Таємна формула Nvidia: електрони перетворюємо на токени

Хуанг почав з найпростішого визначення того, що робить його компанія: на вхід подається електрон, на виході — токен. Токен — це одиниця виміру роботи штучного інтелекту: одне слово чи фрагмент слова, які генерує мовна модель. Nvidia — це все, що стоїть між ними.

І саме цю трансформацію, за словами Хуанга, вкрай складно перетворити на дешеву масову послугу (так званий commodity).

«Те, що ми робимо — як перетворення одної молекули на іншу. Зробити один токен ціннішим за інший — це неймовірна кількість інженерії, науки і винаходів», — каже Хуанг.

За його логікою, якщо хтось думає, що софт із приходом ШІ стане безкоштовним і знеціниться, то і Nvidia стане такою ж — але він з цим категорично не згоден. Бо софт пише Nvidia, а виробляє TSMC в Тайвані, пам’ять — SK Hynix, Micron і Samsung, складає все ODM-партнер (original design manufacturer — виробник оригінального дизайну) в Тайвані. Nvidia стоїть посередині цього ланцюга і керує ним.

$250 мільярдів як мур: чому конкуренти не встигають

Про так званий «моат» (moat — від англ. «рів навколо замку») Nvidia Хуанг говорить стримано, але цифри шокують. За оцінкою дослідницької компанії SemiAnalysis, сьогодні Nvidia має близько $250 мільярдів у замовленнях вгору по ланцюгу поставок — від фабрик і пам’яті до пакувальників чипів. Це найбільший форвардний контракт в історії напівпровідникової індустрії.

Як Хуанг цього досяг? Він особисто об’їжджає гендиректорів постачальників і пояснює, яким буде ринок через три-п’ять років.

«Я кажу їм: ось чому це станеться. Ось чому це буде таких масштабів. І я міркую з ними разом», — розповідає він.

Постачальники вірять Nvidia, бо знають: у Nvidia є покупець. Ланцюг попиту на GPU (графічні процесори) настільки великий, що вкладення в потужності окупляться. Хуанг називає це ефектом GTC — щорічної конференції Nvidia, де постачальники бачать клієнтів, клієнти бачать стартапи, а всі разом бачать, куди рухається ШІ.

Стек ШІ з п’яти рівнів і правило «нічого зайвого»

Одна з ключових ідей інтерв’ю — погляд на штучний інтелект як на стек із п’яти взаємозалежних рівнів:

1. Чипи — логіка і пам’ять.
2. Системи — сервери, мережі, центри даних.
3. Моделі — GPT, Claude, Gemini.
4. Застосунки — ChatGPT, Cursor, автономні агенти.
5. Користувачі та бізнеси, які все це споживають.

Логіка проста: кожен рівень має триматися самостійно, бо вся конструкція падає, якщо падає один.

Звідси — стратегія Nvidia, яку Хуанг формулює як «робити рівно стільки, скільки потрібно, і ні грамом більше». Усе, що здатні робити партнери, має робитися партнерами. Саме тому Nvidia не будує власних хмар — хоча грошей на це вистачає з лишком.

«Якщо я цього не зроблю, з’явиться хтось інший. А от CUDA, NVLink, 20 років інвестицій у бібліотеки під конкретні задачі — цього без нас ніхто не зробить. Тому ми зосереджені саме на цьому», — пояснює Хуанг.

При цьому Nvidia активно вкладається в чужі хмари. За відкритими даними, компанія підтримує CoreWeave гарантіями приблизно на $6,3 млрд і ще $2 млрд у капіталі; серед інших ставок — інвестиції в Nscale та Nebius. Гроші в хмарну інфраструктуру йдуть — просто через партнерів, а не під власним брендом.

Чому Blackwell у 50 разів ефективніший за Hopper — і до чого тут закон Мура

Можливо, найцікавіший технічний момент інтерв’ю: Хуанг пояснив, чому нове покоління чипів Nvidia — Blackwell — у 35–50 разів енергоефективніше за попередників Hopper. І зробив це, щоб зруйнувати популярний міф.

Закон Мура, який колись щодва роки подвоював продуктивність, сьогодні дає лише близько 25% приросту на рік. Між Hopper і Blackwell самі транзистори покращилися на 75% — це майже нічого на тлі 50-кратного стрибка. Звідки ж решта 49-кратного зростання?

Відповідь Хуанга — «великі обчислення». Nvidia не просто робить чипи швидшими, а переписує навколо них увесь підхід:

• MoE-архітектури (mixture of experts) — мережа ділиться на «експертів», і кожне завдання обробляють лише ті, що потрібні.
• Нові механізми уваги — модель «дивиться» на дані ефективніше.
• Дезагреговане виконання — обчислення розподіляються між процесором, мережею і самою тканиною з’єднань між чипами.

