Изкуственият интелект създава работни места, а не ги унищожава. Това заяви категорично главният изпълнителен директор на Nvidia Дженсън Хуанг по време на разговор с журналистката от MSNBC Беки Куик, организиран от икономическия институт „Милкен“.

„AI е генератор на работни места в индустриален мащаб, а не предвестник на масова безработица, в какъвто така наречените „пророци“, често го обвиняват.“,

подчерта Хуанг по време на дискусията.

Технологичният лидер се опита да разсее нарастващите страхове около изкуствения интелект и влиянието му върху пазара на труда. Беки Куик постави въпроса дали скоростта на тези промени няма да доведе до по-сериозни икономически сътресения и по-голямо неравенство в сравнение с предишни технологични революции.

Хуанг обаче запази оптимистичен тон. Според него изкуственият интелект е „най-добрият шанс на САЩ за реиндустриализация“. Той подчерта, че около AI вече се изгражда цяла нова индустриална екосистема – включително модерни фабрики за хардуер, който е в основата на технологията. А тези производства, както и разрастващият се сектор, изискват работна ръка.

По думите му автоматизацията на отделни задачи не означава, че цели професии ще изчезнат. Хората често бъркат „задачите“ с „ролята“ на дадена позиция – дори AI да поеме част от работата, по-широката функция на служителя остава.

Хуанг критикува и твърденията, че AI ще доминира над човечеството или ще унищожи цели икономически сектори. По думите му най-големият риск е, че подобни „научнофантастични“ сценарии плашат хората дотолкова, че започват да възприемат технологията като заплаха и избягват да работят с нея, вместо да се възползват от възможностите ѝ.

Интересното е, че част от апокалиптичната нагласа идва именно от самата AI индустрия, като според критици тя често служи за създаване на шум и интерес около продукти, които все още не отговарят на тези обещания.

Въпреки оптимизма , финансови и академични анализи сочат, че до 15% от работните места в САЩ могат да бъдат засегнати в следващите години. За Дженсън Хуанг обаче фокусът трябва да остане върху реалната полза от технологията, която по думите му ще остане основен двигател за откриване на нови позиции, а не инструмент за тяхното унищожаване

Nvidia предупреждава, че разходите за AI вече се превръщат в ключово ограничение за компаниите. Така при определени сценарии разходите за използването на изкуствен интелект могат да надхвърлят тези за служители – показател за това колко капиталово интензивни стават големите внедрявания. Тези предупреждения променят значително начина, по който трябва да се оценява технологията. 

Досега фокусът беше върху възможностите на моделите и скоростта на внедряване. Все по-често обаче компаниите започват да се сблъскват с друг въпрос: колко струва всъщност мащабирането на AI и дали бизнес моделът може да го издържи.

Nvidia е в центъра на този процес

Позицията на компанията не е случайна. GPU ускорителите на Nvidia стоят в основата на голяма част от съвременните AI системи, което я превръща едновременно в основен печеливш от търсенето и в ключов глас по темата за разходите и ефективността.

Това дава на Nvidia уникална перспектива: тя вижда едновременно растящото търсене и нарастващото напрежение върху бюджетите на клиентите.

Битката вече е за ефективност на долар

Компанията продължава да инвестира агресивно в ново поколение хардуер и софтуерни оптимизации, като целта е подобряване на т.нар. performance-per-dollar — метрика, която става все по-важна за корпоративните клиенти.

Това е логична еволюция. Ако първата фаза на AI беше за това кой може да изгради най-мощните модели, следващата изглежда ще бъде за това кой може да ги направи икономически устойчиви.

NVIDIA и глобалните лидери в индустриалния софтуер въвеждат дизайна, инженерството и производството в ерата на AI
NVIDIA обяви партньорства с Cadence, Dassault Systèmes, PTC, Siemens и Synopsys, за да вкара CUDA-X, Omniverse и GPU-ускорени инструменти в индустриалните работни процеси. Инициативата е насочена към по-бърз дизайн, инженерна разработка и оптимизация на големи производствени структури (фабрики/заводи).

Hyundai, Kia и NVIDIA разширяват партньорството си за автономното шофиране от следващо поколение
NVIDIA съобщи, че Hyundai и Kia разширяват работата си с компанията около системи за автономно управление, изградени върху платформата DRIVE Hyperion. Съобщението подсказва, че автомобилният стек на NVIDIA продължава да набира инерция при системите за следващо поколение превозни средства.

NVIDIA пуска отворен blueprint за physical AI, за да ускори роботиката и автономното управление
NVIDIA представи отворена референтна архитектура, създадена да автоматизира начина, по който се генерират, обогатяват и оценяват тренировъчните данни за physical AI. Идеята е да се намалят разходите и сложността при обучението на системи за роботика, компютърно зрение и автономно управление.

