Ежегодная выставка Computex в Тайбэе уже более 40 лет собирает производителей и энтузиастов компьютерной индустрии. За годы мероприятие стало компасом всей отрасли, четко указывающим на то, как именно будет развиваться рынок в обозримом будущем.

Все это время Computex посвящалась потребительской электронике: готовым ПК, процессорам, видеокартам, памяти, материнским платам, системам охлаждения, мониторам и периферии, однако в 2026 году все изменилось. Главной темой экспозиции стала AI Together: в демозонах и на сценах обсуждали искусственный интеллект — агентов, роботов, ускорители, серверы, дата-центры и то, сколько гигаватт они будут потреблять. Консьюмерская техника, за исключением той, на которую бренды успели наклеить шильдик с упоминанием AI-технологий, оказалась вне главных павильонов. 

Ключевой фигурой выставки стал CEO Nvidia Дженсен Хуанг, сделавший ряд громких заявлений. Он говорил о том, что раньше компьютеры создавались для человека, а теперь вычислительные ресурсы, память и постоянный доступ к инфраструктуре нужны ИИ-агентам, которых потенциально может быть куда больше, чем людей, а значит, для чипмейкеров этот рынок куда объемнее и перспективнее.

Звучит как фантастика, но представители отрасли допускают, что все мы движемся к модели, где дома уже не будет производительного персонального компьютера, вместо него — тонкий клиент для базовых задач. Что-то сложнее, например, игры или комплексные вычисления в специализированных программах, будет запускаться в дата-центрах, а доступ к их мощностям станет приобретаться по подписке. На чем строится эта теория? Об этом — в материале.

Почему все дороги ведут к Nvidia

Сегодня Nvidia — самая дорогая публичная компания мира с капитализацией более $5 трлн на момент публикации материала. Можно подумать, что ей просто повезло оказаться в нужном месте во время взрывного роста генеративного ИИ: выпускаемые компанией видеокарты подошли для обучения нейросетей, появился ChatGPT и деньги полились рекой.

Однако ее нынешнее положение стало результатом выверенной стратегии, выстраивавшейся десятилетиями. Компания превратила игровой 3D-ускоритель в универсальный параллельный процессор, создав вокруг него целостную экосистему: программные инструменты, библиотеки и стандарты. Поэтому, когда индустрии понадобилась нейросетевая инфраструктура, у Nvidia уже были чипы, софт и подготовленные разработчики.

История Nvidia началась в 1993 году. В то время компьютеры в основном использовались для работы, а игры для них только набирали популярность. Разработчики экспериментировали с графикой, с каждым годом она становилась все более продвинутой, а главное, начала переходить от двухмерной к трехмерной.

Сейчас для 3D-графики есть игровые видеокарты, тогда их почти не было. В бытовые компьютеры устанавливались платы, которые могли выводить изображение, но только в 2D. Трехмерную картинку умели рисовать только узкоспециализированные, проприетарные модели в игровых автоматах и более редкие экземпляры для 3D-визуализации в рамках научных и инженерных проектов. 

Для рядовых IBM PC-совместимых компьютеров доступных устройств, рассчитанных на массового потребителя, не было, поэтому за объемную графику в них отвечал центральный процессор. Помимо этого, ему приходилось тащить на себе операционную систему и игровой движок с его логической и физической моделями. 

Производительности стало не хватать, на рынке появилась потребность в отдельном графическом чипе, который мог бы взять на себя отрисовку сложных трехмерных сцен. Именно его разработкой и решила заняться Nvidia.

Меньше — лучше, или рождение GPU

Первая попытка — карта NV1 — оказалась неудачной. Это был слишком сложный и дорогой в производстве комбайн. Плюс он работал с квадратичным текстурированием и четырехугольными примитивами, тогда как Microsoft Direct3D и вся остальная индустрия двигались в сторону треугольных полигонов. Так Nvidia оказалась на грани краха, а ее конкуренты поделили рынок надвое.

На одной стороне была компания 3dfx и ее ускоритель Voodoo. Он предлагал лучшую игровую 3D-графику, но не умел выводить рабочий стол Windows и требовал отдельной 2D-видеокарты.

