AI uzplaukums ieiet jaunā fāzē, un pārmaiņas notiek ātrāk, nekā daudzi gaidīja. Sacensības vairs nav tikai lielāku modeļu apmācība. Tas ir par to efektīvu darbību mērogā. Šīs pārmaiņas piesaista miljardus dolāru jaunai AI mikroshēmu jaunizveidotu uzņēmumu klasei, kuras mērķis ir tieši Nvidiaspēcīgāko pozīciju.
Gadiem ilgi Nvidia GPU ir nodrošinājuši mūsdienu AI pieaugumu. Mikroshēmas, kas sākotnēji bija paredzētas spēlēm, kļuva par modeļu apmācības un ieviešanas mugurkaulu. Šī priekšrocība padarīja Nvidia par visvērtīgāko uzņēmumu pasaulē un nodrošināja tai AI infrastruktūras slāņa satvērienu, ko daži varētu apstrīdēt.
Tagad saķere tiek pārbaudīta.
Nvidia AI mikroshēmu konkurenti piesaista rekordfinansējumu, konkurencei saasinoties
2026. gadā AI mikroshēmu jaunizveidotie uzņēmumi visā pasaulē ir palielinājuši 8,3 miljardus ASV dolāru, ziņoja CNBC, atsaucoties uz Dealroom datiem. Paredzams, ka šis skaitlis vēl vairāk pieaugs, ja finansējuma temps saglabāsies. Investori vairs neuzskata AI mikroshēmas par nišas kategoriju. Viņi tos atbalsta kā nākamā skaitļošanas viļņa galveno daļu.
Pāreja ir saistīta ar vienu vārdu: secinājums.
Apmācības modeļi bija AI uzplaukuma pirmais posms. Nākamais ir šo modeļu palaišana reālās pasaules lietojumprogrammās. Katra tērzēšanas robota atbilde, ieteikums vai mākslīgā intelekta ģenerēta izvade ir atkarīga no secinājuma. Šeit izmaksas palielinās, un veiktspējai ir lielāka nozīme nekā neapstrādātam apjomam.
Jaunuzņēmumi redz atvēršanos.
Arguments ir vienkāršs. GPU netika veidoti, lai secinātu darba slodzi mērogā. Tie darbojas, taču ne pietiekami efektīvi, kad miljoniem pieprasījumu nonāk ražošanas sistēmās. Jaunās arhitektūras sola ātrāku reakciju, mazāku enerģijas patēriņu un ievērojami zemākas izmaksas.
“Šobrīd dominē secinājumi, un esošā GPU arhitektūra tai netika izstrādāta tādos veidos, kas ir vissvarīgākie,” CNBC sacīja Patriks Šneiders-Sikorskis, NATO Inovāciju fonda (NIF) direktors, kurš ir ieguldījis Lielbritānijas AI mikroshēmu startup Fractile.
Šī domāšana virza eksperimentu vilni visā mikroshēmu kaudzē. Dibinātāji pārdomā visu, sākot no datu pārvietošanās caur procesoru līdz tam, kā tiek piekļūts atmiņai, un pat to, kā gaisma var aizstāt elektrību kustīgajā informācijā.
NVIDIA nestāv uz vietas. Uzņēmums joprojām agresīvi virzās, lai aizstāvētu savu pozīciju. Decembrī tā iegādājās aktīvus no secinājumu sācējuzņēmuma Groq ar 20 miljardu dolāru darījumu. Mēnešus vēlāk tā piešķīra 4 miljardus ASV dolāru uzņēmumiem, kas nodarbojas ar fotoniku. Pēdējā finanšu gadā, kas beidzās 2026. gada janvārī, Nvidia pētniecībai un attīstībai iztērēja vairāk nekā 18 miljardus USD.
Šis investīciju līmenis skaidri parāda: Nvidia redz tādas pašas izmaiņas, ko dara visi pārējie.
Tajā pašā laikā investori ir gatavi finansēt izaicinātājus plašā mērogā. ASV Cerebras Systems šogad piesaistīja 1 miljardu dolāru. MatX, Ayar Labs un Etched katrs ir nodrošinājuši 500 miljonus USD. Eiropā Axelera un Olix katrs ir savākuši vairāk nekā 200 miljonus ASV dolāru, un vairāki citi ir sagatavojuši deviņu ciparu kārtas.