Roche разширява AI партньорството с NVIDIA в развойната дейност, диагностиката и производството
Roche разширява внедряването на NVIDIA до над 3500 Blackwell GPU-та в глобалните си операции. NVIDIA представя проекта като показателен пример за това как AI фабрики могат да се използват едновременно в развойна дейност, диагностика и производство.

NVIDIA, T-Mobile и партньори интегрират physical AI приложения върху инфраструктура, готова за AI-RAN
NVIDIA и T-Mobile съобщиха, че работят с Nokia и други разработчици, за да пренесат приложения за physical AI върху разпределени edge AI мрежи. Проектът показва, че телекомуникационната инфраструктура все повече се превръща в платформа за AI услуги в реално време.

Adobe и NVIDIA обявяват стратегическо партньорство за следващото поколение модели Firefly и за creative, marketing и agentic работни процеси
Adobe и NVIDIA представиха по-широк съюз около AI-базирано създаване, продукция и персонализация. Партньорството включва работа по бъдещите модели Firefly, както и по agentic работни процеси за творчески и маркетингови приложения.

BYD, Geely, Isuzu и Nissan приемат NVIDIA DRIVE Hyperion за Level 4 автомобили
Внедряването на DRIVE Hyperion се разширява с BYD, Geely, Isuzu и Nissan, наред с други компании от сектора на мобилността. NVIDIA  представя това като знак за нарастващо търсене на мащабируеми платформи за Level 4 автономни превозни средства.

NVIDIA дава старт на следващата индустриална революция в knowledge work с отворена платформа за разработка на агенти
NVIDIA пусна отворена платформа за разработка на агенти, изградена около Agent Toolkit и runtime средата OpenShell. Целта е компаниите да могат да създават и управляват автономни, самоусъвършенстващи се AI агенти по-безопасно и по-ефективно.

NVIDIA създава Nemotron Coalition от водещи глобални AI лаборатории, за да ускори развитието на отворени frontier модели
NVIDIA представи Nemotron Coalition – нова форма на сътрудничество между разработчици на отворени модели и AI компании. Инициативата има за цел да обедини изследвания, данни, експертиза и изчислителен ресурс, за да ускори развитието на frontier open models.

NVIDIA разширява семействата си от отворени модели, за да захрани следващата вълна от agentic, physical и healthcare AI
NVIDIA разшири портфолиото си от отворени модели с нови версии, насочени към разработчици и учени, които създават системи, способни да разсъждават и действат в корпоративна среда, роботика и здравеопазване. Компанията позиционира отворените модели като основа за по-широко внедряване на AI.

NVIDIA обявява NemoClaw за общността OpenClaw
NVIDIA представи NemoClaw – стек за агент платформата OpenClaw, който позволява разгръщане на моделите Nemotron и runtime средата OpenShell с една-единствена команда. По думите на компанията пакетът добавя механизми за поверителност и сигурност, за да направи автономните агенти по-надеждни.

NVIDIA влиза в space computing и изстрелва AI в орбита
NVIDIA платформите за ускорени изчисления се разширяват към орбитални центрове за данни, геопространствено разузнаване и автономни космически операции. Това е опит AI производителност от клас – център за данни да бъде пренесена в силно ограничени космически среди.

NVIDIA пуска референтен дизайн за Vera Rubin DSX AI Factory и blueprint за дигитален двойник Omniverse DSX с широка индустриална подкрепа
NVIDIA представи референтен дизайн за AI фабрики Vera Rubin DSX и направи общодостъпен blueprint-а за дигитален двойник Omniverse DSX. Компанията твърди, че комбинацията ще помогне на клиентите да проектират и симулират голяма AI инфраструктура още преди нейното внедряване.

NVIDIA представя Vera CPU – процесор, създаден специално за agentic AI
NVIDIA анонсира Vera CPU, който описва като първия процесор, разработен специално за agentic AI и reinforcement learning. Компанията твърди, че чипът осигурява по-висока ефективност и по-бърза производителност спрямо традиционните rack-scale CPU решения.

NVIDIA представя storage архитектурата BlueField-4 STX с широко индустриално внедряване
NVIDIA обяви BlueField-4 STX – модулна storage архитектура, създадена за long-context reasoning при agentic AI. Системата е замислена така, че да улесни компаниите и cloud доставчиците при внедряването на ускорена storage инфраструктура.

NVIDIA Vera Rubin отваря нова граница пред agentic AI
NVIDIA съобщи, че платформата Vera Rubin влиза в пълно производство със седем нови чипа, предназначени да мащабират големи AI фабрики. Компанията я представя като ключова платформа за следващия етап от инфраструктурата за agentic AI.

