С 2023 по 2025 год ключевой сюжет в индустрии чипов для искусственного интеллекта был связан с «гонкой вооружений за вычислительную мощность». Облачные провайдеры и технологические гиганты стремились закупать GPU, расширять дата-центры и инвестировать сотни миллиардов долларов в облачную инфраструктуру. NVIDIA, используя экосистему CUDA и линейку высокопроизводительных GPU, заняла практически недосягаемую позицию на рынке в этот период.
Однако к 2026 году логика отрасли меняется на фундаментальном уровне. Предельная отдача от затрат на обучение крупных моделей снижается, спрос на инференс стремительно растет, а предприятия переключают внимание с вопроса «Можем ли мы обучать модели?» на «Можем ли мы масштабировать их внедрение?». Рынок чипов для искусственного интеллекта переходит от первой фазы — строительства инфраструктуры — ко второй фазе, где основная конкуренция разворачивается вокруг коммерческой эффективности.
Обзор первой фазы: доминирование строительства инфраструктуры
В период с 2023 по 2025 год движущей силой рынка чипов для искусственного интеллекта был неутолимый спрос на вычислительную мощность для обучения больших моделей. NVIDIA воспользовалась этим окном возможностей, превратив GPU из инструментов для графической визуализации в «валюту вычислений» эпохи искусственного интеллекта.
В 2026 финансовом году общий доход NVIDIA достиг $215,9 млрд, увеличившись на 65% по сравнению с предыдущим годом и впервые превысив отметку $200 млрд. Из этой суммы доход от дата-центров составил $193,7 млрд, что на 68% больше, обеспечив почти 90% выручки компании. Только за четвертый квартал доход от дата-центров составил $62,3 млрд, рост квартал к кварталу — 22%, год к году — 75%. Совокупная прогнозируемая выручка платформ Blackwell и Rubin к концу 2026 года превысила $500 млрд.
Конкурентное преимущество NVIDIA в этот период основывалось не только на производительности аппаратного обеспечения, но и на глубокой привязке к программной экосистеме CUDA. Разработчики привыкли создавать приложения искусственного интеллекта на базе CUDA, а облачные провайдеры строили инфраструктуру вокруг GPU NVIDIA, что делало миграцию крайне дорогостоящей. Этот комплексный подход «аппаратное обеспечение + программное обеспечение + система» позволил NVIDIA занять около 80% рынка ускорителей искусственного интеллекта для дата-центров.
Тем временем AMD развивала линейку GPU Instinct, однако ее доля на рынке оставалась в диапазоне 5–7%, а абсолютный разрыв увеличивался. По данным исследовательской компании Futurum Group, доля AMD на рынке GPU для дата-центров составляет примерно 4,5%.
Начало второй фазы: от мощности обучения к эффективности инференса
После 2026 года конкурентная динамика рынка чипов для искусственного интеллекта претерпевает структурные изменения. Ключевой сдвиг: внимание рынка перемещается с «мощности обучения» к «эффективности инференса», а с «масштабов закупки GPU» — к «оптимизации затрат и масштабам коммерческого внедрения».
Этому способствуют несколько факторов. Во-первых, основные инвестиции в обучение крупных моделей уже завершены, а вычислительные резервы лидеров рынка достигают насыщения. Во-вторых, приложения искусственного интеллекта переходят от «демонстрационных» к «промышленным», и объемы инференса быстро увеличиваются — AMD официально оценивает рост рабочих нагрузок инференса более чем на 80%. В-третьих, предприятия при принятии решений о закупках теперь в первую очередь учитывают совокупную стоимость владения, а не просто максимальную вычислительную мощность.
J.P. Morgan прогнозирует, что рынок чипов для сетей искусственного интеллекта достигнет $107,5 млрд в 2026 году и вырастет до $154,9 млрд к 2027 году. Организация World Semiconductor Trade Statistics резко повысила прогноз мирового рынка полупроводников на 2026 год с $975,4 млрд до $1,51 трлн — рост на 89,9% год к году. Рынок расширяется, но логика распределения становится иной.
Наступление AMD: от «дешевой альтернативы» к «ценовой власти»
Стратегия AMD по конкуренции с NVIDIA во второй фазе заметно изменилась.
