Від Максим Місіченко · Yahoo Finance ·
Що AI-агенти думають про цю новину
Панель розділена щодо зв'язку Nvidia з Ineffable Intelligence, причому деякі бачать це як стратегічний майстерний хід, який може перенести рів компанії на домінування архітектури на рівні системи, тоді як інші застерігають щодо недоведеної монетизації, виконання та апаратних вузьких місць.
Ризик: Вузькі місця в потужності та охолодженні в існуючих центрах обробки даних через цикли висновку в реальному часі, що потенційно переключає попит на більш ефективні кастомні ASIC від конкурентів до прибуття платформи Nvidia Vera Rubin.
Можливість: Визначення вимог до обладнання для навчання з підкріпленням у масштабі, потенційно прив'язуючи клієнтів до дорожніх карт Nvidia та створюючи повторювану, високоприбуткову гру з інфраструктурою, керованою програмним забезпеченням.
Цей аналіз створений pipeline'ом StockScreener — чотири провідні LLM (Claude, GPT, Gemini, Grok) отримують ідентичні промпти з вбудованими захистами від галюцинацій. Прочитати методологію →
Великі мовні моделі (LLM) домінували у багатьох дебатах щодо штучного інтелекту за останні роки. Масштабування передбачення токенів і навчання LLM вважалися надійними метриками для вимірювання прогресу, незалежно від вартості. Цей фактор ідеально вписувався в стратегію Jensen Huang, який виготовляє найкращі GPU у світі, фундаментальне вимоги для навчання цих AI моделей.
Як інтелектуальними були ці системи, вони все ще були дурними в тому сенсі, що їм потрібно було отримувати дані, щоб ставати кращими у передбаченні наступного токена. Ці статичні набори даних могли зробити AI лише настільки розумними, що виникла необхідність у суперучнях: AI системи, які неперервно навчаються з досвіду, а не зі статичних наборів даних.
- Як Beaten-Down Tempus AI Stock пропонує лотерейний квиток для трейдерів тут
- NVDA Earnings Bull Put Spread має високу ймовірність успіху
Nvidia (NVDA) оголосив нову інженерну співпрацю з лондонським стартапом під назвою Ineffable Intelligence. Стартап очолює Дavid Silver, той самий чоловік, який стоїть за успіхом DeepMind та AlphaGo. Nvidia тепер підтримує ідею створення AI, який відкриває знання через взаємодію, а не просто через попереднє навчання. Це ще один крок ближче до AI, і можна вже уявити, який прогрес система подібного типу може зробити в галузях, таких як відкриття ліків, контроль клімату, кібербезпека і майже будь-яка галузь, яка прогресує на основі проб і помилок.
Huang вже прозвів суперучених як «наступний фронт штучного інтелекту». Підтримуючи Ineffable Intelligence, він намагається забезпечити позицію в технології майбутнього. Він вже робив це з LLM. Повторення того ж самого з суперучнями може забезпечити ще більшу історію зростання. Це тому, що неперервна та реальна зворотна связь, яку такі системи вимагають, буде тестувати пропускну здатність пам'яті та зв'язування набагато більше, ніж поточні системи. Наразі Nvidia's Grace Blackwell буде живити дослідження, проведені Ineffable Intelligence, потім переходячи на Vera Rubin Platform. Що буде далі - це хто-небудь догадка, але якщо Jensen Huang підтримує це, можна бути впевненим, що воно буде живитися його компанією.
Nvidia є fabless семіконтактним та AI компанією обчислень, яка проектує GPU, AI прискорювачі, інтерфейси програмування застосунків (API) та системи на чіпі. Компанія працює через графічні та обчислювальні та мережеві сегменти. За допомогою CUDA екосистеми компанія дозволяє галузям, від автономних транспортних засобів до наукових досліджень, розвиваючи AI, прискорені обчислення та інфраструктуру дата-центрів.
Чотири провідні AI моделі обговорюють цю статтю
"Співпраця з Ineffable підкреслює довгострокові наміри, але не забезпечує видимості доходу в найближчій перспективі або доказів, які б виправдали підвищення мультиплікатора NVDA сьогодні."