NVIDIA DLSS 5 носи AI пробив във визуалното качество на игрите
NVIDIA представи DLSS 5 и го определи като най-големия си графичен пробив след ray tracing в реално време. Според компанията новата версия издига още повече качеството на изображението и производителността чрез AI-базирано рендиране.

От симулация към производство: как се изграждат роботи с AI
В публикация в блога на GTC NVIDIA описва как най-новите ѝ отворени модели, симулационни инструменти и embedded изчислителни решения се комбинират, за да ускорят работните процеси от облака до робота. Основното послание е, че разработката в роботиката се движи към по-интегриран pipeline – от софтуера до реалното внедряване.

Повече, отколкото се вижда на пръв поглед: RTX-ускорени компютри на NVIDIA вече се свързват директно с Apple Vision Pro
NVIDIA съобщи, че CloudXR 6.0 вече се интегрира нативно с visionOS, което позволява на RTX-базирани симулатори и професионални 3D приложения да се свързват директно с Apple Vision Pro. Новината разширява позициите на NVIDIA в immersive enterprise и дизайн работните процеси.

NVIDIA и телеком лидери изграждат AI grids за оптимизация на inference върху разпределени мрежи
В публикация в блога си NVIDIA защитава тезата, че телеком мрежите се превръщат в нов слой за разпределен inference. Компанията посочва активността на оператори в САЩ и Азия на фона на разширяването на AI-native приложенията към все повече устройства, потребители и агенти.

GTC поставя под светлините на прожекторите RTX PC и DGX Spark системи на NVIDIA, които изпълняват локално най-новите отворени модели и AI агенти
NVIDIA съобщи, че на GTC 2026 е показала нова категория „agent computers“, включително RTX PC и DGX системи, които изпълняват локално отворени модели и AI агенти. Посланието е, че персоналните компютри навлизат в етап, в който generative и agentic AI все по-често ще работят директно на устройството.

Snap решения: как отворени библиотеки за ускорена обработка на данни ускоряват A/B тестовете в Snapchat
NVIDIA открои използването от страна на Snap на отворени библиотеки на NVIDIA за обработка на данни в Google Cloud с цел по-бърза разработка на продукти и по-ефективно експериментиране. Публикацията представя ускорената аналитика като начин A/B тестовете в голям мащаб да станат по-бързи и по-ефективни.

Плавно движение: virtual reality със 90 кадъра в секунда вече е налична в GeForce NOW
NVIDIA съобщи, че GeForce NOW вече поддържа стрийминг с 90 fps за съвместими VR headset устройства. Обновлението е насочено към по-плавно и по-завладяващо cloud gaming изживяване за потребителите на виртуална реалност.

Изображения: NVIDIA

За NVIDIA  това има значение далеч отвъд ефекта от едно силно заглавие. Blackwell е в центъра на сегашния тласък на компанията при AI сървърите, докато Rubin се позиционира като следващата голяма стъпка в хардуерната ѝ пътна карта. На сцената Хуанг представи промяната като отражение на това колко бързо се е изместило търсенето само за няколко месеца, докато hyperscalers, cloud доставчици и компаниите, разработващи AI модели, продължават надпреварата за осигуряване на още compute.

Не знам дали и вие го усещате така, но $500 млрд. са огромен обем приходи,

каза Хуанг по време на keynote презентацията.

Аз обаче съм тук, за да ви кажа, че от мястото, на което стоя в момента — само няколко кратки месеца след GTC DC, една година след предишното GTC — точно оттук виждам поне $1 трилион до 2027 г.

Тази прогноза идва в момент, в който NVIDIA се опитва да покаже, че историята на растежа ѝ се простира далеч отвъд един-единствен свръхуспешен цикъл при чиповете. Rubin, който компанията вече описа като своя AI архитектура от следващо поколение, се очаква да надмине Blackwell съществено както при training, така и при inference натоварвания, като увеличаването на производството е планирано за втората половина на 2026 г. Това превръща твърдението на Хуанг за трилион долара не просто в прогноза за търсенето, а в заявка колко централно място NVIDIA очаква бъдещите ѝ платформи да запазят в икономиката на AI.

Image: Keynote GTC, Screenshot

Това стои зад идеята, която главният изпълнителен директор на Nvidia Дженсън Хуанг описа на GTC като настъпването на „inference inflection“. Изразът означава повратен момент на пазара за изкуствен интелект. Системите вече не се оценяват само по способността си да генерират текст, изображения или код в контролирана среда. От тях все по-често се очаква да вършат по-сложна работа: да разсъждават върху проблеми, да използват инструменти, да четат файлове, да разбират контекст и да изпълняват продуктивни задачи с определена степен на автономност.

