7 Minutės
Trilijonas dolerių. Ne rinkos kapitalizacijai — pajamoms. Tokį mastą Nvidia dabar viešai siekia ir susieja tą ambiciją su sparčiai formuojama idėja, kuri pradeda pertvarkyti, kaip iš tikrųjų kuriama programinė įranga: agentinė dirbtinė intelektas (agentinė DI).
Pranešdamas Kalifornijoje vykusioje Nvidia GPU technologijų konferencijoje (GPU Technology Conference), generalinis direktorius Jensen Huang pateikė įspūdingą prognozę. Bendrovė tikisi, kad jos platformos Blackwell ir Vera Rubin generuos 1 trilijono dolerių pajamas iki 2027 m. — dvigubai daugiau nei 500 mlrd. dolerių tikslas, kurį kompanija nurodė vos prieš metus. Tokia didžiulė persvara nėra vien optimizmas. Tai signalas, kad Nvidia mato, jog visa DI ekonomika smarkiai kinta.
Huang pasitikėjimas remiasi paprasta, bet galinga prielaida: DI paklausa nesilpnėja — ji spartėja. Ir ne tik dėl didesnių modelių, o todėl, kad šie modeliai pradeda veikti autonomiškai.
Iš modelių link sistemų, kurios veikia
Agentinė DI yra šios vizijos centras. Skirtingai nei tradicinės sistemos, kurios laukia užklausų (prompt), šie agentai gali planuoti, vykdyti ir prisitaikyti — atlikdami sudėtingas, daugiapakopes užduotis su minimaliu žmogaus įsikišimu. Šis poslinkis keičia viską, ypač kur iš tikrųjų susikaupia didžiausios skaičiavimo sąnaudos.
Anksčiau diskusijose dominavo modelių mokymas (training). Dabar inferencija — momentas, kai DI realiai atlieka darbą — tampa pagrindiniu įvykiu. Kuo daugiau agentinių sistemų veikia nuolat, generuodamos ir apdorodamos milžiniškus tokenų srautus, tuo labiau auga infrastruktūra, reikalinga jas palaikyti. Tai reiškia daugiau skaičiavimo laiko, didesnę atminties pralaidumą, greitesnę tinklo infrastruktūrą ir specializuotą aparatinę įrangą, skirtą ilgoms, pastovioms inferencijos užduotims.
Ką reiškia „agentinė“?
Agentinė DI — tai programinės įrangos komponentai, kurie ne tik atsako į vienkartines užklausas, bet ir turi gebėjimą savarankiškai priimti sprendimus per ilgesnį laiko tarpą. Jie sukuria planus, suskirsto užduotis, deleguoja subtasks kitoms sistemoms arba įrankiams ir įvertina rezultatus. Tai perkelia programavimo darbo pobūdį: nuo tekstinių užklausų ir vienkartinių API iškvietimų prie ilgalaikių, iteratyvių darbo eigų ir nuolat veikiančių automatizacijos grandinių.
Mokymas vs. inferencija: kur glūdi išlaidos?
Tradiciškai daugiausia dėmesio skirta modelių mokymui — didžiuliai GPU klasteriai, milijonai dolerių GPU sąnaudų ir ilgai trunkantys eksperimentai. Tačiau agentinių sistemų eroje inferencija tampa kainuojančia dalimi. Nuolatinės paslaugos, veikiančios 24/7, generuoja pastovius skaičiavimo kaštus: milijardai tokenų per dieną reiškia nuolatinius GPU/ASIC ciklus, didelę tinklo pralaidumą ir perdirbimo vėlavimo (latency) valdymą. Be to, agentai dažnai jungia kelis modelius ir įrankius, todėl inferencijos architektūra tampa sudėtingesnė — reikalingi tiek trumpalaikiai, tiek ilgalaikiai skaičiavimo resursai.
Praktinis pavyzdys: programavimo darbo transformacija
Huang nurodė Anthropic Claude Code kaip lūžio tašką: viduje Nvidia, pasak jo, programinės įrangos inžinieriai retai dirba visiškai vieni. DI agentai integruojasi į darbo eigą — rašo, peržiūri ir optimizuoja kodą kartu su žmonėmis. Tai pokyčiai, kurie tyliai keičia programavimo prigimtį: mažiau ad-hoc užduočių ir daugiau ilgalaikio procesų automatizavimo, kur AI veikia kaip nuolatinis kolega ar orkestratorius.
Toks požiūris paryškina, kad agentinė DI nėra tik dar vienas programinės įrangos sluoksnis — tai „naujas kompiuteris“: platforma, ant kurios stovės daug verslo procesų ir automatizacijos sprendimų.
Platformos žaidimas plečiasi
Nvidia ne tik kalba apie šią ateitį — ji agresyviai ją kuria. Bendrovė paskelbė apie iniciatyvų bangą, kurios visos kryptys veda į tą patį tikslą: valdyti infrastruktūrą už autonominių DI sistemų.
Įtraukiami CPU ir specializuoti lustai
Tradiciniai DI sprendimai buvo GPU centriški, tačiau agentinių sistemų inferencijai reikalingas platesnis įrangos asortimentas. Nvidia stiprina įsitraukimą į CPU segmentą, taip pat vysto naujus inferencijai skirtus lustus po Groq įsigijimo. Tokie sprendimai orientuoti į mažesnį vėlavimą, didesnį energijos efektyvumą ir specifinius darbo krūvius, kuriuos sukuria ilgalaikiai agentų srautai.
