универсальность хуже, чем у CUDA, для крупных компаний с чётко определёнными рабочими нагрузками экономическая целесообразность собственных чипов очень привлекательна. Цель облачных провайдеров — к 2027 году, чтобы доля собственных чипов составляла 30–40% от их закупок ИИ-вычислительных мощностей».

Аналитик Seaport Research отметил, что «сейчас Nvidia как никогда нуждается в том, чтобы приложить максимум усилий для привлечения выручки».

Кроме того, узкие места могут возникнуть и в цепочке поставок. Сейчас главным узким местом являются мощности TSMC по advanced packaging CoWoS. Хотя TSMC ускоряет расширение мощностей, дефицит спроса и предложения высокопроизводительных ИИ-чипов, по прогнозам, сохранится до конца 2026 года. Если темпы расширения окажутся ниже ожиданий, Nvidia может столкнуться с неловкой ситуацией «заказы есть, но отгрузить нечем».

Дестабилизация обстановки на Ближнем Востоке затрагивает и Южную Корею, обладающую мощностями по производству компонентов хранения. Согласно статистике Корейской ассоциации международной торговли за 2025 год, зависимость Кореи от импорта гелия из Катара достигает 64,7%. Процесс производства полупроводников крайне зависит от гелия для охлаждения кремниевых пластин, и, как считается, жизнеспособной альтернативы пока нет. Правительство Кореи также заявило, что если перебои с поставками продолжатся длительное время, это может привести к дефициту гелия и росту цен.

Стоит отметить, что блокировка Ормузского пролива держит мировые цены на нефть на уровне около 100 долларов США за баррель — это серьёзный удар по датацентрам с высокой энергоёмкостью вычислений. Если рост затрат на энергию сведет на нет повышение эффективности, обеспечиваемое чипами, планы глобальных инвестиций в ИИ могут быть вынуждены сократиться.