На практика това означава, че AI преминава от демонстрация към внедряване в различни индустрии. А внедряването изисква inference.

Дженсън Хуанг обяви 2025 за година на inference и очерта бъдещото навлизане на AI във всички индустрии

Inference е фазата, в която един вече обучен AI модел реално се използва. Това е моментът, в който системата отговаря на запитване, анализира документ, взема решение, пише код, обобщава среща или изпълнява задача. Ако обучението е създаването на интелигентност, inference е нейното приложение.

С превръщането на AI системите в по-agentic — тоест способни да разбиват проблемите на стъпки, да извикват инструменти, да преработват отговорите си и да работят по по-дълги вериги от разсъждения — inference-ът става несравнимо по-важен и несравнимо по-скъп.

Дженсън Хуанг го формулира много точно и не случайно повтори поне 12 пъти думата “inference” за около 1 минута в тази част на своя keynote:

Това е фундаментална повратна точка. Най-сетне AI е в състояние да върши продуктивна работа и затова повратната точка при inference вече е настъпила. AI вече трябва да мисли. За да мисли, трябва да прави inference. AI вече трябва да действа. За да действа, трябва да прави inference. AI трябва да чете. За да го прави, трябва – inference. Трябва да разсъждава. Трябва да прави inference. Всяка част от AI, всеки път когато трябва да мисли, да разсъждава, да действа, да генерира tokens, трябва да прави inference. Отдавна сме отвъд обучението. Вече сме в ерата на inference. И тази повратна точка настъпи в момент, когато обемът от токъни и необходимата изчислителна мощ са се увеличили приблизително 10 000 пъти.

Това изказване стига до същността на голямата промяна, която в момента протича в икономиката на изкуствения интелект. По думите на Хуанг през последните две години търсенето на изчислителна мощ за AI задачи е нараснало приблизително 10 000 пъти, а използването — около 100 пъти. Според него при стартъпите и големите AI лаборатории като OpenAI и Anthropic реалният ръст в търсенето на изчислителни ресурси може да се усеща по-скоро като кратно на милиони увеличение за същия период.

Тази разлика има значение. Тя подсказва, че следващият етап в развитието на AI няма да се определя само от това кой разполага с най-умния модел, а и от това кой може да си позволи да го поддържа в мащаб.

Inference се превръща в новото тясно място.

Когато от AI системите се очаква да разсъждават, преди да отговорят, да обработват повече токъни, да използват външни инструменти и да работят непрекъснато в рамките на продукти и работни процеси, инфраструктурата под тях трябва да върши значително повече работа за всяко едно потребителско взаимодействие. Едно просто chatbot съобщение е едно. AI агент, който чете документи, планира действия, преминава през различни варианти и стига до полезен резултат, е съвсем друго. Вторият модел изисква много повече compute, а оттам и много повече капитал.

Това помага да се разбере защо NVIDIA поставя толкова силен акцент именно върху тази фаза от пазара. Компанията определи 2025 г. като „година на inference“, със стратегия, насочена към това инфраструктурата ѝ да работи по цялата верига на AI — от обучението през post-training до inference — като едновременно с това удължава полезния живот на хардуера и намалява разходите за инвеститорите.

С други думи, NVIDIA не продава просто чипове за създаване на модели. Компанията се позиционира като ключов доставчик за оперативната ера на AI.

Пазарните прогнози, цитирани в речта на Хуанг, подчертават мащаба на този залог. По думите му още миналата година е имало много силно търсене и поръчки за общо 500 млрд. долара за системите Blackwell и Ruben до 2026 г. В перспектива до 2027 г. той вече вижда поне 1 трилион долара търсене, като същевременно допуска, че реалното търсене на изчислителна мощ може да се окаже дори по-високо.

Тези числа правят впечатление не само със своя мащаб, а и с това какво подсказват за очакванията на инвеститорите. Пазарът на AI вече не се оценява единствено през призмата на разработката на модели. Все по-често той се ценообразува според устойчивото потребление — ежедневното, повтарящо се изчислително натоварване, което възниква, когато AI се вгражда в търсене, софтуер, корпоративна автоматизация, роботика, наука и дигитални асистенти.

Точно затова тази повратна точка при inference е толкова важна. Тя променя историята на AI — от история за иновация в история за прилагане на AI в различните индустрии.

За стартъпите това повишава цената на амбицията. Вече не е достатъчно да се изгради впечатляващ модел; компаниите трябва и да финансират инфраструктурата, необходима, за да обслужват реални потребители с висока честота. За cloud доставчиците и производителите на чипове това отваря огромна търговска възможност, защото всеки скок в agentic способностите води до още по-голямо търсене на inference хардуер. За компаниите това е сигнал, че внедряването на AI в мащаб може да се окаже по-скъпо и по-оперативно сложно, отколкото предполагаха много от ранните прогнози. А за по-широкия пазар това е знак, че търсенето на изчислителна мощ може да остане изключително високо дори ако темпото на шумните анонси за нови модели започне да се забавя.