Усе це можливо тільки тому, що CUDA достатньо гнучка, щоб носити на собі такі експерименти.

«Якби не CUDA, я б навіть не знав, з чого починати», — визнає Хуанг.

Висновок простий: прискорення дає не одна розумна деталь, а вся екосистема, де залізо і софт проектуються разом. Закон Мура в класичному вигляді справді помер — але компанії, які навчилися вичавлювати приріст одночасно з чипа, архітектури, софту і мережі, отримують стрибки, яких сам кремній уже не дає.

F1-болід проти Cadillac: чим GPU відрізняється від TPU

Дваркеш Патель поставив очевидне питання: якщо дві з трьох найкращих моделей світу — Claude від Anthropic і Gemini від Google — натреновані на TPU (спеціалізованих чипах Google для ШІ), чому Nvidia все ще попереду? Хуанг відповів яскраво:

«Процесор CPU — це Cadillac. Їде плавно, комфортно, автопілот, усе просто. А GPU Nvidia — це болід Формули-1. Так, будь-хто зможе розігнати його до 100 миль, але виштовхнути з нього максимум уміють одиниці».

Суть відповіді глибша. TPU добре обробляють одну річ — множення матриць. Це справді становить основу сучасного ШІ. Але не єдину. Якщо дослідники захочуть експериментувати з новим механізмом уваги, поєднати дифузійну модель з авторегресією, спробувати гібридну архітектуру SSM (state space model — модель простору станів) — TPU в це не вміє. GPU — вміє все. Хуанг нагадує, що Nvidia — це не «тензорний процесор», а «прискорене обчислення» для молекулярної динаміки, гідрогазодинаміки, квантової хімії, обробки даних. ШІ — лише один з напрямів.

Ще один важливий аргумент: найкращі бенчмарки на ринку — MLPerf і InferenceMAX від аналітика Ділана Пателя — демонструють, що ніхто з виробників TPU чи Trainium поки не наважився показати там свої цифри.

«Я запрошую Trainium показати, що вони у 40% дешевші. Не хочуть», — каже Хуанг.

Anthropic на TPU — головна помилка, яку Хуанг визнав

Один з найвідвертіших моментів розмови: Дваркеш запитав, чому Nvidia не вклала $5-10 мільярдів в Anthropic раніше — ще коли він коштував у десятки разів менше. Хуанг відповідає без приховувань:

«Ми не розуміли, що їм потрібні такі інвестиції саме від нас. Я думав — ну підуть до венчурних фондів, як усі. А виявилось, що те, що робить OpenAI, через венчур неможливо було профінансувати. Тому Anthropic і OpenAI пішли до Google і Amazon, які дали мільярди в обмін на використання власних чипів».

Зараз Nvidia виправляє цю помилку: за даними інтерв’ю, компанія проінвестувала $30 мільярдів в OpenAI і близько $10 мільярдів в Anthropic. Тоді, у 2022-23 роках, ні грошей, ні звички такого робити в Nvidia не було.

Хуанг додав цікавий факт: усе зростання ринку TPU і Trainium у світі — це, по суті, один клієнт, Anthropic.

«Не існує безлічі ASIC-можливостей. Є тільки один Anthropic», — резюмує він.

ASIC (application-specific integrated circuit — спеціалізована інтегральна схема) — це чипи, заточені під конкретне завдання: Google TPU оптимізовані під власні моделі Google, Amazon Trainium — під AWS. Теоретично такі чипи мали б стати альтернативою універсальним GPU від Nvidia. На практиці ж левова частка реального навантаження на них — це тренування й інференс моделей Claude. Прибери з рівняння Anthropic — і графік зростання ASIC-ринку обвалиться.

Сантехніки та електрики: справжній боттлнек галузі ШІ

Один з найнесподіваніших моментів подкасту. Хуанг заявив, що вузьке місце галузі ШІ — не пам’ять, не EUV-літографія (extreme ultraviolet — крайній ультрафіолет, технологія виробництва найсучасніших чипів), не пакування CoWoS (Chip-on-Wafer-on-Substrate — спосіб, яким TSMC інтегрує чипи з пам’яттю). Вузьке місце — люди, які прокладають труби й кабелі в дата-центрах.

І це не жарт. За словами Хуанга, всі «жорсткі» боттлнеки вирішуються за 2–3 роки, щойно з’являється чіткий сигнал попиту:

«Побудували одну фабрику — побудуєте десять. Побудували десять — побудуєте мільйон».

А от енергія, дозволи та трудовий ринок будівельників — це роки. Саме тому сантехніки та електрики сьогодні тримають темп розгортання ШІ сильніше, ніж ASML чи TSMC.

«Коли в тебе індустрія, де миттєвий попит перевищує всю світову пропозицію — це добра умова. Погана — це коли навпаки», — каже Хуанг.