Atviro kodo partnerystės ir jų reikšmė
Ypatingai svarbi yra Nvidia partnerystė su OpenClaw — atviro kodo agentų platforma, greitai sulaukusi dėmesio dėl savo galimybių ir rizikų. Huang palygino OpenClaw vaidmenį su ankstyvąja Windows: pamatiniu sluoksniu agentinės kompiuterijos era. Jo nuomone, verslai, kuriems kadaise reikėjo „HTML strategijos“ interneto eroje, netrukus reikalaus „OpenClaw strategijos“ agentų amžiuje.
Tokia palyginimų prigimtis parodo strateginį mąstymą: valdyti platformą reiškia valdyti priklausomybę nuo ekosistemos — kuri aparatūra, kuri programinė įranga bus prioritetinė. Atviro kodo sprendimai gali išplitę greičiau, bet taip pat juos lengviau įtaisyti į skirtingas aparatinės įrangos konfigūracijas, kuriomis domisi Nvidia.
Saugumo ir privatumo iššūkiai
Tačiau atviro kodo agentai kelia rimtų saugumo ir privatumo klausimų. OpenClaw reikalauja plataus prieigos prie vartotojo sistemų, kas kelia grėsmes enterprise aplinkoms. Ataskaitos rodo, kad didžiosios technologijų kompanijos ir kai kurios vyriausybinės institucijos įspėjo prieš neribotą tokių agentų naudojimą. Viename plačiai aptartame incidente, kaip pranešama, AI agentas ištrynė įmonės pašto dėžutę — tai „edge case“, bet labai atskleidžiantis pavojus.
Į tai Nvidia atsako NemoClaw — labiau kontroliuojama, verslui skirta OpenClaw versija, sukurta spręsti privatumo ir saugumo problemas. Tai taip pat aiškus ženklas, kad kompanija siekia stipresnės pozicijos atvirojo kodo ekosistemoje — ne iš altruizmo, o todėl, kad atviros platformos gali skatinti didesnę priklausomybę nuo Nvidia aparatinės įrangos.
Kosmosas, robotaksi ir nauji rinkos horizontai
Ambicijos net neprilygsta Žemei. Huang intriguoja idėja apie kosmose veikiančius DI duomenų centrus, maitinamus būsimų Vera Rubin sistemų, taip pat partnerystes su Hyundai, Nissan, BYD ir Geely, siekiant išplėsti robotaksi gamybą iki 18 mln. vienetų per metus. Tai vizija, kur DI ne tik padeda pramonėms — ji jas valdo.
Tokios ambicijos apima kelių sluoksnių technologinę grandinę: nuotolinio skaičiavimo sprendimai, mažos vėlavimo sąsajos su žemės sistemas, autonominių transporto priemonių valdymo programinės įrangos standartai ir masinė gamyba. Visa tai reikalauja tiek technologinių naujovių, tiek reguliacinio suderinamumo ir tiekimo grandinės optimizavimo.
Finansiniai ir rinkos nuotaikos iššūkiai
Visgi ne visi pasiduoda šiai pagundai. Investuotojai pradeda atvėsti nuo milžiniškų išlaidų ciklų, kurie kadaise kurstė DI entuziazmą. Net stiprūs finansiniai rezultatai negali visiškai apsaugoti Nvidia nuo skeptiškumo: akcijų kaina kartais krenta net po antraštes sukėlusių pranešimų.
Toks įtampas — tarp drąsių technologinių įsitikinimų ir augančio finansinio atsargumo — galėtų apibrėžti kitą DI fazę. Nvidia stato ant to, kad agentinės sistemos pateisins infrastruktūros investicijas; rinka kol kas nevisiškai įtikinta.
Techninės detalės ir architektūriniai svarstymai
Iš techninės perspektyvos agentinė DI kelia keletą svarbių reikalavimų architektūrai:
- Latencijos valdymas: agentai dažnai reikalauja greito atsako, ypač realaus laiko taikymuose (pvz., robotika arba finansinės prekybos sistemos).
- Skalavimas: nuolatinės darbo apkrovos reikalauja horizontalaus ir vertikalaus skalavimo mechanizmų, kuriuose kaina ir energijos suvartojimas yra optimizuojami.
- Heterogeninė aparatinė įranga: optimalūs sistemos sprendimai gali derinti GPU, specializuotus ASIC, greitus CPU ir edge įrenginius.
- Duomenų valdymas ir privatumas: ilgalaikiai agentų darbai generuoja didžiulius žurnalus (logs) ir kontekstinius duomenis, kuriuos reikia saugoti, valdyti ir audituoti.
- Orkestracija: agentų orkestravimo sluoksnis turi valdyti daugelį modelių, „tooling“ integracijas ir žmogaus įsikišimo taškus.
Šie techniniai reikalavimai aiškiai rodo, kodėl Nvidia nori būti ne vien GPU tiekėja, o pilnų stogu (end-to-end) sprendimų tiekėja agentinės DI eroje.
Jei Huang teisus, kitas skaičiavimo revoliucijos etapas nebus apie protingesnius įrankius — jis bus apie autonomines sistemas, kurios imsis kontrolės.
Komentarai
matrica
Ar tikrai trilijonas pajamoms? Skamba kaip reklama... Agentai daug žada, bet privatumas, saugumas, infra, rimti klausimai. Kas garantuos?
Palikite komentarą