В този смисъл повратната точка при inference не е просто технически етап. Тя е рестарт на пазара.

Посланието е ясно: ако първата вълна на generative AI беше свързана със създаването на текст, код и изображения, следващата е за софтуер, който реално може да извършва действия в рамките на enterprise системи. Nvidia позиционира Agent Toolkit като инфраструктура за този преход, като в него обединява Nemotron open models, AI-Q agent blueprint, отворени skills като cuOpt и новия runtime OpenShell.

Главният изпълнителен директор на Nvidia Дженсън Хуанг представя анонса като повратен момент за enterprise софтуера.

Claude Code и OpenClaw дадоха началото на agent inflection point – разширявайки AI отвъд генерирането и разсъждението към действието,

каза Хуанг.

По думите му служителите все по-често ще работят рамо до рамо с екипи от frontier, специализирани и custom-built агенти, а enterprise софтуерът е на път да се превърне в „специализирани agentic платформи“.

Компанията се опитва да направи убедителна и икономическата логика на този подход. Nvidia посочва, че нейният AI-Q blueprint използва frontier модели за orchestration и Nemotron open models за изследователски задачи – подход, който според нея може да намали разходите за заявки с над 50%, като същевременно запази водеща производителност в DeepResearch Bench и DeepResearch Bench II. Това е важно, защото един от големите въпроси около enterprise агентите не е дали работят, а дали могат да бъдат внедрени в мащаб, без разходите за inference да се превърнат в бюджетен проблем.

Също толкова важно е, че Nvidia не представя инициативата като самостоятелно усилие. Компанията изброява дълъг списък от софтуерни доставчици и enterprise платформи, които вече интегрират части от този stack, сред тях Adobe, Atlassian, Amdocs, Box, Cadence, Cisco, Cohesity, CrowdStrike, Dassault Systèmes, IQVIA, Red Hat, SAP, Salesforce, Siemens, ServiceNow и Synopsys. Посланието е типично за Nvidia: създай инструментите, захрани екосистемата и улесни останалата част от софтуерната индустрия да насочи workloads към инфраструктура, подкрепена от Nvidia.

В анонса има и ясно изразен компонент, свързан със сигурността. Nvidia посочва, че OpenShell се разработва с мисъл за съвместимост с инструменти за киберсигурност и AI security от доставчици като Cisco, CrowdStrike, Google, Microsoft Security и TrendAI – знак колко сериозно enterprise клиентите приемат риска от това да дадат на автономни системи достъп до вътрешни инструменти и данни. Agent системите може и да привличат силен интерес, но заедно с това принуждават пазара да се изправи пред по-труден въпрос: колко автономност компаниите действително са готови да допуснат в production среда.

За разработчиците Nvidia посочва, че Agent Toolkit и OpenShell са достъпни чрез build.nvidia.com, чрез inference доставчици и чрез cloud партньори на Nvidia, сред които Baseten, Bitdeer AI, CoreWeave, DeepInfra, DigitalOcean, GMI Cloud, Fireworks, Lightning, Together AI и Vultr. Компанията допълва, че OpenShell може да работи локално на RTX PC, работни станции и DGX системи. За enterprise клиентите внедряването е възможно върху инфраструктура от AWS, Google Cloud, Microsoft Azure и Oracle Cloud Infrastructure, както и чрез сървърни доставчици като Cisco, Dell Technologies, HPE, Lenovo и Supermicro.

Кои компании участват и какво използват

Adobe
Технология на Nvidia: Agent Toolkit
Какво прави: Използва го като основа за дългосрочно работещи агенти за креативност, продуктивност и маркетинг в по-сигурна и по-рентабилна среда.

Amdocs
Технология на Nvidia: AI-Q, Nemotron
Какво прави: Използва ги в своята Cognitive Core agent платформа за наблюдение на клиентски взаимодействия и billing данни.

Atlassian
Технология на Nvidia: Agent Toolkit, OpenShell
Какво прави: Развива своята стратегия за Rovo AI agents и AI-базирана система на работа за Jira и Confluence.

Box
Технология на Nvidia: Agent Toolkit
Какво прави: Позволява enterprise агенти, използващи файловата система на Box, да изпълняват дългосрочни бизнес процеси сигурно и надеждно.

Cadence
Технология на Nvidia: Agent Toolkit, Nemotron
Какво прави: Подкрепя ChipStack AI SuperAgent за проектиране и верификация на полупроводници.