По другую сторону оказался ряд других производителей: S3, ATI, Matrox, Rendition и прочих. Все они продвигали концепцию универсальной платы «все в одном», но с графикой хуже, чем у 3dfx. Причина в том, что часть транзисторного бюджета уходила на 2D, вывод изображения и обработку видео, а графические блоки делили общую память и ее пропускную способность. Зато карты были интересны для поставщиков готовых ПК: Dell, Compaq, Gateway и Micron. Одна плата — это отсутствие лишних расходов на закупку, обслуживание, тестирование и драйверную поддержку. 

Пытаясь выбраться из кризиса, Nvidia обосновалась где-то посередине: проектировала ускоритель, не требующий второй платы, но с производительностью как у Voodoo. Вышедшая в 1997 году RIVA 128 использовала треугольные примитивы, поддерживала Direct3D и OpenGL, но главное — объединяла 2D, видео и достаточно быстрое 3D-ускорение. Позднее RIVA TNT добавила полноценный 32-битный цвет, а TNT2 подняла производительность настолько, что Nvidia вплотную приблизилась к 3dfx.

Осенью 1999 года появилась GeForce 256, которую Nvidia назвала первым GPU — Graphics Processing Unit. Ее аппаратный блок Transform and Lighting забрал у центрального процессора преобразование координат вершин и расчет освещения.

Для геймера это означало более высокую и стабильную кадровую частоту в сценах, где CPU не успевал обрабатывать геометрию. Для разработчиков — возможность увеличивать количество полигонов и выводить на экран больше объектов, не повышая требования к центральному процессору.

Затем рынок начинает стремительно меняться. Фирма ATI радикально меняет стратегию, поскольку больше не хочет выпускать дешевые, универсальные карты для системных интеграторов. Она хочет конкурировать с Nvidia и 3dfx, и так появляется первый ускоритель под брендом Radeon. Карта получила DDR-память, 32-битный цвет, аппаратный Transform and Lighting и технологию HyperZ, которая экономила пропускную способность памяти, отсекая невидимые поверхности. Теперь Nvidia противостояла не только 3dfx, но и еще одному мощному технологическому конкуренту.

Но скоро 3dfx начала отставать архитектурно и совершать фатальные коммерческие ошибки. Компания стала выпускать громоздкие многочиповые платы, купила производителя видеокарт STB и тем самым стала конкурентом собственных партнеров в лице ASUS, Creative и Diamond, которые раньше покупали чипы Voodoo и продавали готовые карты. В итоге они ушли делать карты для Nvidia с AMD, а 3dfx в конце 2000 года прекратила деятельность и ее основные активы перешли компании Дженсена Хуанга.

Как игры создали ИИ

Следующий фундаментальный сдвиг произошел в 2001 году с выходом GeForce3 от Nvidia. В ней появились программируемые вершинные и пиксельные шейдеры. Прежде GPU выполнял заранее заданную последовательность операций, теперь разработчик мог загружать в него небольшие программы и управлять обработкой геометрии, освещения и отдельных пикселей.

В ATI ответили Radeon 8500 с поддержкой DirectX 8.1. В следующие годы две компании обменивались ударами: Radeon 9700 Pro первой принесла массовому рынку возможности DirectX 9, Nvidia провалилась с GeForce FX, вернулась с GeForce 6800, а ATI контратаковала вместе с Radeon X800. Однако для этой истории важна не сама по себе лидерская гонка, а то, что шейдерные блоки в GPU становились все более мощными, гибкими и универсальными.

В 2005 году ATI разработала процессор Xenos для Xbox 360. Он привнес кардинальные изменения в архитектуру GPU. Раньше одни блоки GPU обрабатывали вершины, а другие — пиксели. В Xenos общий массив исполнительных блоков, которые можно было загружать разной работой в зависимости от потребностей конкретной игровой сцены. Это поворотный момент в истории развития GPU, начиная с которого 3D-ускорители из игровых устройств стали превращаться в процессоры для комплексных параллельных вычислений. 

В 2006 году ATI была приобретена AMD примерно за $5,4 млрд, а Nvidia представила GeForce 8800 GTX на архитектуре G80. Новый GPU также получил унифицированную архитектуру: вместо отдельных вершинных и пиксельных блоков использовался общий массив из 128 потоковых процессоров.

Но главным новшеством стала созданная для G80 платформа CUDA — Compute Unified Device Architecture. Она позволила программировать видеокарту на расширенной версии языка C и применять ее не только для графики, но и для научного моделирования, обработки изображений, линейной алгебры и других хорошо распараллеливаемых задач.

