Nvidia та Groq: Що, якби? Аналіз угоди та майбутнє AI-чіпів
Привіт, друзі! Заходьте зручніше, заваріть собі каву, адже сьогодні ми відкриваємо завісу над майбутнім штучного інтелекту. Минулого тижня світ сколихнула новина: компанію Groq, виробника AI-чіпів, нібито придбали за 20 мільярдів доларів. Звучить як грім серед ясного неба, особливо зважаючи на те, що CEO Nvidia, Дженсен Хуанг, стоїть на чолі найдорожчої компанії світу, а її “універсальні” чіпи, здається, тримають увесь ринок AI. Але, як кажуть, диму без вогню не буває, і в техно-світі це правило працює як ніде.
Будучи інвестором у Groq [1], я дізнався про цю “угоду” на Святвечір, як і всі. Знаєте, це нагадує очікування подарунка під ялинкою, але без впевненості, чи він дійсно там, і коли його вручать. Однак залишмо на мить мої фінансові перипетії. Ця історія – захоплива розповідь про інженерний геній, стратегічні ходи та карколомний танець навколо ринку, що не просто зростає, а вибухає. Ми зануримося в те, чому Nvidia раптом занепокоїлася, чому спеціалізовані чіпи – це “те саме”, та як одна угода може змінити правила гри.
Джонатан Росс: Ключ до майбутнього?
Перш ніж пірнати в цю техно-драму, познайомимося з ключовою фігурою – Джонатаном Россом. Він не просто CEO Groq. Це людина, яка стояла за створенням TPU (Tensor Processing Unit) в Google [2]. Саме ті TPU, що зробили Gemini [3] таким потужним та вивели Google inference та pre-training на новий рівень. Росс – справжній інженерний геній, майстер, що створює унікальні інструменти для вузькоспеціалізованих задач.
У 2017 році він покинув Google та заснував Groq. Його інтуїція була простою, але надзвичайно вірною: зі зростанням навантаження AI та машинного навчання, галузь потребуватиме спеціалізованих чіпів. Не універсальних солдатів, а висококласних спеціалістів. TPU стали першим масовим прикладом того, як спеціалізовані AI-чіпи можуть перевершити універсальні. І саме це, на думку багатьох, бентежить Nvidia.
Nvidia проти Groq: Два світи однієї мети
Щоб зрозуміти, чому ця історія викликала такий резонанс, необхідно розібратися в різниці між Nvidia та Groq.
Nvidia GPU: Це як швейцарський ніж у світі обчислень. Вони універсальні. Здатні до всього: тренування моделей, обробка запитів (inference), навчання (reinforcement learning), адаптація (fine-tuning). Їхня головна перевага – універсальність та потужна програмна екосистема CUDA [4]. CUDA – це “мова”, якою розробники спілкуються з GPU. Це надзвичайно зручно, стандартизовано, і на його основі легко будувати будь-які проєкти. Але, як і будь-який універсальний інструмент, він може бути не найшвидшим чи найдешевшим для вузькоспеціалізованих завдань.
Groq LPU (Language Processing Unit): Це не швейцарський ніж, а скальпель хірурга. Groq створює чіпи, спеціально оптимізовані для inference. Це той етап, коли ви відправляєте запит (prompt) мовній моделі, вона проводить безліч математичних операцій та видає відповідь. Groq робить це неймовірно швидко та ефективно. Вони не намагаються бути найкращими в усьому. Вони зосередилися на тому, що приносить основний дохід і де криється справжнє майбутнє.
В аспекті швидкості, затримки (latency), вартості та спеціалізації, чіпи Groq зазвичай виграють у Nvidia, коли мова йде саме про inference.
Дженсен Хуанг: Яке майбутнє в універсальності?
Уявіть Дженсена Хуанга, який спокійно керує імперією. Його GPU – основа AI-революції. Але раптом він розуміє, що майбутнє – не так у тренуванні моделей (що робиться один раз), як у їх постійному використанні (inference), де криються справжні прибутки. І ось з’являються такі гравці, як Groq та Cerebras [5], які пропонують спеціалізовані рішення, що роблять inference значно швидшим та дешевшим.
І тут криється головна дилема. Якщо Groq доведе, що їхні LPU можуть конкурувати за співвідношенням ціна/продуктивність в inference, хмарні провайдери (Amazon [6], Microsoft [7], Google [8]) можуть почати використовувати їх архітектуру. Це означає, що Nvidia може втратити левову частку свого доходу, залишившись лише з сегментом тренування моделей. Вони ризикують перетворитися на “лише” компанію-виробника обладнання для тренування, втративши “ануїтетний” дохід від постійного використання.
“Дідько, ми мусимо щось робити!” – Nvidia в дії
Припустімо, ви завжди були праві, завжди мали найкрутіший продукт. Аж тут з’являється хтось і демонструє, що ваш “найкрутіший” продукт може виявитися не таким ефективним для найважливішого завдання. Саме це, схоже, відчула Nvidia.
Як зауважив один з техно-аналітиків, Nvidia заплатила за Groq утричі більше, ніж їхня оцінка була всього кілька місяців тому! Це показує, наскільки терміново вони прагнули отримати доступ до цієї технології.
