Nvidia виходить на ринок великих моделей штучного інтелекту

Якщо хтось запитає, хто є найбільшим переможцем у епоху ШІ, відповідь майже не викликає сумнівів — NVIDIA. Завдяки власним H100, які розкуповують як гарячі пиріжки, вона, мов продавець лопат під час золотої лихоманки, дивиться, як компанії по всьому світу, що займаються ШІ, б’ються головою об стіну, а сама при цьому тихо йе без зайвого шуму збагачується, а ринкова капіталізація невпинно злітає до небес. Останні фінансові документи свідчать, що NVIDIA протягом майбутніх 5 років сукупно інвестує 26 млрд доларів США, гучними коштами й на повну потужність просуватиме розробку відкритих AI-моделей. Це означає, що NVIDIA більше не задовольняється роллю продавця лопат, а збирається вийти на поле й копати золото власноруч.

Великі інвестиції

12 березня, згідно з фінансовими документами, які NVIDIA подала до Комісії з цінних паперів і бірж США (SEC), компанія протягом майбутніх 5 років сукупно інвестує 26 млрд доларів США (приблизно 1788 млрд юанів у перерахунку на RMB) — значні кошти для того, щоб повною мірою просунути розробку відкритих AI-моделей. NVIDIA також офіційно розпочала стратегічну трансформацію — від «виробника чипів» до «топового AI-лабораторного стека повного циклу».

Згідно з планом, ці 26 млрд доларів США інвестицій NVIDIA не зводяться лише до розробки однієї моделі, а охоплюють весь ланцюг створення вартості відкритих AI-моделей. Фінансування поступово впроваджуватиметься протягом наступних 18–24 місяців, а перші власні відкриті AI-моделі, найшвидше, мають бути офіційно представлені наприкінці 2026 року — на початку 2027 року.

Для порівняння, масштаби цих інвестицій суттєво перевищують 3 млрд доларів США, які були витрачені OpenAI на тренування GPT-4. А в технічному напрямі NVIDIA обрала «середній шлях» — «відкриті ваги» (Open-weight). Ця модель лежить між повністю закритим підходом OpenAI та повністю відкритим підходом серії Llama від Meta.

Конкретно кажучи, NVIDIA оприлюднить ключові параметри (ваги) відкритої моделі, дозволяючи компаніям і розробникам завантажувати їх безкоштовно та запускати на власних пристроях або в приватній хмарі, а також виконувати доопрацювання (fine-tuning), щоб задовольняти потреби бізнесу в конфіденційності даних, кастомізації та контролі витрат. Але тренувальні дані й код моделі можуть не бути повністю оприлюднені.

Неприбуткова організація Laude Institute, яка спеціалізується на просуванні відкритості в AI, засновник і фахівець з комп’ютерних наук Енді Конвінскі (Andy Konwinski) охарактеризував ці інвестиції NVIDIA як сигнал-милівник. «Вони перебувають на перетині передових позицій численних проєктів із відкритим і закритим AI», — сказав Konwinski. «Це їхня безпрецедентна заява щодо віри в відкритість».

Крім того, галузеві аналітики зазначають, що відкрита стратегія має для NVIDIA ще й більш далекоглядне комерційне значення. Коли NVIDIA публікуватиме свої моделі, вона розкриватиме ваги та технічні деталі, щоб допомогти стартапам і дослідникам змінювати й інноваційно розвивати їх на власній технологічній основі. Це сприятиме формуванню мережі розробників навколо апаратної екосистеми NVIDIA та ще більше підсилить «липкість» її чипів на ринку.

Порівняння з OpenAI

Від моменту випуску першої моделі Nemotron у листопаді 2023 року NVIDIA послідовно запускала спеціалізовані моделі для вертикальних напрямів, зокрема для роботів, моделювання клімату та згортання білків. Заступник віцепрезидента з досліджень глибокого навчання в застосуваннях NVIDIA Брайан Катандзаро (Bryan Catanzaro) також повідомив, що NVIDIA нещодавно завершила попереднє тренування моделі з 5500 млрд параметрів. У розробці базових моделей NVIDIA робитиме акцент на багатомодальних, мультидоменних передових великих моделях, охоплюючи мову, код, наукові обчислення, агентів та інші напрями.

Нещодавно NVIDIA також представила нове покоління відкритих великомовних моделей Nemotron 3 Super, створених спеціально для корпоративних мультиагентних систем. Загальний обсяг параметрів моделі становить 1280 млрд (під час інференсу активуються лише 120 млрд), а нативно підтримується контекстне вікно надвеликої тривалості на 1 млн токенів. На відміну від стандартної моделі доступу через API, цього разу NVIDIA відкрила ваги моделі, набори даних для попереднього/післятренування та повну схему тренування.

1280 млрд параметрів — за масштабом це приблизно відповідає найбільшій версії OpenAI GPT-OSS. NVIDIA стверджує, що в комплексному рейтингу «AI Index» Nemotron 3 Super отримала 37 балів, тоді як GPT-OSS — лише 33 бали.

