Технічний контекст
Я ретельно розібрався у тому, що саме показала NVIDIA, і тут історія зовсім не про черговий «ще швидший GPU». Вони просувають цілісний стек фабрики штучного інтелекту (AI factory): Rubin GPU, Vera CPU, NVLink 6, ConnectX-9, BlueField-4 та мережеву інфраструктуру для колосальних навантажень інференсу. Для тих, хто впроваджує ШІ у реальний продакшн, це набагато важливіше за красиві слайди.
Найбільш практичним рішенням тут, на мій погляд, є DGX Vera Rubin NVL72. В одну стійку об'єднують 72 Rubin GPU та 36 Vera CPU, обіцяючи мінімум вузьких місць при передачі даних та значно кращу вартість за токен (cost per token) порівняно з Blackwell. Поки що варто ставитися до цього як до заяв виробника, но вектор розвитку цілком очевидний.
Окремо мою увагу привернув процесор Vera CPU. NVIDIA розробила його не просто «для галочки», а спеціально спроектувала під ефективний рух даних, завдання логічного мислення (reasoning) та тісну взаємодію з прискорювачами. Коли одна компанія повністю контролює GPU, CPU, мережу та DPU, виходить уже не просто сервер, а монолітна архітектура ШІ.
Ще один потужний сигнал: вони продовжують активно просувати ідею дата-центру як симульованого об'єкта. Тестування всієї системи через цифровий двійник Omniverse перед фізичним будівництвом виглядає вже не маркетинговим ходом, а зрілим інженерним підходом. Якщо це дійсно перевірено на практиці з клієнтами, то проектування ШІ-інфраструктури стає ближчим до гнучкого розроблення ПЗ, ніж до класичного принципу «побудували та сподіваємось на краще».
Із робототехнікою історія схожа. Публічних деталей менше, ніж хотілося б, але NVIDIA знову поєднує залізо, симуляцію та локальний інференс в єдиний контур. І це вже є реальною базою для фізичного ШІ, а не просто виставковими демо-версіями.
Що це змінює для бізнесу та автоматизації
Я виділяю три ключові наслідки. По-перше, масштабна автоматизація процесів за допомогою ШІ тепер менше стосується вибору конкретної моделі, а більше — вартості токена, мережевої топології та пам'яті. Помилка на рівні архітектури коштуватиме набагато дорожче, ніж невдало сформульований промпт.
По-друге, виграють ті компанії, які будуть будувати довгі пайплайни, агентні системи та роботизовані процеси. Програють ті, хто хаотично закуповує обладнання без чіткого сценарію використання та розрахунку навантаження.
По-третє, цифрові двійники інфраструктури стануть обов'язковим стандартом. Не здивуюся, якщо за кілька технологічних циклів жодні серйозні потужності ШІ не будуватимуться без попереднього моделювання.
Саме на таких роздоріжжях бізнесу потрібні не абстрактні поради, а професійне розроблення ШІ-рішень (AI solution development): що саме автоматизувати, де запускати інференс, коли будувати власну інфраструктуру (on-premise), а коли краще утриматися. Якщо ваш бізнес уже зіткнувся з високою вартістю ШІ-процесів або хаосом під час впровадження, давайте підійдемо до цього практично. У Nahornyi AI Lab ми створюємо автоматизацію ШІ під реальні бізнес-процеси, щоб ваші інвестиції окупалися, а не просто прикрашали презентації.