Nvidia нарастила прибыль на 75% благодаря недорогим, но давно устаревшим чипам A100
Финансовые результаты Nvidia за четвертый квартал 2025 фискального года демонстрируют аномальную устойчивость старых технологических итераций. При росте выручки на 73% и чистой прибыли на 75%, около трети доходов дата-центра — более $20 млрд — по-прежнему генерируют архитектуры прошлых поколений Ampere и Hopper. Как сообщает Forbes, шестилетние чипы A100 остаются дефицитным товаром, что подтверждает эффективность стратегии программного «закрепощения» пользователей.
Рыночный феномен востребованности устаревшего железа объясняется не только дефицитом новейших систем Blackwell, но и порогом входа в экосистему. В то время как стоимость одного GPU Blackwell достигает $50 000, а приоритет в поставках отдается крупным серверным стойкам, старые A100 на вторичном рынке стоят около $10 000. Это делает их основным инструментом для прототипирования в стартапах и университетских лабораториях.
Механика программного лобби: CUDA как стандарт индустрии
В отличие от сегмента CPU, где доминирует стандарт x86, рынок графических процессоров жестко фрагментирован проприетарным ПО. Для Nvidia ключевым активом является не столько кремний, сколько CUDA — глубоко интегрированная среда, включающая математические библиотеки и инструменты оптимизации моделей. Любая разработка, начатая на арендованном A100, автоматически становится совместимой со всей линейкой вендора, создавая бесшовный путь миграции на более дорогие решения.
Цена перехода на решения конкурентов, таких как AMD или кастомные чипы облачных провайдеров, измеряется сотнями миллионов долларов в виде инженерных часов и потерь производительности. Несмотря на развитие открытых альтернатив вроде ROCm, Nvidia удерживает десятилетнее преимущество в зрелости библиотек и привычках разработчиков. Этот «ров» вокруг бизнеса компании оказывается глубже, чем любые аппаратные характеристики новых чипов.
Экосистема CUDA превратилась в цифровой аналог Стокгольмского синдрома: индустрия добровольно инвестирует миллиарды в оптимизацию под закрытый стек, делая архитектурную инерцию своим главным риском. Nvidia виртуозно монетизирует старое железо, превращая его в «точку входа», однако эта стратегия буксует там, где гибкость обучения уступает место жесткой экономике инференса. В конечном итоге, победа в обучении моделей не гарантирует выживания в эпоху специализированных ASIC, где важна стоимость за запрос, а не универсальность библиотек.
Инференс как зона стратегической уязвимости
Текущее доминирование Nvidia базируется на этапе обучения нейросетей, где требуется максимальная универсальность. Однако по мере масштабирования ИИ-сервисов основной объем вычислений смещается в сторону инференса (исполнения моделей). В этой области на первый план выходят энергоэффективность и задержки, что дает преимущество узкоспециализированным чипам ASIC.
Крупнейшие потребители — Alphabet, Meta* и Amazon — уже активно инвестируют в разработку собственного кремния. Если переход к доминированию инференса произойдет быстрее прогнозов, Nvidia рискует потерять значительную долю маржинальности. Гиперскейлеры стремятся минимизировать зависимость от дорогого универсального железа, внедряя решения, оптимизированные под конкретные рабочие нагрузки, что ставит под вопрос долгосрочную устойчивость текущей бизнес-модели компании.
*Meta признана экстремистской и запрещена в РФ