За тринадцать лет видеокарта прошла путь от устройства, помогавшего рисовать полигоны в играх, до массива программируемых математических процессоров. Оставалось дать разработчикам удобный способ использовать эти мощности, и CUDA решила именно эту задачу.

Так попытка ускорить трехмерные игры породила вычислительную платформу, на которой позднее выросли суперкомпьютеры, нейросети и современные фабрики искусственного интеллекта.

Новые технологии — новые цены

После выхода 8800GTX Nvidia прочно закрепилась на позиции лидера и трендсеттера рынка видеокарт и продолжила наращивать обороты. Каждая следующая флагманская модель предлагала геймерам существенный скачок производительности. 

В 2009 году GTX 285 заметно опередила 9800 GTX+, а в конце 2010-го GTX 580 обошла GTX 285. Выпущенная в 2012 году GTX 680 обогнала GTX 580 примерно на 30%, одновременно снизив мощность с 244 до 195 Вт. В 2013-м GTX 780 Ti стала примерно на 50% быстрее GTX 680, а GTX 980 Ti в 2015 году прибавила около 40% относительно GTX 780 Ti и получила вдвое больше видеопамяти — 6 вместо 3 ГБ. Наконец, ставшая легендой GTX 1080 Ti в 2017 году опередила GTX 980 Ti приблизительно на 70% и получила 11 ГБ памяти, оставшись в рамках 250-Вт теплопакета.

Несмотря на успехи хорошо отлаженного процесса разработки видеокарт, в 2018 году Nvidia решила изменить подход и сделала ставку не на железо, а на новые уникальные технологии. Серия GeForce RTX 20 принесла две новых технологии: Ray Tracing — аппаратное ускорение трассировки лучей в реальном времени, и DLSS — Deep Learning Super Sampling.

Первая позволяла добиться суперреалистичного освещения за счет новых RT-ядер. С их помощью видеокарта стала обращаться с виртуальным светом как с настоящим физическим объектом, рассчитывая поведение каждого луча по отдельности. Однако для этого требовались колоссальные вычислительные мощности, которых не хватало, и здесь на помощь приходила вторая технология — DLSS. Она становилась своеобразным костылем для GPU: карта рендерила игру в более низком разрешении, а нейронная модель восстанавливала изображение до целевого — так значительно повышалось число кадров в секунду.

В следующих сериях Nvidia продолжила развивать эти технологии: RT- и тензорные ядра совершенствовались, а DLSS становилась все эффективнее. Но в то же время наращивать производительность GPU путем увеличения количества транзисторов становилось все сложнее — стремительно возрастало энергопотребление. Так, флагманская 3090 Ti потребляла 450 Вт, из-за чего трудности испытывали даже флагманские блоки питания именитых производителей вроде Seasonic.

Вместе с энергопотреблением росли и цены. Начиная с RTX 20, отдельные топовые модели стали стабильно пробивать потолок в $1000. Геймеры открыто выражали недовольство, но Nvidia не собиралась пересматривать свою стратегию, ведь с 2011 года у нее появилось альтернативное и крайне прибыльное ответвление бизнеса — майнинг.

Видеокарта как инструмент «фермера»

С появлением CUDA разработчики получили прямой доступ к вычислительным блокам GPU, отлично приспособленным для параллельных операций. Такие вычисления использовались в майнинге криптовалют с алгоритмом Proof of Work: видеокарты выполняли миллиарды вычислений в секунду, перебирая разные варианты, пока не получали хеш, который соответствовал требованиям сети и позволял добавить новый блок транзакций. Так рождалась новая криптомонета, и далее по кругу.

Майнинг на видеокартах начался в 2010 году с биткоина. Его алгоритм требовал быстрого выполнения множества целочисленных операций, для которых идеально подходили AMD Radeon. Эти карты располагали большим числом простых исполнительных блоков, поэтому циклический сдвиг, часто используемый в SHA-256, они выполняли одной инструкцией. Картам GeForce того времени требовалось несколько инструкций, поэтому они были медленнее, и майнеры предпочитали AMD.

