NVIDIA начала продавать инструменты для майнинга.

Автор: Ада, Deep Tide TechFlow

Сан-Франциско, конференц-центр Сан-Хосе, GTC на месте.

Главный ученый Nvidia Билл Далли сидит на сцене напротив Джефа Дина из Google. Обсуждая, он бросает число: «Ранее перенос стандартного набора элементов, содержащего около 2500–3000 единиц, требовал команды из 8 инженеров и занимал около 10 месяцев.»

Он делает паузу.

«Теперь достаточно одной видеокарты GPU, чтобы запустить за ночь.»

Зрители не восклицают, потому что все, кто понял смысл, ясно осознают, что это означает. 8 инженеров и 10 месяцев работы — всё это съедается одной собственной GPU за одну ночь. И Далли добавляет: полученные результаты по площади, энергопотреблению и задержкам сопоставимы или превосходят человеческий дизайн.

На следующий день новость интерпретируют как «Nvidia использует ИИ для проектирования GPU».

Но правда этого гораздо интереснее заголовков.

Что происходит внутри Nvidia?

Внутри Nvidia это не черный ящик, а несколько наборов инструментов, отточенных годами.

NB-Cell — программа на основе усиленного обучения, специально занимающаяся переносом стандартных элементов. Prefix RL предназначен для решения долгосрочной исследовательской задачи — размещения в цепочке предсказаний с учетом переноса. Далли говорит, что созданная система расположения «невозможно представить человеку», и по ключевым метрикам она превосходит человеческий дизайн примерно на 20–30%.

Также есть два внутренних больших языковых модели — Chip Nemo и Bug Nemo. Nvidia кормит эти модели RTL-кодами каждой GPU, архитектурной документацией и спецификациями. По словам Далли, это как дистиллировать двадцатилетнюю память Nvidia — от G80 до Blackwell — в одну внутреннюю модель, чтобы новичок сразу мог работать с опытом двух десятилетий.

Значит, «ИИ может проектировать GPU»?

Напротив. Далли прямо говорит: «Я очень хотел бы однажды сказать: ‘Дайте мне спроектировать новый GPU’, — но мы еще очень далеки от этого.»

Nvidia не использует ИИ для проектирования GPU. Но она делает другую вещь, которая в будущем изменит всю индустрию и сделает невозможным ее обход.

Покупка EDA за 2 миллиарда долларов

1 декабря 2025 года Nvidia инвестирует 20 миллиардов долларов в один из трех крупнейших поставщиков EDA — Synopsys. Компании подписывают соглашение о совместной разработке, интегрируя ускорительный стек Nvidia в весь рабочий процесс Synopsys EDA, а Blackwell и следующий поколение Rubin GPU будут глубоко интегрированы с Synopsys.ai.

Статус Synopsys требует объяснения. Каждая современная чиповая технология — Apple M-серии, AMD MI-серии, Google TPU — проектируется почти исключительно с помощью инструментов Synopsys или Cadence. Эти две компании вместе с Siemens EDA монополизировали базовые инструменты проектирования чипов. Можно не использовать чипы Qualcomm или производственные линии TSMC, но без программного обеспечения этих трех компаний не обойтись.

Через три месяца после инвестирования Nvidia привлекает Cadence, Siemens и Dassault, объявляя, что все они разрабатывают инструменты проектирования чипов на базе GPU Nvidia с помощью ИИ.

Обнародованные Nvidia бенчмарки впечатляют: Synopsys PrimeSim на Blackwell в 30 раз быстрее, Proteus — в 20 раз, Sentaurus на базе B200 в 12 раз быстрее по сравнению с CPU. MediaTek использует H100 для ускорения Cadence Spectre в 6 раз. Astera Labs с помощью Synopsys и Nvidia ускоряет проверку чипов в 3,5 раза.

Есть один важный нюанс: платформа Cadence Millennium M2000 — «эксклюзивно создана для рынка EDA и основана на NVIDIA Blackwell».

Слово «эксклюзивно» — самое важное. Раньше инструменты EDA работали на CPU, и их могли использовать Intel, AMD. Теперь, чтобы получить самый быстрый EDA, придется покупать Nvidia.

Истинная форма «флювия»

Большинство понимает «флювий» Nvidia так: продает GPU для AI-компаний, AI обучают большие модели, большие модели доказывают, что GPU незаменимы, и все больше покупают GPU.

Этот цикл уже страшен. Но под ним есть еще один слой.

Nvidia использует собственные инструменты для проектирования следующего поколения GPU, что значительно увеличивает разрыв в эффективности между поколениями, и одновременно связывает всю индустрию цепочками EDA, основанными на собственном оборудовании. Конкуренты пытаются догнать, но даже инструменты для этого приходится брать из экосистемы Nvidia.

Финансовая отчетность AMD, которая привела к падению акций, скрывает именно этот страх. Даже если Nvidia и Synopsys заявляют, что «инвестиции не обязывают покупать оборудование Nvidia», рынок понимает: первые релизы ускоренных функций EDA проходят только на оборудовании Nvidia, и AMD с Intel остаются только с «оптимизацией под платформу конкурента».

Представьте, что инженеры AMD захотят спроектировать чип, сравнимый с Blackwell. Они откроют инструменты Synopsys, которые работают быстрее всего на GPU Nvidia. Тогда либо они примут более длинный цикл проектирования, либо купят кучу Nvidia для разработки чипа, который должен его превзойти.

