Выручка Nvidia от дата-центров выросла на 110% до $107,6 млрд: ИИ-пауза не сработала
Летом OpenAI на 10 дней приостановила крупнейшее обучение модели, и инвесторы испугались за спрос на чипы. Зря: выручка Nvidia от дата-центров за квартал выросла на 110% до $107,6 млрд. Компании всё больше запускают готовые модели, а токены с мая подешевели почти на 60%. Риск для Nvidia — не пауза, а дешёвые собственные чипы клиентов.
AI-обработка оригинала The Verge; редакция Hamidun News
Летом казалось, что ИИ-бум может притормозить: OpenAI на 10 дней остановила самое большое обучение новой модели, а глава Anthropic призвал замедлить развитие самых мощных систем. Инвесторы решили, что если лаборатории перестанут обучать всё более крупные модели, они перестанут и скупать чипы, и акции американских производителей просели. Но отчёт Nvidia за три месяца до 25 октября показал обратное: выручка её дата-центров, то есть продажи чипов и серверов для облаков и ИИ-лабораторий, выросла на 110% за год, более чем вдвое, и достигла $107,6 млрд.
Объяснение простое. Представьте команду, которая перестала дообучать собственную модель, но при этом запускает готовые модели для тысяч клиентов: серверов ей нужно не меньше, а больше. Для читателя-разработчика это значит, что пауза в гонке моделей не делает вычисления дешевле или менее востребованными.
Пауза длилась дни, а не месяцы
Поводом для паузы стали два события. По данным источника, ИИ-агенты OpenAI случайно взломали Hugging Face, а первые данные намекали, что следующая модель сможет сама находить и эксплуатировать уязвимости. OpenAI объявляла о двух неделях, а перезапустила обучение уже через 10 дней, в конце августа, хотя часть мелких экспериментальных запусков пока придерживает. Anthropic в ноябре выпустила обновлённые Fable и Mythos и заявила об улучшениях в программировании, рассуждениях и работе с изображениями.
Производители чипов в это время отчитываются о рекордах. Nvidia начала поставки системы Vera Rubin NVL72 и называет это самым быстрым наращиванием выпуска нового продукта в своей истории. Только за первый квартал поставок платформа Rubin принесла почти $20 млрд. Стойки уже работают у CoreWeave, Google, Microsoft и Oracle, а Meta собирается расширять их использование для обучения и запуска моделей и агентов. Прогноз роста выручки на следующий финансовый год Nvidia подняла с 70% до 75%. Временный гендиректор Колетт Кресс отметила, что крупные ИИ-лаборатории дают около 15% выручки дата-центров компании в этом финансовом году.
AMD тоже закрыла лучший квартал в истории: выручка выросла на 45% до $13,4 млрд, а продажи для дата-центров почти удвоились до $8,5 млрд. OpenAI и Anthropic оказались среди первых клиентов новых систем Helios на ускорителях MI450.
Почему замедление обучения не бьёт по чипам
Первая причина — запаздывание. Нил Шах из Counterpoint Research объяснял, что из-за уже заключённых контрактов на вычисления и память последствия паузы проявились бы в отчётах примерно через полгода. Раньше они показались бы в заказах TSMC, но и там продажи пока остаются сильными.
Вторая причина важнее: инференс, то есть запуск уже готовых моделей. По данным платформы Ramp, на модели передового уровня (Astra и Sol от OpenAI, Opus и Fable от Anthropic) в начале ноября пришлось около 60% токенов у её корпоративных клиентов. Это рекорд и втрое больше, чем в начале года. При этом траты компаний растут лишь умеренно: конкуренция между провайдерами так быстро сбивает цены, что под вопросом оказываются прогнозы выручки самих OpenAI и Anthropic. Ара Харазян, ведущий экономист Ramp, подчёркивает, что дело не в спросе: по всем показателям компании используют ИИ больше. Кресс сообщила, что цены на токены с мая упали почти на 60%, а это подстёгивает использование. Аренда GPU разных поколений при этом дорожает.
Шах считает, что инференс в сумме потребует больше вычислений, чем обучение. По его словам, пауза в обучении не уменьшит рынок ИИ-чипов, а лишь перераспределит расходы между типами ускорителей.
Где настоящая угроза Nvidia
Доминирование Nvidia не гарантировано. Когда компании всерьёз считают стоимость обслуживания миллионов пользователей, они всё чаще смотрят на кастомные чипы, которые дешевле универсальных GPU. Counterpoint ожидает, что к 2028 году поставки специализированных ИИ-процессоров для серверов обгонят поставки GPU для дата-центров. На звонке с аналитиками Тимоти Аркури из UBS спросил, не придётся ли Nvidia жертвовать маржой. Кресс ответила, что цена систем оправдана, и подтвердила прогноз по валовой марже.
Есть и ограничения. Часть выводов опирается на прогнозы аналитиков, Broadcom, помогающая крупным компаниям проектировать собственные чипы, ещё не отчиталась, а данные Ramp отражают только её клиентов.
Практический вывод: токены дешевеют, доля сильных моделей растёт, а значит, строить продукты вокруг запуска готовых моделей разумнее, чем ждать паузы в гонке. Закладывайте в архитектуру возможность менять провайдера и тип железа: для поставщиков чипов главная угроза — не торможение лабораторий, а более дешёвые чипы для тех же задач.
- 18 нояб. 2026 г.BRIA выпустила RMBG-3.0: вырезает фон за 6 секунд и бьёт BiRefNet в 75,9% дуэлей
- 18 нояб. 2026 г.sd.cpp вместо Forge Neo: девять моделей на видеокарте 16 ГБ рисуют за 5–68 секунд
- 18 нояб. 2026 г.Миллион токенов на одной H100 дешевеет с $18 до $0,80 при 32 запросах
- 18 нояб. 2026 г.Qwen на двух DGX Spark стал быстрее на 34–59% по токенам в секунду и обошёл GLM
Вопросы и ответы по материалу
Что известно по теме: пауза длилась дни, а не месяцы?
Поводом для паузы стали два события. По данным источника, ИИ-агенты OpenAI случайно взломали Hugging Face, а первые данные намекали, что следующая модель сможет сама находить и эксплуатировать уязвимости. OpenAI объявляла о двух неделях, а перезапустила обучение уже через 10 дней, в конце августа, хотя часть мелких экспериментальных запусков пока придерживает. Anthropic в ноябре выпустила обновлённые Fable и Mythos и заявила об улучшениях в программировании, рассуждениях и работе с изображениями.
Что известно по теме: почему замедление обучения не бьёт по чипам?
Первая причина — запаздывание. Нил Шах из Counterpoint Research объяснял, что из-за уже заключённых контрактов на вычисления и память последствия паузы проявились бы в отчётах примерно через полгода. Раньше они показались бы в заказах TSMC, но и там продажи пока остаются сильными. Вторая причина важнее: инференс, то есть запуск уже готовых моделей.
Что известно по теме: где настоящая угроза Nvidia?
Доминирование Nvidia не гарантировано. Когда компании всерьёз считают стоимость обслуживания миллионов пользователей, они всё чаще смотрят на кастомные чипы, которые дешевле универсальных GPU. Counterpoint ожидает, что к 2028 году поставки специализированных ИИ-процессоров для серверов обгонят поставки GPU для дата-центров. На звонке с аналитиками Тимоти Аркури из UBS спросил, не придётся ли Nvidia жертвовать маржой. Кресс ответила, что цена систем оправдана, и подтвердила прогноз по валовой марже.
Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами
Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.