У запущенного в 2015 году криптопроекта Ethereum алгоритм был другим: ethash сильнее зависел от пропускной способности и объема видеопамяти, так что преимущество AMD заметно снизилось. После взлета курса Ethereum в 2017-м добывать ее стало так прибыльно, что «фермеры» начали скупать все карты подряд. Когда Radeon стало не хватать, спрос перекинулся на GeForce Pascal с хорошим хешрейтом при сравнительно низком энергопотреблении.

Так Nvidia открыла для себя возможность продавать огромные партии обычных GPU по высоким ценам совершенно другому сегменту потребителей. Точно посчитать, сколько она заработала на этом, невозможно. Компания раскрывала только продажи специализированных карт для добычи криптовалют: $273 млн в 2018 и $306 млн в 2019 финансовом году. Однако майнеры покупали и обычные GeForce, продажи которых NVIDIA учитывала в игровом сегменте, не раскрывая, какая часть роста пришлась на геймеров, а какая — на временный спрос со стороны майнеров. 

Дошло до того, что в 2022 году Комиссия по ценным бумагам и биржам США обвинила NVIDIA в том, что в двух квартальных отчетах за 2018 финансовый год компания не раскрыла значительное влияние майнинга на рост выручки игрового направления. 

Для инвесторов разница была принципиальной: спрос геймеров считался относительно устойчивым, а продажи «фермерам» зависели от курса криптовалют и могли быстро исчезнуть. В итоге Nvidia выплатила штраф в размере $5,5 млн, не признав и не опровергнув выводы регулятора.

После обвала криптовалют в 2018 году спрос со стороны майнеров резко сократился. В четвертом квартале 2019 финансового года выручка компании упала на 31% относительно третьего. Однако затишье продлилось недолго: в 2020 году криптовалютный рынок снова пошел вверх. Индустрия оказалась к этому не готова из-за пандемии, как итог: дефицит полупроводников наложился на очередной рост Ethereum, поэтому серия RTX 30 исчезла из магазинов почти сразу после выхода. Видеокарты месяцами продавались в полтора-два раза дороже рекомендованных цен. За этот период игровое подразделение Nvidia заработало рекордные $12,5 млрд.

В сентябре 2022 года Ethereum перешла на Proof of Stake, и добывать ее на видеокартах стало бессмысленно. Спрос рухнул, но на этот раз Nvidia уже не требовалось ждать следующего криптовзрыва: компания успела выстроить гораздо более крупный и устойчивый бизнес.

ИИ отбирает GPU у геймеров

Вместе с «фермерами» способностью GPU одновременно выполнять огромное количество одинаковых операций заинтересовались и разработчики искусственного интеллекта. В 2012 году исследователи из университета Торонто обучили нейросеть AlexNet при помощи пары GeForce GTX 580. Она с большим отрывом победила в конкурсе распознавания изображений ImageNet и показала, как хорошо видеокарты подходят для машинного обучения.

Поняв это, Nvidia начала превращать CUDA в полноценную нейросетевую платформу. В 2014 году появилась библиотека cuDNN с готовыми операциями для глубокого обучения. В 2016 году компания представила вычислительный GPU-ускоритель Tesla P100 и готовую систему DGX-1, объединившую восемь таких ускорителей при помощи NVLink. Вместе с «железом» покупатель получал CUDA, библиотеку cuDNN 5, систему разработки и обучения нейросетей DIGITS, а также оптимизированные для GPU версии популярных тогда фреймворков Caffe, Theano и Torch.

В 2017 году вышла Tesla V100 — первый процессор Nvidia с тензорными ядрами, предназначенными для быстрого перемножения матриц. Крупнейшие облачные провайдеры Amazon Web Services, Microsoft Azure, Google Cloud, IBM и Oracle начали предлагать V100 своим клиентам. Ускорители использовались для распознавания речи и изображений, рекомендательных систем, научных симуляций и обучения нейронных сетей.

Именно из этого серверного направления нейросетевые технологии начали постепенно перекочевывать в игровые карты GeForce. Все нужное — аппаратные блоки, библиотеки и модели — уже были готовы и работали в дата-центрах. Оставалось только приспособить их для игровой графики.

Наконец, последним этапом перед тем, как Nvidia превратилась в ИИ-гиганта, стал запуск серверных ускорителей A100 в 2020 году и H100 в 2022-м. Они продолжили развитие линейки Tesla, однако с каждым поколением архитектура все сильнее адаптировалась под нейросетевые вычисления.