“Tā vairs nav nišas likme,” sacīja Karloss Espināls, Seedcamp vadošais partneris, kas atbalstīja mikroshēmu starta uzņēmumu Vaire Computing. “Tas kļūst par galveno daļu no tā, kā cilvēki domā par AI infrastruktūru.”
Finansējuma pieaugums nenotiek atsevišķi. Parādās jauna AI mikroshēmu jaunuzņēmumu grupa, un katrs no tiem ir vērsts uz konkrētu Nvidia GPU modeļa vājumu, sākot no latentuma un enerģijas patēriņa līdz mērogošanas secinājumu izmaksām.
Populārākie AI mikroshēmu jaunizveidotie uzņēmumi, kas izaicina Nvidia 2026. gadā
Ne visi uzņēmumi, kas pievērš investoru uzmanību, cenšas sasniegt vienu un to pašu mērķi. Katrs no tiem uzbrūk citam sašaurinājumam AI sistēmu darbības mērogā.
Groq veido valodu apstrādes vienības, kas paredzētas ātriem, paredzamiem secinājumiem, nodrošinot zema latentuma atbildes lieliem valodu modeļiem, kur ātrums ir vissvarīgākais.
Smadzeņu sistēmas ir izvēlējies citu ceļu ar vafeļu mēroga mikroshēmām, kas vienā silīcija gabalā iesaiņo milzīgus aprēķinus, samazinot vajadzību pēc sarežģītām sadalītām sistēmām.
Gaismas matērija ir derības par fotonisko skaitļošanu, datu pārvietošanai izmantojot gaismu, nevis elektrību, samazinot enerģijas patēriņu un uzlabojot ātrumu.
Tenstorrentkuru vada Džims Kellers, veido AI procesorus ap RISC-V, piedāvājot atvērtāku un elastīgāku pieeju dažādām darba slodzēm.
SambaNova sistēmas ir vērsta uz pārkonfigurējamām arhitektūrām, kas pielāgojas apmācībai un secinājumiem, sniedzot uzņēmumiem lielāku kontroli pār izvietošanu.
Atsaistīt AI un d-Matrica risina vienu no AI lielākajām vājajām vietām, novietojot aprēķinus tuvāk atmiņai, samazinot datu kustību un uzlabojot efektivitāti.
Sveiks ir vērsta uz malu vidi, ļaujot AI modeļiem darboties ierīcēs ar ierobežotu jaudu un vietu.
Debesu AI izstrādā optiskos starpsavienojumus, kas efektīvāk saista aprēķinus un atmiņu, lai pārsniegtu pašreizējos veiktspējas ierobežojumus.
Iegravēts un Taalas izmanto specializētāku pieeju, veidojot mikroshēmas, kas paredzētas konkrētiem AI modeļiem, lai palielinātu veiktspēju un samazinātu izmaksas.
Kopā šie uzņēmumi atspoguļo plašākas izmaiņas AI infrastruktūras veidošanā. Uzmanība tiek virzīta prom no vispārējas nozīmes aprēķiniem uz dizainparaugiem, kas ir cieši saskaņoti ar to, kā AI faktiski tiek izmantots ražošanā.
Tas, kas saista visus šos centienus, ir kopīga derība: mākslīgā intelekta nākotni izlems nevis tas, kurš var apmācīt lielāko modeli, bet gan tas, kurš to var visefektīvāk vadīt mērogā.
Tā ir spiediena veidošana ap Nvidia.
Uzņēmums joprojām ieņem vadošo pozīciju ar dziļu programmatūras ekosistēmu, spēcīgu izstrādātāju lojalitāti un finansiālo spēku, ko investēt visās grupās. Neviens starta uzņēmums nav pietuvojies šai kombinācijai.
Bet tirgus mainās. Pieaugot pieprasījumam pēc secinājumiem, AI darbības izmaksas kļūst par galveno problēmu katram uzņēmumam, kas to ievieš. Tas paver durvis alternatīvām, kas var nodrošināt labāku veiktspēju par vienu dolāru.
Rezultāts ir jauns posms AI mikroshēmu sacīkstēs. Mazāk par neapstrādātu jaudu. Vairāk par efektivitāti, izmaksām un kontroli.
Un pirmo reizi pēc gadiem Nvidia saskaras ar labi finansētu konkurentu vilni, kas ir izveidota tieši šim brīdim.
