Главный ров Nvidia — не чипы, а CUDA: AI-агенты начали его переписывать

Двадцать лет главным конкурентным активом Nvidia была не скорость GPU, а программная платформа CUDA — слой, превращающий кремний компании в инструмент для разработчиков AI. По анализу The Next Web, именно этот ров начали разрушать AI-агенты для написания кода и новые инструменты оптимизации инференса.

Почему CUDA важнее любого чипа Nvidia

CUDA появилась в 2006 году и за почти два десятилетия превратилась в фундамент AI-разработки: на неё опираются PyTorch, TensorFlow, JAX и большинство ведущих фреймворков глубокого обучения. Тысячи высокооптимизированных ядер, корпоративные ML-пайплайны, учебные программы в университетах — всё это выстраивалось вокруг CUDA-абстракций годами.

Мигрировать с CUDA на альтернативу означало не заменить несколько функций, а перестраивать годами отлаживавшийся стек. AMD предлагает ROCm, Intel — oneAPI, однако их совместимость с существующей CUDA-экосистемой оставалась ограниченной, а портирование критичных ядер требовало глубоких знаний микроархитектур GPU. Итог: даже компании, имевшие экономические стимулы сменить поставщика железа, чаще оставались на Nvidia — потому что цена выхода из программной экосистемы была слишком высокой.

• CUDA работает с 2006 года — почти 20 лет накопленной экосистемы
• PyTorch, TensorFlow и JAX изначально оптимизированы под CUDA
• AMD ROCm и Intel oneAPI — рабочие альтернативы с ограниченной совместимостью
• Переход на другую платформу исторически требовал месяцев работы GPU-инженеров
• Именно высокая стоимость выхода, а не превосходство чипов, удерживала индустрию на Nvidia

Как AI-агенты начали переписывать ров

AI-агенты для написания кода — GitHub Copilot, Cursor, Devin и их аналоги — начали брать на себя механическую часть миграции с CUDA: разбирают зависимости, переписывают ядра, адаптируют интерфейсы под ROCm или oneAPI. Стоимость, которая раньше измерялась месяцами работы специалистов по низкоуровневому коду, начинает снижаться.

«Настоящий ров Nvidia никогда не был аппаратным.

AI начал его переписывать», — из анализа The Next Web.

По оценке издания, ров Nvidia держался не на техническом превосходстве CUDA как такового, а на запредельной стоимости выхода из неё. Инструменты, снижающие эту стоимость, фундаментально меняют конкурентное уравнение на аппаратном рынке AI.

Параллельно развивается направление аппаратно-независимой оптимизации инференса. Фреймворк Triton от OpenAI, MLIR-компиляторы и язык Mojo от компании Modular позволяют писать ядра для GPU без жёсткой привязки к CUDA API. Вместе с AI-агентами они образуют инструментарий, системно снижающий барьер смены аппаратной платформы и открывающий путь к реальной конкуренции.

Что это значит

Угроза CUDA не означает краха Nvidia: аппаратное преимущество линейки Blackwell по производительности остаётся реальным, цикл замены GPU-парков в дата-центрах занимает годы, а экосистемный эффект не исчезает за один сезон. Но сам факт, что AI-агенты начали снижать ключевой нетехнологический барьер Nvidia, меняет долгосрочную картину: AMD, Intel и стартапы на кастомных чипах получили реальный шанс привлечь разработчиков, которые прежде не могли себе позволить покинуть CUDA-экосистему.