Cisco
Технология на Nvidia: OpenShell
Какво прави: Добавя AI Defense защита, контрол и guardrails за действията на агенти и claw системи.

Cohesity
Технология на Nvidia: OpenShell, AI-Q
Какво прави: Разширява Gaia AI, за да поддържа по-усъвършенствани agentic workflows.

CrowdStrike
Технология на Nvidia: AI-Q, OpenShell, Nemotron, NeMo Data Designer
Какво прави: Вгражда защитата Falcon в agent архитектурите на Nvidia и развива AI workflows за разследвания.

Dassault Systèmes
Технология на Nvidia: Agent Toolkit, Nemotron
Какво прави: Проучва role-based AI агенти, наречени Virtual Companions, в платформата 3DEXPERIENCE.

IQVIA
Технология на Nvidia: Nemotron и друг софтуер от Agent Toolkit
Какво прави: Интегрира ги в IQVIA.ai за приложения в life sciences – от клинични до търговски и реални оперативни сценарии.

Palantir
Технология на Nvidia: Nemotron
Какво прави: Разработва AI агенти върху референтната архитектура на суверенната AI operating system на Palantir.

Red Hat
Технология на Nvidia: Agent Toolkit
Какво прави: Интегрира го в Red Hat AI Factory with Nvidia за по-сигурни автономни агенти.

Salesforce
Технология на Nvidia: Agent Toolkit, Nemotron
Какво прави: Дава възможност на клиентите да изграждат, персонализират и внедряват Agentforce агенти за обслужване, продажби и маркетинг.

SAP
Технология на Nvidia: Agent Toolkit, NeMo
Какво прави: Позволява създаването на AI агенти чрез Joule Studio в SAP Business Technology Platform.

Siemens
Технология на Nvidia: Nemotron
Какво прави: Пуска Fuse EDA AI Agent за orchestration на workflows при полупроводници и PCB.

ServiceNow
Технология на Nvidia: Agent Toolkit, AI-Q Blueprint, Nemotron
Какво прави: Захранва своята Autonomous Workforce of AI Specialists.

Synopsys
Технология на Nvidia: Nemotron, NeMo Agent Toolkit
Какво прави: Изгражда multi-agent framework за проектиране на полупроводници и системи.

Изображение: NVIDIA

В центъра на анонса е NVIDIA Space-1 Vera Rubin Module, който компанията позиционира като решение за AI inference в космоса. NVIDIA твърди, че Rubin GPU в този модул може да осигури „до 25 пъти повече AI изчислителна мощ за inference в космическа среда“ спрямо NVIDIA H100 GPU, което го прави подходящ за орбитални data centers, геопространствена обработка и автономни мисии. NVIDIA изтъква още платформите IGX Thor и Jetson Orin за edge AI в орбита и посочва, че RTX PRO 6000 Blackwell Server Edition GPU може да ускори наземния геопространствен анализ „до 100 пъти“ спрямо наследени batch системи, базирани на CPU.

Главният изпълнителен директор на NVIDIA Дженсън Хуанг представи инициативата в характерно мащабен стил.

Space computing, последната граница, вече е тук,

казва Хуанг в съобщението.

Докато разгръщаме сателитни съзвездия и навлизаме все по-надълбоко в космоса, интелигентността трябва да съществува навсякъде, където се генерират данни.

По думите му „AI обработката в космически и наземни системи позволява наблюдение, вземане на решения и автономност в реално време“, превръщайки „орбиталните data centers в инструменти за открития, а космическите апарати – в системи за самостоятелна навигация“.

Анонсът идва в момент, когато търговският космически сектор търси все повече възможности за обработка на данни директно в орбита, вместо всяка задача да се връща обратно на Земята. На практика това означава AI моделите да работят възможно най-близо до мястото, където се генерират изображения, сензорни данни и комуникационни потоци – промяна, на която NVIDIA очевидно залага, тъй като сателитите събират все по-големи обеми информация, а мисиите изискват все по-бързи решения. Компанията изрично посочва, че технологията е насочена към орбитални data centers, геопространствено разузнаване и автономни космически операции.

Около инициативата вече се подрежда и група компании от космическия сектор – поне на ниво публична подкрепа. NVIDIA съобщава, че Aetherflux, Axiom Space, Kepler Communications, Planet Labs PBC, Sophia Space и Starcloud използват нейните accelerated computing платформи за следващо поколение мисии както в орбита, така и в наземна среда.