Варто зазначити, що NVIDIA також визнає: оцінки деяких китайських моделей вищі за цей рівень. Крім того, NVIDIA заявила, що Nemotron 3 Super бере участь у новому типі бенчмарку під назвою PinchBench — тест, який спеціально оцінює здатність моделі керувати OpenClaw; у цьому тесті Nemotron 3 Super посіла перше місце.

На технічному рівні NVIDIA оприлюднила низку інноваційних методів, використаних для тренування цієї моделі: архітектурні та тренувальні прийоми, що підвищують здібності моделі до міркування, обробку довгих контекстів і посилену здатність відповідати через навчання з підкріпленням.

Catanzaro сказав: «NVIDIA приділяє розробці відкритих моделей значно більше уваги, ніж будь-коли раніше, і ми досягаємо величезного прогресу».

На рівні екосистеми NVIDIA вже домовилася про співпрацю з основними провайдерами хмарних сервісів і виробниками обладнання, зокрема з Google Cloud Vertex AI, інфраструктурою Oracle Cloud, Dell Technologies, HPE та іншими; також готуються до підключення Amazon AWS Bedrock і Microsoft Azure. Такі компанії зі створення програмних розробницьких агентів, як CodeRabbit, Factory та Greptile, а також науково-дослідні організації в галузі наук про життя Edison Scientific і Lila Sciences вже оголосили, що інтегруватимуть цю модель у власні робочі процеси агентів.

Перезапуск маршруту

Тривалий час основна перевага NVIDIA концентрувалася в галузі чипів і апаратного забезпечення: частка на ринку AI-чипів перевищує 80%, але на рівні AI-моделей її «голос» відносно слабший. Раніше технічні стандарти для великих моделей і навчальні парадигми здебільшого задавали OpenAI, Meta та інші виробники.

Цього разу вихід NVIDIA на поле власної розробки топових відкритих моделей має ключову мету — визначити технічний маршрут базових AI-моделей на рівні фундаменту, щоб власна апаратна архітектура й програмний стек стали фактичними стандартами для всієї галузі AI. Підштовхуючи попит на обчислювальні потужності через відкриті моделі, NVIDIA одночасно прагне зробити відкритість «важелем» для закріплення потреби в її залізі. Якщо Nemotron стане типовою базовою моделлю для корпоративних AI-агентів, то інфраструктура GPU, необхідна для масштабного запуску цієї моделі, усе ще спиратиметься на NVIDIA — тобто, просуваючи відкритість на рівні моделей, NVIDIA водночас укріплює фіксацію попиту на рівні апаратного забезпечення.

Фінансові аналітики прогнозують: якщо NVIDIA, одночасно зміцнюючи позицію «владаря» в апаратному сегменті, зможе успішно забрати 10% частки на ринку базових моделей, то це може вже протягом трьох років додатково приносити компанії до 50 млрд доларів США щорічної виручки. Bryan Catanzaro сказав, що просування розвитку відкритої екосистеми повністю відповідає ключовим інтересам NVIDIA; цього разу гігантські інвестиції — не сліпе наслідування, а стратегічний вибір, зроблений після довгих галузевих розвідок і розрахунків.

У вівторок за місцевим часом CEO NVIDIA Джен Сунь також опублікував рідкісний довгий блог-матеріал про штучний інтелект. Це його сьома публічна велика стаття, починаючи з 2016 року; у ній системно розкрито базову логіку індустрії AI. У тексті він визначив «п’ять рівнів архітектури» AI. Він зазначив, що нині індустрія AI все ще перебуває на дуже ранній стадії розвитку: хоча галузь уже інвестувала тисячі мільярдів доларів, реальний потенціал AI ще не повністю розкрито. У майбутньому необхідні подальші інвестиції в десятки тисяч мільярдів доларів, щоб удосконалити базову інфраструктуру.

Джен Сунь підкреслив, що AI став однією з найсильніших сил, які формують світ сьогодні. Це не просто одна розумна прикладна програма або модель, а критично важлива інфраструктура — так само, як електрика й інтернет. AI працює на реальній апаратній, енергетичній та економічній основі, здатний поглинати сировину та перетворювати її на масштабовану інтелектуальність. У майбутньому кожна компанія використовуватиме AI, а кожна країна будує AI-інфраструктуру.

Щодо занепокоєнь з приводу робочих місць, які приносить розвиток AI, Джен Сунь вважає, що AI не лише не скорочуватиме робочі місця, а навпаки створюватиме багато нових можливостей працевлаштування. Особливо це стосується сфери інфраструктури та спеціалізованих робіт із високою кваліфікацією: робоча сила, потрібна для будівництва AI-інфраструктури, є надзвичайно великою. «AI-заводи» потребують електриків, сантехніків, працівників зі сталі, мережевих інженерів, монтажників та операторів — це високо кваліфіковані, добре оплачувані посади, і наразі на них попит перевищує пропозицію. AI вже заповнює у глобальному масштабі величезний дефіцит робочої сили на посадах водіїв вантажівок, медсестер, бухгалтерів тощо, а не створює безробіття через виробництво.