Инвестиции в ИИ: как Nvidia переосмысливает создание центров обработки данных для бизнеса
Предпринимательское предвидение — ключ к успеху. В 2010 году, задолго до глобального ажиотажа вокруг искусственного интеллекта, CEO Nvidia Дженсен Хуанг начал инвестировать в специализированные чипы для ИИ. Это стратегическое решение стало фундаментом многомиллиардной компании. Аналогичный шаг был сделан в 2020 году, когда Nvidia сфокусировалась на сетевых технологиях для центров обработки данных, что создало одно из самых быстрорастущих и прибыльных подразделений компании, хоть и не столь публичное.
Сетевой бизнес Nvidia: новый двигатель роста для эры ИИ
За несколько лет сетевое подразделение Nvidia, обеспечивающее связь между центрами обработки данных, стало вторым по величине источником дохода компании после вычислительных решений. Только за последний квартал оно принесло $11 млрд выручки, что на 267% больше по сравнению с аналогичным периодом прошлого года, а годовая выручка превысила $31 млрд. Эти цифры говорят сами за себя: ИИ — это не просто технология, это новая экономическая реальность.
Рост этого направления обусловлен резким увеличением потребностей в обработке данных для ИИ. Подразделение включает в себя такие передовые технологии, как:
- NVLink: обеспечивает высокоскоростную связь между графическими процессорами (GPU) в стойках центров обработки данных.
- Nvidia InfiniBand Switches: платформа для вычислений в сети.
- Spectrum-X: Ethernet-платформа, оптимизированная для сетевых решений ИИ.
- Копакетированные оптические коммутаторы: и многие другие компоненты, создающие мощную инфраструктуру.
Вся эта синергия превращает сетевой бизнес Nvidia в комплексное решение для создания «фабрики ИИ» — центров обработки данных, специально разработанных для обучения современных моделей искусственного интеллекта.
Кевин Кук, старший стратег по акциям в Zacks Investment Research, отмечает: «Сетевой бизнес Nvidia — это один из самых впечатляющих новых сегментов компании. Его квартальная выручка в $11 млрд превосходит годовую прибыль сетевого бизнеса Cisco.»
Истоки успеха: приобретение Mellanox
Стержень сетевого успеха Nvidia — приобретение израильской компании Mellanox в 2020 году за $7 миллиардов. Это поглощение позволило Nvidia интегрировать передовые сетевые технологии, необходимые для полноценной работы ее GPU. Кевин Дайерлинг, старший вице-президент по сетевым технологиям в Nvidia, пришедший в компанию через Mellanox, подчёркивает, что современная сеть — это не просто периферийное устройство. В эру ИИ она становится основой вычислительной инфраструктуры.
«Люди представляют сетевые технологии как что-то для подключения принтера, — говорит Дайерлинг. — Но Дженсен [Хуанг] сказал в первый день после приобретения: ‘Центр обработки данных — это новая единица вычисления’. Сеть — это намного больше, чем просто перемещение небольших объёмов данных. Это фундамент.»
Интегрированные решения для максимальной эффективности
Успех Nvidia также кроется в предложении комплексных full-stack решений, а не отдельных компонентов. Компания строит полностью интегрированный вычислительный стек и поставляет его на рынок через своих партнёров. Это позволяет гарантировать оптимальную совместимость и производительность, что критически важно для ресурсоёмких задач ИИ.
Недавняя конференция Nvidia GTC подтвердила эту стратегию. Компания представила платформу Nvidia Rubin, включающую шесть новых чипов для создания «суперкомпьютера ИИ», а также новые оптимизированные коммутаторы Nvidia Spectrum-X Ethernet Photonics. Эти инновации подчёркивают: сеть больше не является второстепенным элементом. Она — «тыловая шина» фабрики ИИ, и её роль невозможно переоценить.
Для бизнеса это означает одно: инвестиции в передовые сетевые решения, оптимизированные для ИИ, становятся ключевым фактором для масштабирования операций, ускорения обработки данных и получения конкурентных преимуществ. Автоматизация, основанная на ИИ, требует мощной и надёжной инфраструктуры, и Nvidia задает стандарты в этой области.
🚀 Получите бесплатный аудит от ИИ прямо сейчас в нашем Telegram-боте: @futurebotsru_bot