Цитираните в съобщението позиции очертават и по-широката теза на компанията. Главният изпълнителен директор на Aetherflux Бейджу Бхат заявява, че Space-1 Vera Rubin Module осигурява „високопроизводителен и енергийно ефективен AI at the edge в орбита“. Главният изпълнителен директор на Kepler Communications Мина Митри посочва, че Jetson Orin ще позволи на компанията „интелигентно да управлява и насочва данните в рамките на своята сателитна мрежа“. Съоснователят и главен изпълнителен директор на Planet Уил Маршал казва, че платформата на NVIDIA помага на компанията да премине „от сурови пиксели към приложими изводи почти в реално време“. А главният изпълнителен директор на Starcloud Филип Джонстън заявява, че компанията му иска да пренесе „AI изчисления от hyperscale клас в орбита“.

NVIDIA обвързва космическата си стратегия и с геопространственото разузнаване на Земята. Компанията посочва, че нарастващите обеми орбитални данни ще трябва да се комбинират със „стотици петабайти исторически архив на Земята“ за мащабен анализ и твърди, че GPU-ускорените системи могат да подобрят времето за реакция при бедствия, климатично и метеорологично моделиране и наблюдение на инфраструктура.

NVIDIA посочва, че IGX Thor, Jetson Orin и RTX PRO 6000 Blackwell Server Edition GPU са налични още сега, докато Space-1 Vera Rubin Module ще бъде пуснат „на по-късен етап“.

Изображение: NVIDIA

Сред първите участници в коалицията са Black Forest Labs, Cursor, LangChain, Mistral AI, Perplexity, Reflection AI, Sarvam и Thinking Machines Lab. От NVIDIA посочват, че групата ще работи съвместно по отворен модел, обучаван в NVIDIA DGX Cloud, а „първият модел, създаден от коалицията, ще бъде в основата на предстоящото семейство от отворени модели NVIDIA Nemotron 4“.

В официалното съобщение основателят и главен изпълнителен директор на NVIDIA Дженсън Хуанг казва:

Отворените модели са жизнената сила на иновациите и двигателят на глобалното участие в AI революцията – за студенти, учени, стартъпи и цели индустрии.

По думите му коалицията

обединява AI лаборатории от световна класа, за да разработва frontier отворени модели, които защитават прозрачността, сътрудничеството и технологичния суверенитет.

NVIDIA посочва, че първият проект ще бъде „базов модел, разработен съвместно от Mistral AI и NVIDIA“, като останалите членове на коалицията ще допринасят с „данни, оценки и експертиза в конкретни домейни“ за post-training етапа и по-нататъшното развитие. Компанията допълва, че моделът „ще бъде споделен с отворената екосистема“, така че да служи като базов слой, който разработчици и организации могат да адаптират към „своите индустрии, региони и специфични нужди“.

Ходът показва колко стратегически важни са станали отворените модели, докато компании, разработчици и правителства търсят алтернатива на пълната зависимост от затворени търговски AI системи. NVIDIA не представя коалицията изрично като конкурентен отговор, но структурата на инициативата подсказва, че производителят на чипове иска да разшири влиянието си отвъд инфраструктурата и към самата екосистема на моделите. Това обаче е извод от позиционирането на инициативата, а не пряко твърдение на NVIDIA.

Няколко от участниците в коалицията използваха повода, за да подчертаят, че отворените модели са ключови за следващата фаза в развитието на AI. Съоснователят и главен изпълнителен директор на Mistral AI Артур Менш заяви:

Отворените frontier модели са начинът AI да се превърне в истинска платформа.

Той допълни:

Заедно с NVIDIA ще играем водеща роля в обучението и развитието на frontier модели в голям мащаб.

Съоснователят и главен изпълнителен директор на Black Forest Labs Робин Ромбах заяви:

Винаги сме били убедени, че отворените модели помагат за развитието на frontier възможности,

като добави, че

чрез коалиции като тази, между независими партньори, може да се постигне мащабът, необходим за ускоряване на следващото поколение state-of-the-art отворени мултимодални модели.

Когато frontier моделите са достъпни и прозрачни, разработчиците по целия свят могат да участват в оформянето на това как ще се развива технологията.

По думите му Cursor ще допринесе с „изисквания за реална производителност и evaluation datasets“, за да подобри „качеството и надеждността на базовите модели за разработчиците“, добави съоснователят и главен изпълнителен директор на Cursor Майкъл Труел.

Харисън Чейс, съосновател и главен изпълнителен директор на LangChain посочи, че frontier моделите „трябва да надхвърлят суровата интелигентност и да позволяват надеждно използване на инструменти, long-horizon reasoning и координация между агенти“. Той добави:

Ще изградим най-добрия agent harness за тези модели, ще оценяваме строго техните възможности и ще осигурим цялостна observability върху поведението на агентите.

