За каждым прорывом в области искусственного интеллекта, от крупных языковых моделей до автономных автомобилей, стоит невидимая иерархия компаний, контролирующих важнейшие компоненты, лежащие в основе инноваций. Четыре компании занимают в ней лидирующие позиции: Nvidia (разработка микросхем), TSMC (производство процессоров), ASML (оборудование для производства чипов) и SK Hynix (высокоскоростная память). Вместе они образуют взаимозависимую сеть, которая определяет траекторию развития, причём каждый из них является важнейшим узлом в глобальной цепочке поставок. Их доминирование в экосистеме аппаратного обеспечения ИИ породило дискуссии о возможном появлении монополий в этой быстро развивающейся отрасли.
Восхождение Nvidia к лидерству в области искусственного интеллекта началось с неожиданного открытия, что её графические процессоры (GPU), изначально разработанные для видеоигр, оказались исключительно эффективными в обработке параллельных вычислений, необходимых для нейронных сетей. Сегодня графические процессоры Nvidia служат основой машинного обучения и создания моделей ИИ, занимая более 90% рынка чипов для обучения. Графические процессоры H100 и готовящиеся к выпуску Blackwell — единственные жизнеспособные решения для крупномасштабных моделей, что укрепляет её практически монопольное положение.
Это доминирование обусловлено ранними инвестициями Nvidia в архитектуру унифицированных вычислительных устройств (CUDA). Эта платформа параллельных вычислений стала фактическим стандартом для разработки нейросетей. Тесно связав аппаратное обеспечение с проприетарным ПО, Nvidia создала экосистему, в которой переход на решения конкурентов, таких как AMD или Intel, экономически невыгоден. Инвестиции компании в комплексные решения для искусственного интеллекта, включая сетевые технологии (Infiniband, Spectrum-X) и фреймворки, такие как Omniverse, ещё больше укрепляют её позиции на рынке.
Пока Nvidia разрабатывает чипы, TSMC их производит, и в настоящее время никто не делает это лучше. Тайваньский завод, по его заявлению, производит более 90% передовых процессоров разного уровня применения (5 нм и ниже), при этом конкурентов пока не видно. Таким компаниям, как Intel или Samsung, сложно конкурировать с TSMC по объёму выпуска продукции и масштабируемости производства, что вынуждает даже конкурентов (например, Apple и AMD) полагаться на TSMC в производстве передовых компонентов. Эта дуополия создаёт узкое место для развития. Стартапы и небольшие игроки сталкиваются со значительными барьерами для входа, поскольку разработка конкурентоспособных ИИ-чипов требует доступа к фабрикам TSMC и совместимости с программным стеком Nvidia.
Поддерживает эту триаду голландская компания ASML, производящая оборудование для травления схем на кремнии в нанометровых масштабах. Без систем литографии в экстремальном ультрафиолете (EUV) ASML, каждая из которых стоит сотни миллионов долларов, TSMC не смогла бы производить чипы, которые разрабатывает Nvidia. Литографические системы подобны высокотехнологичным принтерам, создающим невероятно мельчайшие узоры и схемы на компьютерных чипах. Эти системы используют точные световые лучи для печати изображений на кремниевых пластинах, что позволяет производить сложные чипы, необходимые для технологий искусственного интеллекта.
Пока эти три корпорации доминируют в заголовках новостей, SK Hynix стала четвёртой монополией, движущей революцию искусственного интеллекта через память. Современные задачи этой отрасли требуют огромной пропускной способности, и SK Hynix доминирует в сегменте памяти с высокой пропускной способностью (HBM — high-bandwidth memory), занимая более 70% рынка. Её продукты HBM3 и HBM3E — идеальный выбор для высокопроизводительных серверов для нейросетевых задач, что делает её ключевым партнёром для Nvidia H100. Недавно SK Hynix обогнала Samsung, став крупнейшим поставщиком DRAM, благодаря стратегической фокусировке на производстве модулей памяти для искусственного интеллекта.
Вот такой квартет создаёт цикл доминирования. В результате формируется аппаратная экосистема, в которой доминирование каждой компании усиливает позиции других, создавая барьеры, которые новым участникам рынка трудно преодолеть, что подавляет конкуренцию и инновации. Зависимость от проприетарных стандартов, таких как CUDA, ограничивает совместимость и создаёт барьеры для новых участников рынка. Более того, ценовая политика Nvidia вызывает опасения, что высокие цены могут ограничить доступ к возможностям ИИ для небольших организаций.
Рыночная практика этих брендов привлекла внимание регулирующих органов по всему миру. Расследования в разных странах направлены на изучение того, нарушают ли бизнес-стратегии компаний антимонопольное законодательство. Претензии сосредоточены на потенциальном анти-конкурентном поведении, таком как эксклюзивные соглашения и использование фирменных стандартов для поддержания лидерства на рынке. Кроме того, централизация производства передовых чипов на TSMC сопряжена с определёнными рисками. Геополитическая напряжённость может нарушить цепочку поставок, что повлияет на глобальную доступность оборудования.
Хотя эта монополистическая система кажется грозной, другие технологические гиганты уже готовятся бросить вызов существующей системе. Астрономические затраты на разработку ИИ вынуждают даже крупнейшие технологические компании искать альтернативы. Они разрабатывают собственные ИИ-чипы, чтобы снизить зависимость. Такие конкуренты, как AMD и Intel, пытаются оспорить доминирование Nvidia. AMD Instinct MI300X и Intel Falcon Shores — примеры усилий по разработке высокопроизводительных ИИ-чипов. Хотя эти компании активно инвестируют в исследования и разработки, в настоящее время они уступают Nvidia по доле рынка и зрелости экосистемы.