В первом квартале 2026 года доход AMD составил $10,25 млрд, рост год к году — 37,85%, чистая прибыль увеличилась на 95% до $1,38 млрд. Доход от дата-центров достиг $5,8 млрд, рост на 57%, став основным двигателем роста компании. AMD прогнозирует доход во втором квартале около $11,2 млрд, что примерно на 46% больше год к году.
В продуктовой линейке AMD действует четко и агрессивно. Серия Instinct MI400, построенная на 2-нм техпроцессе TSMC и архитектуре CDNA Next, оснащена 432 ГБ памяти HBM4, пропускной способностью 19,6 ТБ/с и вычислительной мощностью 40 PFLOPS FP4 — вдвое выше, чем у предыдущего поколения. Уже заключены контракты с Oracle, OpenAI и Министерством энергетики США.
Особого внимания заслуживает платформа Helios для инференса в масштабе стойки. Она интегрирует процессоры EPYC Venice шестого поколения, GPU MI450X, сетевые чипы Vulcano 800G и системы жидкостного охлаждения, обеспечивая пик производительности 2,9 эксаFLOPS FP4 на стойку и до 31 ТБ общей памяти HBM4.
Настоящий переломный момент связан с клиентами. В июле 2026 года Microsoft объявила о внедрении решения AMD Helios для масштабных задач инференса искусственного интеллекта в Azure. Это первая комплексная поставка AMD — GPU, CPU и сетевые чипы — для одного облачного клиента. Ранее Meta заключила многолетние соглашения по инфраструктуре искусственного интеллекта на сумму до 6 гигаватт; OpenAI, Oracle и индийская TCS также сделали значительные заказы. По данным AMD, восемь из десяти крупнейших компаний в сфере искусственного интеллекта используют Instinct GPU для своих рабочих нагрузок.
Аналитик Futurum Group Даниэль Ньюман считает, что AMD может увеличить долю рынка GPU для дата-центров с нынешних 4,5% до 20–25%. Morgan Stanley прогнозирует рост спроса на CoWoS у AMD на 308% в 2027 году.
Преимущество NVIDIA — и появляющиеся трещины
NVIDIA не остается в стороне, несмотря на приближение конкурентов. Платформа Rubin уже запущена в массовое производство: сочетание высокопроизводительных GPU и процессоров Vera позволяет увеличить скорость обработки токенов в десять раз при снижении затрат. Архитектура Vera Rubin поддерживает до 144 GPU в одном шкафу, а в топовых версиях — до 576 GPU. NVIDIA сообщила, что к концу 2026 года суммарные поставки платформ Blackwell и Rubin достигнут 20 млн единиц.
Тем не менее, доминирование NVIDIA не лишено слабых мест. Во втором квартале 2026 финансового года доход от дата-центров составил $41,1 млрд — рост на 56% год к году, но ниже прогноза аналитиков в $41,3 млрд. Компания подтвердила отсутствие продаж чипа H20, ориентированного на китайский рынок, за квартал, а в прогнозе на третий квартал также не ожидается поставок в Китай. Совокупная доля отечественных поставщиков на рынке серверов-ускорителей искусственного интеллекта в Китае выросла с 41–46% в 2025 году до примерно 56% в 2026 году. Экспортные ограничения меняют конкурентную карту региона.
В программном обеспечении позиция NVIDIA CUDA также ослабляется. Язык SCALE теперь позволяет запускать неизмененные бинарные файлы CUDA на GPU AMD. ПО AMD ROCm 7.0 обеспечивает производительность в 3,5 раза выше, чем ROCm 6, и глубоко интегрировано с ведущими open-source фреймворками, такими как vLLM и SGLang.
Стоимость инференса — ключевой показатель второй фазы
Если первую фазу определяла «производительность обучения на доллар», то во второй фазе главным становится «стоимость инференса на токен».
В июле 2026 года компания Wafer, специализирующаяся на оптимизации инференса, сообщила, что AMD MI355X с открытой моделью GLM 5.2 обеспечивает стоимость инференса вдвое ниже, чем у NVIDIA B200, при 80% производительности. Аналитики SemiAnalysis пришли к аналогичным выводам: в интерактивных сценариях инференса AMD MI355X обеспечивает стоимость инференса за миллион токенов около $0,22 против $0,30 у NVIDIA B200.