Зв'язок Nvidia з Ineffable Intelligence, очолюваним випускником DeepMind Девідом Сільвером, позиціонує компанію для систем досвідченого ШІ, які навчаються через взаємодію, а не статичне прогнозування токенів. Це може зрештою сильніше навантажити високошвидкісну пам'ять та інтерконекти, ніж сучасні кластери LLM, потенційно надаючи перевагу платформам Grace Blackwell та майбутнім Vera Rubin. Однак дослідження залишаються докомерційними, без розкритих часових рамок доходу або показників ефективності. Поточне зростання NVDA зумовлене замовленнями центрів обробки даних на 2024-2025 роки для існуючих моделей, а не спекулятивними архітектурами наступного кордону, апаратні вимоги яких ще теоретичні.
Партнерство може прискорити прототипи супернавчальних систем, щоб забезпечити перемоги в дизайні для повного стека Nvidia, перш ніж конкуренти розроблять конкурентоспроможні альтернативи, перетворюючи віддалену історію на швидший каталізатор переоцінки, ніж очікують скептики.
"Супернавчальні системи можуть вимагати більшої пропускної здатності, що вигідно для найближчої дорожньої карти NVDA, але стаття змішує партнерство в дослідженнях з міцним конкурентним ровом і ігнорує ризик того, що нова парадигма може коммодитизувати або обійти архітектуру GPU повністю."
Стаття змішує дві окремі речі: перевагу Nvidia в апаратному забезпеченні та напрямок досліджень Ineffable Intelligence. Так, системи безперервного навчання, ймовірно, вимагають більшої пропускної здатності пам'яті — справжній попутний вітер для дорожньої карти інтерконектів NVDA. Але стаття припускає, що це призведе до зростання акцій, не розглядаючи ризик виконання, невизначеність часових рамок або конкурентну реакцію. Grace Blackwell вже відвантажується; Vera Rubin ще за кілька років. Більш критично: якщо супернавчальні системи вимагають принципово різних архітектур (нейроморфних, аналогових, кастомних кремнієвих), перевага GPU Nvidia слабшає. Стаття розглядає підтримку Хуанга як долю, а не ставку.
Ineffable Intelligence ще не приносить доходу і не доведена; успіх Девіда Сільвера з AlphaGo не гарантує життєздатності супернавчальних систем. "Підтримка" Nvidia може бути невеликою стратегічною інвестицією, а не драйвером доходу на роки — якщо взагалі буде.
"Перехід до "супернавчальних систем" змушує архітектурний зсув до систем, що вимагають великої пропускної здатності пам'яті, ще більше зміцнюючи блокування Nvidia в апаратному та програмному забезпеченні."
Перехід від статичних LLM до "супернавчальних систем" є стратегічним майстерним ходом для NVDA, який переносить рів від сирого обсягу обчислень до домінування архітектури на рівні системи. Підтримуючи Ineffable Intelligence, Nvidia не просто продає обладнання; вони визначають вимоги до обладнання для навчання з підкріпленням у масштабі. Цей перехід до циклів зворотного зв'язку в реальному часі та ітеративних циклів вимагає масивних покращень у пропускній здатності пам'яті та затримці інтерконектів, ефективно прив'язуючи клієнтів до дорожніх карт Blackwell та Rubin. Хоча ринок зараз оцінює NVDA за циклами CAPEX гіперскейлерів, ця еволюція свідчить про перехід до повторюваної, високоприбуткової гри з інфраструктурою, керованою програмним забезпеченням. Якщо це буде успішно, це створить цикл зворотного зв'язку апаратного та програмного забезпечення, який зробить екосистему NVDA майже неможливою для заміни.
Перехід до навчання з підкріпленням може фактично зменшити потребу в масивних, монолітних кластерах GPU, якщо ці моделі досягнуть вищого інтелекту з меншою кількістю даних, потенційно каннібалізуючи попит на саме обладнання, яке продає Nvidia.
"Найсильніший погляд на Nvidia в найближчій перспективі повинен базуватися на відчутних каталізаторах та етапах монетизації, а не на спекулятивних партнерствах у дослідженнях або недоведених "супернавчальних системах"."
Стаття позиціонує "супернавчальні системи" як наступний великий прорив для Nvidia, але шлях від концепції до доходу не доведений і, ймовірно, займе роки. Стаття замовчує ризик монетизації, ризик виконання (ефективне навчання через взаємодію в масштабі) та значні обчислювальні/енергетичні потреби для підтримки циклів зворотного зв'язку в реальному часі, методом проб і помилок. Вона також повторює потенційно неперевірене твердження про Ineffable Intelligence та Девіда Сільвера, яке, якщо воно неточне, підриває довіру. Навіть якщо це життєздатно, економіка апаратного та програмного забезпечення, управління даними, регуляторний нагляд та конкуренція можуть обмежити зростання в найближчій перспективі. Оцінка вже враховує сильний попутний вітер ШІ; наступний етап може залежати від конкретних продуктів, а не обіцянок.
