На Nvidia GTC 2026,黃仁勳 впевнено заявив: багато компаній, що виникли з AI-орієнтованих технологій, з’явилися тому, що NVIDIA «переформулювала визначення обчислень». Він сказав, що ми перебуваємо на початку нової платформи революції, подібної до революції персональних комп’ютерів. За останні два роки, з появою ChatGPT, ера генеративного AI справді почалася.
黃仁勳 показав ключовий слайд, що розкриває, що світовий ринок AI-обчислень входить у стадію бурхливого зростання. На графіку видно, що потенційний обсяг ринку дата-центрів (TAM) з 2025 року приблизно 500 мільярдів доларів за короткий рік виріс понад 1 трильйон доларів ($1T) і продовжує зростати. Найважливішою концепцією на слайді є «Inference Inflection» (поворот у напрямку до висновків).
Раніше розвиток AI зосереджувався переважно на етапі тренування (Training), тобто навчанні моделей на великих обсягах даних. Але з дозріванням великих моделей AI починає застосовуватися у різних продуктах і сервісах, таких як обслуговування клієнтів, генерація зображень і розробка програм. Це означає, що фокус ринку поступово зміщується з тренування до висновків (Inference). Коли AI використовується мільярдами користувачів одночасно, кожне запит, генерація зображення або відео потребує обчислювальної потужності. Така високочастотна, низьколатентна обробка викликає геометричне зростання потреб у обчислювальних ресурсах для висновків.
На початку виступу 黃仁勳 довго розповідав про застосування програмного стеку Nvidia у різних галузях, особливо про екосистему бібліотек CUDA-X. Він сказав: «Ми — компанія алгоритмів». Він підкреслив, що реалізація AI — це не лише генеративний AI. «Просто кидати GenAI на стіну і чекати, чи спрацює — не стратегія». Він вважає, що різні галузі мають дуже різні проблеми, тому Nvidia потрібно розробляти спеціалізовані бібліотеки (domain-specific libraries).
Поворот у напрямку до висновків: світовий масштаб дата-центрів наближається до трильйона доларів
На головній презентації Nvidia GTC 2026 黃仁勳 показав ключовий слайд, що демонструє, що світовий ринок AI-обчислень входить у стадію бурхливого зростання. Потенційний обсяг ринку дата-центрів (TAM) з 2025 року приблизно 500 мільярдів доларів за короткий час виріс понад 1 трильйон доларів і продовжує зростати.
Найважливішою концепцією на слайді є «Inference Inflection». Раніше розвиток AI зосереджувався на тренуванні моделей, але з дозріванням великих моделей AI починає застосовуватися у різних сферах, таких як пошук, обслуговування клієнтів, генерація зображень і розробка програм. Це означає, що фокус ринку поступово зміщується з тренування до висновків.
Коли AI використовується мільярдами користувачів одночасно, кожен запит, генерація зображення або відео потребує обчислювальної підтримки. Така високочастотна, низьколатентна обробка викликає геометричне зростання потреб у обчислювальних ресурсах для висновків, що Nvidia вважає головною рушійною силою для ринку AI дата-центрів на трильйон доларів.
На правій стороні слайду структура ринку показує, що нинішні потреби у AI-обчисленнях здебільшого виникають від двох основних груп клієнтів. Близько 60% попиту припадає на гігантські хмарні сервіси (Hyperscalers) і AI-орієнтовані компанії. До них належать:
Amazon Web Services
Google Cloud
Microsoft
та розробники AI-моделей:
OpenAI
Anthropic
xAI
Ще 40% попиту приходить з нових галузей, які Nvidia активно розвиває останнім часом, включаючи суверенний AI (Sovereign AI), промислові та корпоративні застосування. Суверенний AI — це створення державних AI-інфраструктур, що базуються на власних мовах, культурах і даних країни. Наприклад:
створення національних суперкомп’ютерів для AI
тренування локальних мовних моделей
забезпечення національного суверенітету даних
Крім того, традиційні галузі починають масштабно впроваджувати AI, зокрема:
автомобільна та системи автопілота
виробництво і розумні фабрики
медична обробка зображень
фінансові моделі ризиків
У центрі слайду також наведено основні екосистеми AI-моделей, включаючи ChatGPT, Gemini, Grok та різноманітні відкриті моделі. Зокрема Anthropic і Meta Superintelligence Labs позначені як нові сили, що з’являються після 2025 року, що свідчить про швидке зростання конкуренції у сфері AI-моделей.
