Najveći kupci Nvidije postaju njeni konkurenti

Amazon, Google i Microsoft među najvećim su kupcima Nvidijinih čipova. Istovremeno, razvijaju sopstvene AI akceleratore kako bi smanjili zavisnost od kompanije koja je postala jedan od najvećih dobitnika AI buma.

To ne znači da Nvidia sutra gubi tržište. Njena prednost nije samo u čipovima, već i u softverskom ekosistemu Cuda, ogromnoj bazi korisnika i sistemima koji povezuju hiljade procesora u jednu računarsku infrastrukturu.

Ali ekonomija je jednostavna: ako Amazon AI zadatak može da izvrši na sopstvenom Trainium čipu umesto na Nvidia GPU-u, veći deo novca ostaje unutar Amazonovog sistema.

Upravo zato najveći kupci Nvidije istovremeno postaju i konkurencija.

Čip koji izađe iz fabrike TSMC-ja još nije računarska snaga. Potrebno je povezati ga sa memorijom i hiljadama drugih procesora, smestiti u data centar i obezbediti mrežu, električnu energiju i softver preko kojeg će kompanije koristiti tu infrastrukturu.

TSMC proizvodi fizičke čipove prema nacrtima drugih kompanija. Nvidia i AMD razvijaju GPU-ove i druge akceleratore, dok Google, Amazon i Microsoft razvijaju sopstvene AI akceleratore. TSMC njihove dizajne pretvara u fizičke čipove, koji se zatim ugrađuju u sisteme sposobne da povežu hiljade procesora.

Tek takav sistem postaje računarska infrastruktura koju OpenAI, Anthropic ili AI startap mogu da koriste za treniranje i pokretanje modela.

 

GPU nije jedini AI procesor

Nvidia je dominantnu poziciju izgradila na čipovima GPU (Graphics Processing Unit - grafički procesor). Oni su prvobitno razvijeni za grafiku, ali se njihova sposobnost da uporedo izvršavaju veliki broj matematičkih operacija pokazala idealnom za neuronske mreže.

AI akcelerator je širi pojam. To je procesor optimizovan da AI zadatke izvršava brže i efikasnije od klasičnog CPU (Central Processing Unit - centralni procesor). GPU može da bude AI akcelerator, ali nije svaki AI akcelerator GPU.

Googleov TPU (Tensor Processing Unit) specijalizovan je za mašinsko učenje. Amazon razvija Trainium, dok Microsoft ima Maia procesore. Njihov cilj je veća brzina i smanjenje zavisnost od Nvidije i zadržavanje većeg dela marže unutar sopstvenog sistema.

Tu nastaje zanimljiv poslovni sukob. Najveći kupci Nvidijinih čipova postaju njeni konkurenti.

Ako AWS kupi Nvidia procesor, deo ekonomije svakog AI zadatka odlazi Nvidiji. Ako isti posao može da izvrši na Trainium čipu, Amazon kontroliše veći deo troška, ponude i zarade. Google i Microsoft rade isto.

Za TSMC je pozicija drugačija. Kompanija ne mora da pogodi koji će dizajner pobediti. Ona proizvodi čipove i za GPU sisteme i za nove specijalizovane akceleratore. Promena arhitekture zato ne mora nužno da znači i promenu fabrike.

Računarska snaga kao strateški resurs

Nvidijina prednost ipak nije samo hardver. Cuda, njen softverski ekosistem za programiranje grafičkih procesora, razvija se gotovo dve decenije. Brojni AI alati i modeli već su optimizovani za taj sistem, pa prelazak na drugu arhitekturu zahteva dodatni razvoj i testiranje.

Anthropic je spreman da plati tu cenu. Kompanija koristi više od milion Amazonovih Trainium2 procesora za treniranje i pokretanje Claude modela. Amazon je u saradnju sa Anthropicem uložio 13 milijardi dolara, dok se Anthropic obavezao na više od 100 milijardi dolara potrošnje na AWS infrastrukturu u narednih deset godina.

Anthropic dobija kapacitet i alternativu Nvidijinoj infrastrukturi. Amazon dobija velikog korisnika za sopstveni čip i dokaz da Trainium može da pokreće najzahtevnije AI modele.

Koliko je taj resurs važan, pokazao je OpenAI. Kada je u februaru 2025. predstavio GPT-4.5, Sam Altman je rekao da kompanija nema dovoljno grafičkih procesora, zbog čega je model morao postepeno da bude puštan korisnicima. OpenAI je kasnije proširio infrastrukturu na Amazon, Oracle i CoreWeave kako bi smanjio zavisnost od jednog partnera.

U AI industriji nije dovoljno samo napraviti bolji model, već kompanija mora da ima i dovoljno računarske snage da se model trenira, testira i posluži korisnicima pre konkurencije.

Uticaj na Adria region

Većina zemalja Adria regiona neće razvijati sopstvene AI akceleratore niti graditi fabrike poput TSMC-ja. Ali pristup računarskoj snazi postaje važan za univerzitete, institute i kompanije koje razvijaju AI proizvode.

Srbija je tom problemu pristupila kroz javnu infrastrukturu. U Državnom data centru u Kragujevcu radi Nacionalna platforma za veštačku inteligenciju, koju koristi više od 80 institucija i kompanija, među njima oko 40 startapa, sa više od 450 korisničkih naloga. U aprilu je pušten u rad i drugi superkompjuter, vredan pet miliona evra, sa 48 Nvidia H200 grafičkih procesora i oko 32 petaflopsa AI performansi.

Do početka 2027. očekuje se i novi superkompjuter, razvijen sa francuskom kompanijom Bull SAS. 

Za mali tim razlika je velika. Dva startapa mogu da imaju istu ideju i podjednako dobre inženjere. Ako jedan odmah dobije pristup stotinama procesora, a drugi čeka tri meseca, prvi može da završi treniranje i izađe na tržište dok konkurent još čeka infrastrukturu.

Zato računarska snaga postaje i pitanje tehnološke politike. Država ne mora da proizvodi AI čip da bi učestvovala u ovom delu lanca. Dovoljno je da istraživačima i kompanijama obezbedi pristup procesorima koje proizvode i projektuju drugi.