Nvidia планирует вложить 26 млрд долларов в открытые модели ИИ в течение ближайших пяти лет. Информация о программе содержится в отчёте компании в Комиссию по ценным бумагам и биржам США (SEC) и подтверждена руководством в комментариях WIRED.
Компания собирается масштабно развивать так называемые open-weight модели — когда веса нейросети публикуются для использования и дообучения третьими сторонами. Стратегия призвана усилить позиции Nvidia на фоне роста популярности китайских открытых моделей и закрепить разработчиков в экосистеме её графических процессоров и дата-центров.
На фоне анонса Nvidia представила Nemotron 3 Super — самый мощный на сегодня open-weight модуль компании с 128 млрд параметров. В тестовом наборе Artificial Analysis Index модель немного опережает GPT-OSS от OpenAI и примерно сопоставима с Claude 4.5 Haiku от Anthropic, однако пока уступает китайской Qwen3.5 122B A10B.
При обучении Nemotron 3 Super Nvidia использовала несколько технических новшеств для усиления логических способностей и работы с длинным контекстом. Как и более компактные версии, Nemotron 3 Super — гибридная архитектура, сочетающая Transformer и Mamba.
Инвестиции приходятся на период, когда расстановка сил в сфере открытых ИИ-моделей меняется. Ранее лидерство удерживала Meta с семейством Llama, однако Марк Цукерберг недавно дал понять, что будущие модели могут перестать быть полностью открытыми. Открытая линейка GPT-OSS от OpenAI заметно слабее закрытых моделей компании, а Anthropic вовсе не выпускает открытые версии.
На этом фоне китайские компании DeepSeek, Alibaba, Moonshot AI и MiniMax публикуют практически все веса своих моделей без платы за доступ. В последние месяцы появились признаки возможного пересмотра этой политики, например, сообщения об уходах из команды Qwen в Alibaba, однако китайские системы остаются для многих задач наиболее сильной открытой альтернативой. При этом новые бенчмарки показывают, что разрыв с лучшими западными закрытыми моделями зачастую больше, чем казалось по старым тестам, под которые вендоры активно оптимизировались.
Широкого внедрения этих моделей в промышленности США и Европы пока не произошло, и тенденция в бизнесе по-прежнему уходит в сторону закрытых решений от Anthropic, OpenAI и других крупных игроков.
В январе 2025 года DeepSeek уже вызвала резонанс на фондовом рынке, представив эффективную открытую модель, которая поставила под вопрос отрыв западных лабораторий и объёмы вычислительных ресурсов, считающихся необходимыми для конкуренции. Новый шаг может оказаться ещё более чувствительным: по сообщениям, свежая модель DeepSeek обучена исключительно на чипах китайского производителя Huawei, находящегося под санкциями США. Если это подтвердится, часть компаний и исследователей, особенно в Китае, может активнее переходить на оборудование Huawei.
При этом другие источники утверждают, что DeepSeek также располагает доступом к санкционным GPU Nvidia Blackwell и продолжает обучать модели на них. Под давлением китайских властей компания давно пытается перейти на чипы Huawei, однако, по сообщениям прошлого года, столкнулась с техническими проблемами: нестабильной работой и незрелой программной экосистемой. Одновременно Nvidia получила разрешение снова экспортировать в Китай более мощные ИИ-чипы после нескольких лет жёстких ограничений. Китайские компании заинтересованы в закупках, но руководство страны стремится избежать новой зависимости от зарубежного поставщика.
На этом фоне выпуск собственных открытых моделей, оптимизированных под железо Nvidia, должен создать противовес и дать западным компаниям конкурентный вариант. Пользователи Nemotron и других моделей Nvidia фактически закрепляются в экосистеме её GPU и дата-центров. Отдельный приоритет компании — робототехника и пограничные (edge) сценарии ИИ, где крупные лаборатории до сих пор присутствуют ограниченно.
Вице-президент по прикладным исследованиям глубокого обучения Nvidia Брайан Катанцаро в беседе с WIRED подчеркнул глобальный характер стратегии: «Мы американская компания, но работаем с клиентами по всему миру. Нам важно, чтобы экосистема была разнообразной и сильной везде».
Nvidia уже предварительно обучила модель на 550 млрд параметров, а также выпустила специализированные модели для робототехники, климатического моделирования и задач, связанных со сворачиванием белков.
Вице-президент по программному обеспечению для генеративного ИИ Кари Бриски указала на ещё одно измерение программы: модели используются для нагрузочного тестирования собственных дата-центров Nvidia и ускорения развития аппаратной линейки. «Мы создаём их, чтобы максимально нагружать наши системы и проверять не только вычисления, но и хранение данных, и сети, а также выстраивать нашу дорожную карту аппаратной архитектуры», — рассказала она WIRED.
Источник: WIRED, финансовая отчётность Nvidia (SEC filing).
