Nvidia стремится захватить каждый чип внутри ИИ-центров обработки данных

Компания, известная своими графическими чипами, теперь хочет поставлять процессоры, которые управляют агентами ИИ. Вот что на самом деле делает новая система Vera Rubin и почему это важно для всех, кто использует инструменты ИИ на работе.

AI2Day Newsdesk· 3 min read
Rows of glowing server racks inside a large modern data centre, shot from floor level looking down a long corridor, cool blue and white lighting reflecting off
Share

Ключевые моменты

  • Новая система чипов Vera Rubin от Nvidia обрабатывает в десять раз больше задач ИИ на ватт, чем предыдущая система Grace Blackwell.
  • OpenAI уже имеет одну стойку Vera Rubin в своих помещениях, что подтвердила Nvidia на техническом брифинге в июне 2025 года.
  • Nvidia продает Vera CPU, обрабатывающий чип внутри новой системы, как отдельный продукт и сообщила китайским клиентам о возможной поставке уже в августе 2025 года.
  • AMD представила свой конкурирующий чип-стойку Helios AI в воскресенье на той же неделе, когда Nvidia провела брифинг по Vera Rubin, явно борясь за многолетние контракты на поставку чипов с компаниями, такими как Meta, Amazon и OpenAI.

Nvidia построила свое состояние на продаже GPU, специализированных чипов, которые выполняют тяжелые вычисления, необходимые для ИИ. Теперь компания хочет продавать и другие типы чипов, используемые в ИИ-центрах обработки данных.

На брифинге для журналистов в штаб-квартире Nvidia в Санта-Кларе на прошлой неделе, о котором впервые подробно сообщило издание Wired AI, руководители Nvidia представили аргументы в пользу Vera Rubin, своей системы чипов нового поколения. Главное утверждение: Vera Rubin обрабатывает в десять раз больше токенов на ватт, чем ее предшественница. Токен — это небольшой фрагмент текста или данных, а токены на ватт — это, по сути, мера того, насколько много работы с ИИ может выполнить система при заданном потреблении электроэнергии.

Это важно для компаний, которые используют ИИ в больших масштабах. Электроэнергия — один из наибольших расходов в центре обработки данных, и улучшения эффективности напрямую приводят к снижению счетов.

Почему Nvidia теперь продает CPU?

Потому что ИИ становится все сложнее, а это требует другого типа чипа. GPU быстро выполняют вычисления. CPU, универсальные процессоры, управляющие компьютерами десятилетиями, лучше справляются с координацией задач, управлением потоками данных и запуском логики программного обеспечения. По мере того как компании создают агентов ИИ — программное обеспечение, которое может выполнять многоэтапные задачи самостоятельно, такие как бронирование встреч или анализ электронных таблиц без клика человека на каждом этапе, им требуется больше мощности CPU наряду с GPU.

Vera Rubin объединяет один CPU с каждыми двумя GPU. Полная стойка Vera Rubin NVL72, стек чипов, упакованных в один модуль с жидкостным охлаждением, содержит 36 CPU Vera и 72 GPU Rubin.

Nvidia также заявляет, что новая система намного проще в установке, чем более ранние продукты. Компания описывает Vera Rubin как вычисления «без кабелей» и говорит, что время установки может снизиться с пары часов за стойку до нескольких минут. Вся система работает на жидкостном охлаждении, которое потребляет меньше энергии, чем обдув горячих чипов воздухом.

Компания сравнивает Vera CPU как более быстрый по сравнению с конкурирующими чипами AMD и Intel. Стоит отметить: тесты производительности, очевидно, использовали немного более старые поколения продуктов конкурентов, это именно тот вид примечаний в мелком шрифте, на который всегда стоит обратить внимание, когда компания сама себя оценивает.

Ранних клиентов, названных Nvidia, включают Microsoft, OpenAI и Oracle. Ожидается, что Vera Rubin начнет поставляться массово во второй половине 2025 года.

Для всех, чья работа связана с инструментами ИИ, практический результат проще, чем предполагают спецификации чипов. Более быстрое и эффективное оборудование означает, что услуги ИИ, которые вы уже используете, от помощников по написанию текста до ботов обслуживания клиентов, становятся дешевле и быстрее в работе. Это, как правило, приводит к более широкому развертыванию, а не к меньшему. Является ли это угрозой или подарком, зависит почти исключительно от того, как вы их используете.

Вывод: Если ваша организация оценивает инструменты ИИ в этом году, спросите у поставщиков, на каком поколении оборудования работает их продукт. Улучшения эффективности на уровне чипов обычно проявляются в виде снижения затрат на использование в течение 12–18 месяцев.

© 2026 AI2Day