Ранний A100 получил тензорные ядра третьего поколения, новый формат TF32 и аппаратную поддержку разреженных вычислений. Один ускоритель мог использоваться как целиком для обучения большой модели, так и делиться при помощи технологии MIG на семь независимых экземпляров для одновременного запуска нескольких менее требовательных задач. 

Более поздний H100 сделал следующий шаг. Его тензорные ядра четвертого поколения и новый Transformer Engine позволяли автоматически переключаться между форматами FP8 и FP16, ускоряя обучение и запуск трансформерных моделей — основы современных LLM. 

В ноябре 2022 года OpenAI открыла доступ к ChatGPT. Генеративный искусственный интеллект за несколько месяцев превратился из исследовательской технологии в массовый продукт, а Microsoft, Amazon, Google и другие корпорации, вдохновившись успехом OpenAI, начали закупать ускорители Nvidia десятками тысяч.

С этого момента Nvidia перестает быть компанией, ориентированной только на игры и геймеров, и становится поставщиком ИИ-инфраструктуры. Вместе с процессорами Nvidia продает готовые серверы DGX и HGX, соединения NVLink, сетевое оборудование Mellanox и программный стек CUDA. Спустя год после запуска ChatGPT компания зарабатывает $61 млрд.

Больше ИИ, меньше транзисторов

Параллельно с этим нейросетевые технологии продолжили проникать в GeForce. Вместе с RTX 40 в 2022 году появилась технология DLSS 3 с функцией генерации кадров — Frame Generation. Если сама по себе DLSS просто восстанавливала изображение высокого разрешения из меньшего, то Frame Generation анализировала два отрисованных игрой кадра и векторы движения в них, после чего создавала между ними еще один дополнительный кадр. Это позволяло поднять низкий фреймрейт до комфортного в чрезвычайно требовательных играх .

Серия RTX 50 довела эту идею до предела. На презентации линейки в рамках CES 2025 Дженсен Хуанг заявил, что RTX 5070 предлагает производительность флагманской RTX 4090 всего за $549, но не уточнил, что такой результат возможен только при включенной DLSS новой четвертой версии. Она генерирует три кадра на каждый реальный вместо одного, как у DLSS 3. Без этого она сильно уступает RTX 4090 и оказывается на 1% быстрее RTX 4070 Super в разрешении 1440p и на 5% — в 4K. 

Реальный «железно-архитектурный» прирост небольшой, что прослеживается сквозь всю 50-ю серию: RTX 5070 Ti опережает RTX 4070 Ti Super на 7–11%, а RTX 5080 превосходит RTX 4080 Super на 4–11%. Единственная карта, существенно отрывающаяся от предыдущей флагманской RTX 4090, — это RTX 5090. Она быстрее на 20–30% в классической растеризации и на 45–50% в играх с трассировкой лучей. Однако цена на новый GPU поставила новый рекорд: $1999 за штуку.

После CES 2025 геймеры, профильные блоггеры и отраслевые эксперты постепенно начали сходиться во мнении о том, что Nvidia отошла от своих корней и повернулась к геймерам спиной, сфокусировавшись на нейронных сетях. Отчетность за первый квартал 2027 финансового (фискального) года подтверждает это: направление Gaming теперь умышленно спрятано в категорию Edge Computing вместе с решениями для автомобилей и робототехническими платформами. За квартал Edge Computing и все, что в него входит, заработали $6,4 млрд, тогда как бизнес-ветвь Data Center — $75,2 млрд. Новая классификация делает огромный разрыв между двумя направлениями менее заметным для инвесторов.

Пропасть между доходностью от игрового направления и дата-центров, а также очевидное снижение темпов развития продукции GeForce RTX заставляют задаться вопросом: а хочет ли вообще Nvidia продолжать активно заниматься GPU для геймеров? Ведь гораздо выгоднее выглядит модель, при которой вычисления окончательно «переедут в облако», а потребители будут покупать уже не видеокарты, а подписку, открывающую доступ к их мощностям в дата-центрах. Другими словами, Nvidia будет продавать компьютер как услугу.

Насколько ИТ-индустрия приблизилась к такому сценарию, какие технологии уже делают его возможным и что происходит с рынком домашних ПК прямо сейчас? Обо всем этом — в продолжении материала.