Инструменты все еще продаются. Но способ продажи изменился.

Реальное положение дел с отечественными GPU

Здесь важно привести несколько цифр, чтобы прояснить ситуацию.

В год, когда Nvidia достигнет чистой прибыли свыше 70 миллиардов долларов, отечественные «четыре дракона» — Moore Threads, Muoxi, Biren, Suiyuan — уже стоят в очереди на IPO.

По данным IPO Moore Threads, за 2022–2024 годы компания понесла убытки на сумму 5 миллиардов юаней, за первую половину 2025 года — еще 271 миллион, а по состоянию на 30 июня накопленные убытки достигли 1,478 миллиарда. Руководство ожидает, что первая прибыль появится не раньше 2027 года. Muoxi чуть лучше — за три года убытки превысили 3 миллиарда. Самая тяжелая ситуация у Biren: за три с половиной года убытки превысили 6,3 миллиарда, а доход за первую половину 2025 года — всего 5,89 миллиона юаней, что в разы меньше 70 миллионов юаней у Moore Threads за тот же период.

Что касается инвестиций в R&D, то у Moore Threads в 2022 году расходы на исследования и разработки составляли 2422% от выручки, а в 2024 году — 309,88%. За год компания тратит на R&D более тройной объем своей выручки. Это не бизнес, а капельница для выживания, которая продолжает получать финансирование за счет первичного рынка и недавно открывшейся технологической доски.

В сфере инструментов ситуация еще хуже. В IPO Huada Jiutian указано, что инструменты частично поддерживают 5-нм технологию. GigaDevice Electronics покрывает 7/5/3 нм, но занимается только отдельными инструментами, а полного цикла — нет.

Основатель Huada Jiutian Ван Вэйпин честно признается: «国产 EDA для передовых процессов пока явно недостаточно, особенно для 7 нм, 5 нм и 3 нм. Сейчас отечественный EDA способен работать на уровне 14 нм, хотя освоены технологии 7 нм, но для полноценной интеграции с реальным применением требуется совместная работа всей индустрии.»

То есть, полный цикл EDA для передовых технологий — практически недоступен отечественным разработчикам. Чипы для своих GPU используют все еще Synopsys и Cadence. В 2025 году Трамп объявил о возможных экспортных ограничениях на ключевое программное обеспечение, хотя это и не было реализовано, — EDA для технологий ниже 7 нм остается под строгим контролем. Когда и как разрешат — зависит от других.

Реакция рынка фантастична. В день IPO Muoxi цена выросла на 693%, достигнув 829,9 юаней. После IPO Moore Threads цена достигла третьего места среди A-акций, уступая только Kweichow Moutai и Cambrian, и по оценкам, рыночная капитализация достигла около 359,5 миллиардов юаней.

За этими цифрами скрывается реальный бизнес: компании, которые все еще тратят деньги и терпят убытки, зависят от иностранных инструментов, под контролем, и при этом оцениваются рынком как «национальный Nvidia».

А инструменты для проектирования чипов, которые используют эти компании, становятся частью экосистемы Nvidia. Связка Nvidia и Synopsys за 20 миллиардов долларов, ярлык «эксклюзивно основано на NVIDIA Blackwell» у Cadence M2000 превращают гонку за технологическое превосходство в парадокс.

Полная цепочка от проектирования до производства

Возвращаясь к разговору на GTC.

Далли ведет себя очень скромно: «ИИ еще очень далеко от самостоятельного проектирования чипов», — это Nvidia говорит уже четвертый-пятый год. Но каждый год формулировка меняется. Четыре года назад — «ИИ может помогать проектировать», три года назад — «ИИ может автоматизировать отдельные этапы», а в этом году — «за одну ночь выполнить работу 8 человек за 10 месяцев». Каждый год делается шаг вперед, и каждый год остается фраза «до конечной цели еще очень далеко». Если оглянуться через три года, то то, что казалось «еще очень далеко», уже достигнуто, а новые «очень далеко» — это те области, где конкуренты еще не дотягивают.

За последние двенадцать месяцев Nvidia сделала только одно — внедрила ИИ в самые ценные и защищенные сегменты цепочки производства чипов, и продает эти инструменты поэтапно всему рынку.

На фронте проектирования — внутренние LLM вроде Chip Nemo; на этапе переноса стандартных элементов и оптимизации — NB-Cell, Prefix RL; всю цепочку EDA — через 20 миллиардов долларов Synopsys и эксклюзивную интеграцию Cadence с Blackwell; на этапе производства — фотолитографию — через cuLitho, уже используют TSMC.

От проектирования до производства — Nvidia использует ИИ на каждом этапе. И все они ведут к одному результату: чтобы использовать самые быстрые инструменты, нужно покупать Nvidia.

Для всех, кто хочет создать чип, способный превзойти Blackwell, уже случилось самое неловкое: инструменты для проектирования этой чипа работают быстрее всего на GPU Nvidia; алгоритмы фотолитографии — на Nvidia; вычислительные мощности для обучения ИИ — тоже на Nvidia.

Тот, кто хочет его победить, арендует все необходимые инструменты у Nvidia. Аренда платится ежегодно, и цена растет.