Глава дата-центров AMD Форрест Норрод охарактеризовал ключевое преимущество Helios как «лучшая совокупная стоимость владения и самая низкая стоимость на токен». Этот аргумент особенно убедителен во второй фазе — когда предприятия масштабируют внедрение искусственного интеллекта от пилотных проектов к промышленным решениям, даже небольшие различия в стоимости инференса могут означать миллиарды долларов экономии на операционных расходах.
Безусловно, NVIDIA сохраняет лидерство по производительности инференса в масштабе стойки. GB200 NVL72 с cabinet-level NVLink и программной оркестрацией способен обеспечивать до 28-кратного прироста пропускной способности по сравнению с AMD MI350X в отдельных сценариях. Однако AMD меняет стратегию дифференциации с «догоняющей производительности» на «лидерство по стоимости».
Заключение
Рынок чипов для искусственного интеллекта перешел от первой фазы строительства инфраструктуры ко второй фазе коммерческой конкуренции эффективности. В результате конкурентная среда расширилась от единственного фокуса на «мощности обучения» до многомерной борьбы за «эффективность инференса, оптимизацию затрат и масштаб коммерческого внедрения».
NVIDIA благодаря экосистеме CUDA, комплексному стеку решений и огромной клиентской базе все еще контролирует около 80% рынка ускорителей искусственного интеллекта для дата-центров. Однако AMD формирует дифференцированную конкурентную систему, основанную на «совокупной стоимости владения» и «стоимости на токен» — через решения Helios, серию MI400 и open-source экосистему ROCm. Решения о закупках ведущих клиентов, таких как Microsoft, Meta и OpenAI, подтверждают реальный и ускоряющийся спрос на «второй источник».
Во второй фазе конкуренции на рынке чипов для искусственного интеллекта победит не тот, кто создаст самый мощный чип, а тот, кто поможет предприятиям внедрять искусственный интеллект из лаборатории в промышленное применение с минимальными затратами и максимальной эффективностью.
FAQ
Вопрос 1: В чем основное отличие первой и второй фаз конкуренции на рынке чипов для искусственного интеллекта?
Первая фаза (2023–2025) была ориентирована на строительство инфраструктуры искусственного интеллекта — основной спрос приходился на закупку GPU, расширение дата-центров и инвестиции в облачные вычисления. Конкуренция велась вокруг мощности обучения. Во второй фазе (после 2026 года) рынок переходит к коммерциализации искусственного интеллекта, где приоритет отдается стоимости инференса, энергоэффективности и масштабам внедрения в предприятия. Фокус смещается с «Можем ли мы обучать?» на «Можем ли мы масштабировать и получать прибыль?»
Вопрос 2: Как AMD бросает вызов доминированию NVIDIA?
Стратегия AMD изменилась от «дешевой альтернативы» к «ценовой власти». Система Helios получила комплексный заказ от Microsoft по цене примерно на 40% выше, чем Rubin от NVIDIA, что доказывает — рынок готов платить за дифференцированную ценность. Серия MI400 предлагает в 1,5 раза больше памяти и пропускной способности, чем Rubin, а ROCm 7.0 обеспечивает производительность ПО в 3,5 раза выше. Благодаря крупным клиентам, таким как Meta и Microsoft, AMD переходит от роли «догоняющего» к «альтернативному поставщику».
Вопрос 3: Теряет ли экосистема CUDA от NVIDIA свое уникальное положение?
Да. Язык SCALE теперь позволяет запускать неизмененные бинарные файлы CUDA непосредственно на GPU AMD, разрушая 15-летнюю программную монополию NVIDIA. ROCm 7.0 от AMD глубоко интегрирован с open-source фреймворками инференса, такими как vLLM и SGLang. Хотя CUDA остается отраслевым стандартом, ее «уникальность» среди экосистем разработчиков постепенно исчезает.
Вопрос 4: Почему стоимость инференса так важна во второй фазе конкуренции?
По мере перехода искусственного интеллекта от демонстрационных решений к масштабному промышленному внедрению стоимость инференса напрямую влияет на жизнеспособность бизнес-моделей. AMD MI355X обеспечивает стоимость инференса за миллион токенов около $0,22 против $0,30 у NVIDIA B200. Для крупных приложений искусственного интеллекта, обрабатывающих миллиарды токенов ежедневно, эта разница означает сотни миллионов долларов ежегодной экономии. Во второй фазе победит тот, кто сможет предложить более низкую стоимость на токен без потери производительности — именно такие компании получат крупные заказы на внедрение искусственного интеллекта в предприятиях.