Попытки конкуренции со стороны стартапов тоже не прекращаются. Например, компания Ambient Scientific представила свои чипы для периферийного ИИ, кардинально меняя наше представление о вычислительных возможностях на периферии, сочетая цифровую логику с аналоговыми командами для работы голосового, визуального и сенсорного ИИ в течение нескольких месяцев без подзарядки на батарейке-таблетке. Секретный рецепт компании заключается в её фирменной кремниевой архитектуре DigAn — гибриде цифровых и аналоговых вычислений, позволяющем работать на высокой скорости при минимальном энергопотреблении. Цель проста — создавать процессоры, изначально разработанные для ИИ, а не переработанные из процессоров общего назначения.
Новейший продукт компании, GPX10 Pro, уже доступен для тестирования, а серийное производство запланировано на первый квартал 2026 года. Электронный компонент разработан для устройств с питанием от аккумулятора и поддерживает распространённые задачи ИИ, включая распознавание голоса, поиск ключевых слов, лёгкое машинное зрение и интеллект на основе датчиков при очень низком уровне энергопотребления. Архитектура общего назначения ограничивает возможности традиционных микроконтроллеров и нейронных процессоров, а решением компании стала гибридная схема — цифро-аналоговая (DigAn). Аналоговые схемы хороши для умножения матриц, но могут быть нестабильными и ненадёжными. В математике надёжность и согласованность очень важны. Добавив цифровое управление в ключевые области, Ambient смогла использовать аналоговые схемы для большей части рабочей нагрузки, одновременно повысив стабильность.
Ambient Scientific также разработала собственный набор инструкций для функций искусственного интеллекта (ИИ) и создала новую архитектуру под названием ядро MXX, которая представлена в таких версиях, как MX-8, MX-16 и MX-32. Каждое ядро MXX функционирует как независимый компьютер для искусственного интеллекта, а их объединение позволяет компании создавать системы на кристалле (SoC), адаптированные под различные потребности. Первая SoC компании, GPX-10, предназначена для небольших устройств, построен на базе десяти ядер MX8 AI, организованных в два набора по пять ядер в отдельных доменах питания. Такая конфигурация позволяет процессору выполнять до 2560 операций умножения с накоплением за такт, обеспечивая пиковую производительность 512 GOP.
Для поддержки более крупных и сложных моделей чип оснащён 2 МБ встроенной SRAM, что в десять раз больше, чем у предыдущей модели GPX10. Процессор способен постоянно распознавать ключевые слова, потребляя при этом менее 100 микроватт, что позволяет ему работать от небольшой батарейки-таблетки. Интегрированное ядро процессора Arm Cortex-M4F отвечает за функции управления, а аналоговые функции включают маломощный АЦП, улучшенную логику I2S и интерфейсы для подключения до 28 датчиков, включая восемь аналоговых и 20 цифровых.
Чтобы сделать данные датчиков полезными в режиме реального времени, GPX10 Pro включает в себя SenseMesh — тесно связанный слой объединения датчиков, который уменьшает задержку за счет прямого подключения нескольких датчиков к ядру. Чип полностью поддерживается набором инструментов Nebula от Ambient Scientific, который позволяет разработчикам развёртывать модели, обученные с использованием TensorFlow, Keras или ONNX.
Такие стартапы, как Cerebras, внедряют новые подходы к разработке аппаратных средств для искусственного интеллекта. Wafer Scale Engine (WSE) от Cerebras представляет собой значительный отход от традиционных чипов, предлагая возможности масштабной параллельной обработки. Хотя такие инновации пока находятся на ранних стадиях развития, они могут переломить текущую динамику рынка и создать альтернативы существующим игрокам. Более того, китайский стартап DeepSeek недавно оглушительно продемонстрировал, что конкурентоспособные модели ИИ можно создавать на старом оборудовании Nvidia благодаря продуманной программной оптимизации. Помимо этого, новые подходы к проектированию микросхем и архитектурные инновации также могут перераспределить силы в отрасли:
— технология Chiplet позволяет объединять более мелкие специализированные компоненты вместо использования монолитных конструкций;
— архитектуры с открытым исходным кодом, такие как RISC-V, предоставляют альтернативы фирменным наборам инструкций;
— исследователи изучают фотонные вычисления и 3D-стекирование чипов как потенциальную замену нынешним подходам, основанным на литографии;
На данный момент доминирование упомянутых IT-производителей фактически формирует вертикальную монополию на рынке оборудования для генеративного искусственного интеллекта. Их технологическое лидерство измеряется годами, их клиентская база включает в себя крупнейшие технологические компании, а их продукты по-прежнему играют ключевую роль в развитии. Хотя конкуренция только набирает обороты, их укоренившиеся позиции делают их пока незаменимыми. Однако история технологий учит нас, что никакое доминирование не длится вечно. В каждом случае именно технологические сдвиги, а не действия регулирующих органов, в конечном итоге подорвали позиции устоявшихся игроков. Будущее отрасли может зависеть от того, смогут ли открытые стандарты или альтернативные производители уравнять шансы. Вопрос не в том, появятся ли конкуренты, а в том, когда и появятся ли они — от известных игроков, амбициозных стартапов или совершенно неожиданных источников.