Ключовий момент: Google із TPU продемонструвала, що спеціалізовані чіпи здатні масштабуватися. Вони не тільки самі використовують TPU, але й продають їх іншим компаніям. Nvidia ж мала “залежність” від GPU, що створювало ризик концентрації.
Тренування vs. Inference: Де справжні гроші?
Джонатан Росс влучно пояснив: “Ви витрачаєте гроші, коли тренуєте моделі, але заробляєте, коли здійснюєте inference”. Тренування – разова інвестиція (CAPEX). Inference – постійні операційні витрати (OPEX), які зростають зі збільшенням використання. Це як придбати дорогий автомобіль (тренування) і постійно заправляти його пальним (inference). Перше – інвестиція, друге – стабільний дохід.
Саме тому Nvidia, яка традиційно продавала свої чіпи, почала бачити суттєву проблему. Groq, спочатку продаючи чіпи, зрозуміла, що їхня справжня сила – у сервісі inference. Вони почали надавати доступ до своїх можливостей через API, дозволяючи розробникам “навантажувати” відкриті моделі та отримувати відповіді з надзвичайною швидкістю.
“Аква-лізинг”: Хитрий маневр Nvidia
Отже, Nvidia, схоже, вирішила діяти. Але як? Вони не просто купили Groq. Це було б надто просто і, що важливіше, могло б викликати питання щодо антимонопольного законодавства. Замість цього вони застосували цікаву схему, яку називають “аква-лізинг”.
Офіційно Nvidia уклала “невиключну угоду про ліцензування технології inference” з Groq. Це означає, що Nvidia отримує доступ до технологій Groq, а ключові особи з Groq, включаючи Джонатана Росса, переходять до Nvidia, щоб допомогти розвивати цю технологію. Groq ж продовжує існувати як незалежна компанія під керівництвом нового CEO.
Звучить складно? Проще кажучи. Згадайте, як Meta “придбала” Scale AI [9]. Вони отримали інтелектуальні напрацювання, топ-менеджмент, але Scale AI залишилася “оболонкою”. Це зроблено, щоб уникнути антитрастових перевірок. Nvidia робить те саме: отримує найкраще від Groq (інтелект, людей, технології), але формально не поглинає компанію.
Це вже стало трендом у Кремнієвій долині. Google “придбав” Windsurf, забравши команду та інтелектуальну власність (IP), а Windsurf залишилася існувати, поки її не купила інша компанія. Це такий собі “фантомний” бізнес, який дозволяє великим гравцям отримати бажане, не наражаючись на гнів регуляторів.
Що це означає для нас?
- Nvidia страхується на майбутнє. Вони бачать, що їхні універсальні GPU чудові для тренування, але спеціалізовані чіпи Groq – це майбутнє inference. Вони хочуть мати обидва варіанти.
- Inference – нова золота жила. Nvidia фактично визнала, що основний дохід буде від inference, а не від тренування.
- Синергія. Nvidia продає чіпи, Groq надає сервіс inference. Тепер Nvidia зможе продавати свої GPU разом із можливістю використовувати Groq для inference. Це як продаж нового iPhone з ексклюзивним доступом до нового крутого додатку.
- CUDA стає ще потужнішою. Nvidia, імовірно, інтегрує підтримку Groq до своєї екосистеми CUDA. Це означає, що розробникам буде ще простіше працювати з різними типами чіпів через єдиний інтерфейс. Це взаємовигідна співпраця.
Історичні паралелі
Цікаво, що Groq використовує технології, яким понад десять років (той самий 14-нанометровий техпроцес, коли вже є 3-нанометровий). І при цьому вони демонструють неймовірні швидкості! Це доводить, що інновації – це не завжди найновіший техпроцес, а розуміння, як найкраще використати наявні ресурси. Це як з українським борщем – можна використати найновіші суперфуди, а можна зготувати смачно і з того, що є на городі, якщо знати секрет.
Що далі?
Ця “угода” – не просто злиття двох компаній. Це сигнал зміни ринку AI-чіпів. Спеціалізація стає ключовою. Nvidia, хоч і має перевагу, не може зупинятися. Вони повинні адаптуватися.
Що можете зробити ви?
- Слідкуйте за трендами. Розуміння технологічних тенденцій допоможе вам бути на крок попереду.
- Експериментуйте. Якщо є змога, спробуйте попрацювати з різними AI-інструментами, звертаючи увагу на їхню швидкість та ефективність.
- Не бійтеся нового. Можливо, вам здається, що Nvidia – монополіст, але історія Groq показує, що завжди є місце для інновацій.
Підсумовуючи, ця історія з Groq та Nvidia – яскравий приклад стрімких змін у техно-ландшафті. Це не про просте поглинання, а стратегічне партнерство, спрямоване на збереження лідерства та адаптацію до нових реалій ринку. Nvidia, схоже, усвідомила, що універсальність – добре, але спеціалізація в найбільш прибутковому сегменті (inference) – це майбутнє. І вони роблять усе можливе, щоб його контролювати.
А я, як завжди, ваш провідник у світі технологій. Залишайтеся на зв’язку, і до зустрічі на технологічних просторах!
Merry Christmas!
