Александра Дэвис видит то, что упустила Уолл-Стрит: почему доминирование Nvidia в области чипов разламывается

Когда технический директор Positron Александра Дэвис открыто заявила, что «мы не считаем, что будет только один победитель» в области AI-чипов, она не была провокационной — она высказала то, что рынок молча признает. В то время как Nvidia остается безусловным лидером в доминировании обучающих чипов, конкурентная ситуация кардинально изменилась. Акции гиганта AI-чипов застряли, поднявшись всего на 1% с четвертого квартала, а коэффициент цена-прибыль сейчас колеблется около 24, почти совпадая с индексом Nasdaq 100. Эта переоценка говорит о чем-то более важном, чем временное замедление: восприятие инвесторов меняется, и точка зрения Александры Дэвис отражает причины этого.

Этот сдвиг отражает стратегическую реальность, которую до недавнего времени мало кто замечал. Nvidia построила свою империю, контролируя вычислительно интенсивную фазу обучения ИИ — процесс обучения моделей с помощью массивных параллельных операций, основанных на архитектуре с высокой пропускной способностью памяти. Но ситуация меняется. По мере того как модели развиваются, а inference — выполнение обученных моделей в реальном времени — становится более частой и ресурсоемкой операцией на масштабах, появляются возможности для развития альтернативных архитектур.

Рынок inference-чипов как новая арена борьбы

Александра Дэвис и её команда в Positron представляют именно этот переход. Когда торговый гигант Jump совместно возглавил раунд финансирования компании на сумму 230 миллионов долларов и одновременно стал её клиентом, это стало сигналом о том, что Александра Дэвис говорила всё это время: сегмент inference — это место, где происходит конкурентное различие. Торговое сообщество, требующее решений в реальном времени, первым осознало, что архитектура Nvidia, ориентированная на обучение, не обязательно оптимальна для этой задачи.

Причины технические и убедительные. Inference требует иных характеристик производительности, чем обучение — меньшей задержки, другой иерархии памяти и специальных потоков данных. Стартапы исследуют эти пробелы с помощью новых архитектур памяти и кремниевых решений, специально оптимизированных для быстрого inference. Это отражает историческую закономерность в вычислительной технике, как отметила Александра Дэвис: специализированное оборудование со временем фрагментирует рынки, ранее доминировавшие универсальными процессорами.

Между тем, недавние внедрения моделей OpenAI на чипах Cerebras, партнерства Anthropic с Amazon Trainium и платформами TPU от Google, а также запуск второго поколения чипа Maia от Microsoft указывают на тот же тренд. Это не уходы от Nvidia из-за недовольства — это признание того, что доминирование Nvidia остается тактически прочным, но стратегически неполным.

Гонки стартапов, меняющие ожидания

Скорость инвестиций подчеркивает, насколько серьезно индустрия воспринимает этот пробел. D-Matrix завершила раунд на 275 миллионов долларов в ноябре прошлого года, а Etched привлекла около 500 миллионов долларов специально для конкуренции с Nvidia в сегменте inference. Это не ставки на всю компанию; это ставки на сегментацию. Рынок понимает то, что раньше понимала Александра Дэвис: не обязательно побеждать Nvidia везде, чтобы добиться значимого успеха. Нужно побеждать там, где сосредоточен рост.

Недавние шаги лидеров отрасли свидетельствуют о том, что этот шанс может сокращаться. Сообщается, что Дженсен Хуанг заключил лицензионное соглашение на 20 миллиардов долларов с Groq, а также активно нанимает талантливых специалистов — это было не столько о приобретении возможностей, сколько о сигнале Nvidia о своем намерении напрямую работать в сегменте inference. Послание: Nvidia осведомлена и реагирует. Однако сама сделка, вынуждая Nvidia приобретать экспертизу извне, случайно подтвердила предположение, что другие уже внедрили инновации в области, которые Nvidia еще не полностью охватила.

Амбиции технологических гигантов по созданию собственных чипов

Ускорение внутренней разработки чипов Amazon, Microsoft, Google и OpenAI отражает параллельное осознание. Эти компании не пытаются устранить Nvidia — они создают опции. Каждая продолжает закупать GPU Nvidia в больших объемах для своих облачных и AI-сервисов. Но каждая также снижает зависимость, исследует специализированные решения и дает понять инвесторам, что возможности расширения маржи Nvidia могут иметь ограничения.

Рыночные последствия и реакция Nvidia

То, что Александра Дэвис высказала — что специализированное оборудование неизбежно фрагментирует рынки вычислений — стало общепринятым прогнозом. Nvidia подготовилась к этому, обещая ежегодные обновления чипов и сохраняя широкий ассортимент продукции. Аналитики ожидают, что Nvidia объявит о целевых решениях для inference на своей главной конференции в марте, вероятно, отвечая на конкретные требования стартапов и крупных игроков.

Однако рынок уже заложил в цену другой сценарий: не упадок Nvidia, а переход от монопольной премии к оценке рыночного лидерства. Этот сдвиг — от ставки на одного непобедимого лидера к ценообразованию на фрагментированную, но дифференцированную конкуренцию — и есть настоящая история за сдержанной динамикой акций Nvidia. Александра Дэвис поняла этот переход раньше, чем финансовые рынки, и успех её финансирования свидетельствует о том, что она уже не одна в этом убеждении.