黃仁勳 на GTC 2026: Nvidia — це «компанія алгоритмів»
黃仁勳 у своїй промові довго розповідав про застосування програмного стеку Nvidia у різних галузях — від медицини, виробництва, фінансів до хмарних обчислень. Він підкреслив, що всі можливості зводяться до екосистеми бібліотек CUDA-X. «Ми — компанія алгоритмів», — сказав він. Він описав CUDA-X як «коштовність на короні Nvidia», наголошуючи, що справжня цінність GPU полягає у програмній платформі, а не лише у апаратному забезпеченні.
Одним із найважливіших компонентів є cuDNN, спеціальна бібліотека для високоефективного прискорення глибоких нейронних мереж на GPU, яка довгий час широко використовується у провідних AI-фреймворках і стала важливою частиною сучасної інфраструктури глибокого навчання.
黃仁勳 знову підкреслив важливість програмного забезпечення для AI-екосистеми і зазначив, що cuDNN — одна з найважливіших бібліотек компанії, навіть назвавши її «вибухом, що спричинив сучасну хвилю штучного інтелекту». На виставці Nvidia показала короткий ролик про свою екосистему CUDA-X, у якому була знята майже фальшива відео, створене AI і моделями, щоб підкреслити прориви GPU і глибокого навчання у візуальних обчисленнях.
黃仁勳: AI потребує «програмних бібліотек для галузей»
黃仁勳 зазначив, що реалізація AI — це не лише генеративний AI. «Просто кидати GenAI і чекати, чи спрацює — не стратегія». Він вважає, що через дуже різні проблеми у різних галузях Nvidia потрібно розробляти спеціалізовані бібліотеки (domain-specific libraries), щоб забезпечити оптимальні рішення для кожної вертикалі.
Це причина, чому екосистема CUDA-X постійно розширюється і вже охоплює десятки галузей, таких як:
наукові обчислення
медична обробка зображень
автономне водіння
фінансовий аналіз
інженерія даних
Ці бібліотеки дозволяють GPU максимально ефективно працювати у різних галузевих сценаріях.
Вертикальна інтеграція та горизонтальна відкритість AI-стеку
黃仁勳 описав стратегію Nvidia як «вертикально інтегровану, але горизонтально відкриту». Це означає, що Nvidia пропонує повний стек — від чипів, систем і програмного забезпечення до платформ застосунків, але водночас дозволяє компаніям і розробникам створювати додатки на своїй платформі. У контексті вибуху попиту на AI-обчислення Nvidia вважає цю модель єдиним шляхом для прискореного розвитку обчислень (accelerated computing).
Ключовий напрямок у AI: необроблені дані
黃仁勳 також згадав ще одну важливу задачу AI — обробку неструктурованих даних. Він зазначив, що близько 90% світових даних — це неструктуровані дані, такі як зображення, відео, голос і природна мова, які раніше вважалися майже безкорисними через труднощі з пошуком і аналізом. З розвитком AI і GPU-ускорення ці дані поступово перетворюються на цінні активи для аналізу.
Наприклад, IBM використовує Nvidia cuDF — фреймворк для прискорення обробки даних на GPU — для підвищення ефективності платформи WatsonX, що дозволяє швидко аналізувати великі обсяги неструктурованих даних.
OpenAI планує використовувати AWS для зменшення навантаження на обчислювальні ресурси
Обговорюючи інфраструктуру AI, 黃仁勳 також згадав про потреби OpenAI у обчислювальних ресурсах. Він зазначив, що наразі OpenAI «повністю залежить від обчислювальних потужностей», і цього року компанія почне використовувати інфраструктуру Amazon Web Services для зменшення навантаження на свої обчислювальні системи.