«Не йдіть у радіологію, ШІ її вб’є»

Окремо Хуанг застеріг уряди: не лякайте молодь прогнозами про «кінець професій». Приклад із власного досвіду галузі:

«Десять років тому нам казали: не йдіть у радіологію, ШІ її вб’є. А тепер радіологів критично не вистачає. Завтра те саме скажуть про програмістів — і світ залишиться без програмістів».

Парадокс простий: чим гучніше кажуть, що технологія витіснить професію, тим менше людей у неї йдуть — і тим гостріший дефіцит виникає саме там, де ШІ мав би «все змінити».

Китай: найгарячіший спір інтерв’ю

Сорокахвилинна розмова про експорт чипів до Китаю — єдина частина, де Хуанг помітно втрачає свій фірмовий «keynote-голос». Дваркеш аргументує: сильні моделі ШІ — потенційна зброя (зокрема кібератаки, які можуть запустити моделі рівня Claude Mythos — нещодавнього флагмана Anthropic з наступальними кіберможливостями), і США повинні обмежувати доступ Китаю до обчислювальних потужностей. Хуанг заперечує майже різко.

Ключові аргументи Nvidia:

• У Китаї — 50% світових дослідників ШІ.
• Китай — друга найбільша обчислювальна індустрія світу.
• Huawei щойно мав найкращий рік в історії, поставивши мільйони чипів.
• Закрити їм доступ неможливо: у Китаї надлишок енергії, порожні «міста-привиди» з дата-центрами і готовою інфраструктурою.
• Якщо США «здадуть» другий за розміром ринок, Китай побудує власну екосистему, яка потім витіснить американську у глобальному півдні.

Найжорсткіший момент — коли Дваркеш порівнює чипи для ШІ зі збагаченим ураном. Хуанг назвав аналогію «безглуздою» і наголосив: рішення проблеми — не ембарго, а діалог і постійне технологічне лідерство. Для Nvidia це не теорія — це критична бізнес-модель.

Особливу тривогу в Хуанга викликає сценарій, коли наступна китайська модель рівня DeepSeek буде оптимізована саме під чипи Huawei. «Це жахливий результат для США. Коли світ почне перезавантажуватись на китайський стек — це вже не поправиш».

Радіологи, програмісти і міф про знищені професії

Хуанг повторює свою давню тезу про різницю між «роботою» (job) і «завданням» (task). Завдання радіолога — читати знімки, і це ШІ справді автоматизує. Але робота радіолога — лікувати пацієнта. Робота не зникає, зникає частина завдання — і звільняється час на складніше.

Це практично важливо для України, де штучний інтелект вже активно заходить у медицину, IT, оборонку. За логікою Хуанга, найбільші ризики — не в автоматизації, а в тому, що суспільство злякається і перестане готувати спеціалістів там, де кадри завтра будуть ще потрібніші.

Що буде далі: Vera Rubin, преміум-токени і майбутнє обчислень

Наступне велике покоління Nvidia — Vera Rubin. За даними, озвученими на презентації GTC восени 2025-го, повна платформа Vera Rubin містить 1,3 мільйона компонентів на один pod (модуль) і видає 60 ексафлопс — це в десятки разів більше за сучасні системи.

Хуанг розповів і про нову бізнес-модель. Досі вважалося: головне — максимум токенів за годину. Тепер Nvidia впевнена, що ринок рухається до «преміум-токенів» — коли за швидші відповіді клієнти готові платити кратно більше. Інженер-програміст, чий продукт заробляє мільйони, із задоволенням заплатить у рази дорожче за блискавичну відповідь моделі. Саме тому Nvidia наприкінці 2025 року придбала активи стартапу Groq за $20 мільярдів і включає його чипи LPU у свою платформу Vera Rubin — це сегмент «дорогих, але дуже швидких» токенів.

На фінальне питання «А якби революції ШІ не сталося?» Хуанг відповідає спокійно: «Ми б усе одно робили прискорене обчислення. Графіка, наука, фізика, обробка даних, молекулярна динаміка, літографія. Nvidia і так була б дуже великою компанією. Просто я б дуже засмутився».

Чому це важливо знати

Це інтерв’ю — не просто бізнес-новина. Воно пояснює, хто контролюватиме найважливішу технологію десятиліття і чому один-єдиний американський виробник чипів зараз диктує правила всій планеті. Для України, яка будує ШІ-стек в оборонці, аналітиці та державних сервісах, принципові відповіді на два питання: чи залишиться американський стек домінантним (від цього залежить доступ до найсучасніших моделей) і куди рухається ціна обчислень — бо саме вона вирішує, хто зможе собі дозволити власний ШІ, а хто змушений орендувати чужий. А філософія Хуанга про «роботи» і «завдання» — це, можливо, найзіркіша порада всім, хто зараз обирає професію.