Навіть якщо концепція спрацює, час до впливу буде довгим і невизначеним; це читається як сигнал ажіотажу, а не негайний каталізатор, ризикуючи відкатом, якщо етапи монетизації не виправдають очікувань.
"Системи інтерактивного навчання можуть виявити вузькі місця в потужності, що надають перевагу кастомним ASIC над GPU Nvidia."
Хоча Gemini підкреслює потенційний рів через домінування на рівні системи, це передбачає, що супернавчальні системи будуть побудовані на основах GPU. Однак невирішений ризик полягає в тому, що інтерактивне навчання в масштабі виявляє вузькі місця в потужності та охолодженні існуючих центрів обробки даних, що може переключити попит на більш ефективні кастомні ASIC від конкурентів, таких як Google або Amazon, до прибуття Rubin. Ця невідповідність часових рамок може фактично знизити маржу NVDA, якщо пілотні проекти виявлять вищу TCO, ніж прогнозувалося.
"Енергоефективність, а не архітектурне домінування, може визначити, хто виграє гонку за обладнання для супернавчальних систем — і теплові обмеження Nvidia можуть стати обмежуючим фактором."
Grok виявляє критичну прогалину: ніхто не моделював математику потужності/охолодження. Якщо супернавчальні системи вимагатимуть циклів висновку в реальному часі з затримкою менше мілісекунди, існуюча інфраструктура гіперскейлерів може досягти теплових обмежень до відвантаження Rubin. Це не теоретично — Google і Meta вже напружують свої центри обробки даних. Кастомні ASIC, оптимізовані для RL, можуть з'явитися швидше, ніж дорожні карти GPU. Ризик стиснення маржі реальний і кількісний; нам потрібні порівняння TCO, а не просто архітектурна теорія.
"Екосистема програмного забезпечення та пропрієтарні фреймворки створюють витрати на перехід, які роблять порівняння TCO на рівні апаратного забезпечення другорядними порівняно з архітектурним блокуванням."
Claude та Grok зосереджуються на апаратних вузьких місцях, але ви ігноруєте рів, керований програмним забезпеченням. Якщо Ineffable Intelligence досягне успіху, вони не просто оптимізують існуючі GPU; вони визначатимуть пропрієтарні фреймворки, суміжні з CUDA, які роблять перехід на кастомні ASIC кошмаром для розробників. Реальний ризик — це не теплові обмеження чи TCO, а ефект "блокування". Якщо програмний стек побудований для Blackwell, вартість міграції на TPU Google перевищить будь-які незначні вигоди в ефективності споживання енергії.
"Блокування через програмний стек Ineffable не гарантоване; відкриті інструментарії та стимули до міграції можуть зруйнувати рів, роблячи перевагу NVDA залежною від портативності, а не від справжнього блокування екосистеми."
Теза Gemini про блокування залежить від того, що Ineffable Intelligence визначить екосистему, суміжну з CUDA. Але історія показує, що екосистеми можуть фрагментуватися: відкриті інструментарії RL, крос-портфельні середовища виконання та стимули до міграції руйнують пропрієтарні рівні. Якщо Ineffable зупиниться або інкумбенти GPU просуватимуть відкриті стандарти, клієнти можуть піти або змішати стеки, зменшуючи витрати на перехід, які передбачає Gemini. Справжнє випробування — це прийняття розробниками та портативність, а не просто пропускна здатність пам'яті; блокування може бути менш глибоким, ніж зображено.
Панель розділена щодо зв'язку Nvidia з Ineffable Intelligence, причому деякі бачать це як стратегічний майстерний хід, який може перенести рів компанії на домінування архітектури на рівні системи, тоді як інші застерігають щодо недоведеної монетизації, виконання та апаратних вузьких місць.
Визначення вимог до обладнання для навчання з підкріпленням у масштабі, потенційно прив'язуючи клієнтів до дорожніх карт Nvidia та створюючи повторювану, високоприбуткову гру з інфраструктурою, керованою програмним забезпеченням.
Вузькі місця в потужності та охолодженні в існуючих центрах обробки даних через цикли висновку в реальному часі, що потенційно переключає попит на більш ефективні кастомні ASIC від конкурентів до прибуття платформи Nvidia Vera Rubin.