Съоснователят и главен изпълнителен директор на Perplexity Аравинд Сринивас заяви:

Отворените модели правят AI по-достъпен в голям мащаб, като дават на създателите гъвкавост да подобряват производителността, да намаляват разходите и да въвеждат AI приложенията в ежедневна употреба.

Миша Ласкин, съосновател и главен изпълнителен директор на Reflection, каза, че компанията му работи за това „основата на интелигентността да остане отворена – да не бъде контролирана от малцина – и да бъде достъпна в световен мащаб“.

Съоснователят и главен изпълнителен директор на Sarvam Пратиюш Кумар заяви:

AI достига пълния си потенциал, когато работи на всеки език и за всяка общност,

а основателят и главен изпълнителен директор на Thinking Machines Lab Мира Мурати посочи, че компанията ѝ е „готова да подкрепи мисията на Nemotron Coalition за демократизиране на frontier AI възможностите“.

За NVIDIA коалицията е и ясен сигнал: в следващата фаза на AI надпреварата притежанието на чиповете може да не е достатъчно. Способността да влияеш върху слоя на отворените модели може да се окаже също толкова важна. Дали Nemotron ще се превърне в реален противовес на пазара за frontier модели, ще зависи от това какво коалицията действително ще създаде – и доколко конкурентни ще бъдат тези отворени модели, когато стигнат до разработчиците.

Изображение: NVIDIA

В свои скорошни изказвания Хуанг заяви, че растежът на компанията в сферата на AI вече не се движи единствено от дизайна на чипове, а от способността ѝ да доставя цялостни AI платформи, които комбинират хардуер, софтуер, мрежи и мащабни системи. Именно тази стратегия определя какви нови служители ще наема NVIDIA и кои умения цени най-много.

Ключови AI роли, които са приоритет за NVIDIA

Хуанг посочи, че фокусът на наемане обхваща няколко високоефектни технически области:

• AI и machine learning инженери, работещи по оптимизация на модели, ефективност на inference и внедряване в мащаб
• Софтуерни инженери, специализирани в CUDA, AI рамки, компилатори и платформи за разработчици
• Data-centre and systems engineers – тоест ескперти, които интегрират GPU, мрежи, захранване и охлаждане за големи AI клъстери
• Специалисти по cloud и AI инфраструктура, подпомагащи hyperscalers, корпоративни клиенти и суверенни AI инициативи
• Изследователи, развиващи следващо поколение AI архитектури, техники за производителност и методи за обучение

Този акцент отразява убеждението на NVIDIA, че нейното конкурентно предимство се крие в дълбоката интеграция по цялата AI верига, а не само в хардуера.

Защо талантът е по-важен от всякога

Хуанг подчерта, че докато клиентите проучват алтернативни ускорители и собствени чипове, софтуерната екосистема и инженерната експертиза на NVIDIA остават трудни за възпроизвеждане. Той описва хората като едно от най-устойчивите предимства на компанията, особено в области като високопроизводителни изчисления, разпределени системи и енергийно ефективни AI натоварвания.

Въпреки по-широката волатилност на пазара на технологични кадри, NVIDIA продължава ясно да сигнализира, че наемането на AI специалисти остава приоритет, дори когато някои конкуренти забавят подбора или преструктурират екипите си.

Какво означава това за AI специалистите

За инженери и изследователи приоритетите на NVIDIA показват къде се намира най-силното дългосрочно търсене. Уменията в инфраструктура, оптимизация и AI системи от производствен клас стават все по-ценни в сравнение с тесни или чисто експериментални роли.

С преминаването на AI от изследователска фаза към критична корпоративна и национална инфраструктура, посланието на NVIDIA е ясно: следващият етап на растеж на изкуствения интелект ще бъде изграден от специализирани екипи, а не само от по-бързи чипове.

Изображение: NVIDIA

Според множество медийни публикации, позоваващи се на източници, запознати с темата, NVIDIA води преговори за участие в следващия инвестиционен кръг на OpenAI, като потенциално може да поеме ангажимент в размер на около 20 млрд. долара. Тази инвестиция би била част от значително по-голямо набиране на капитал от страна на OpenAI, тъй като компанията се стреми да финансира нуждите си от центрове за данни с огромен изчислителен капацитет, необходим за обучението и внедряването на следващото поколение AI модели.

Настоящите преговори между двата тех гиганта идват след по-ранни заглавия през 2025 г., които предполагаха много по-амбициозно стратегическо сътрудничество на стойност 100 млрд. долара между двете компании, фокусирано върху изграждането на мащабна AI инфраструктура и съвместна оптимизация на хардуер и софтуер. Последващи публикации обаче показаха, че първоначалната рамка не е била обвързваща и не е прераснала в окончателно споразумение, което повдигна въпроси относно реалния мащаб и структура на отношенията.

Стратегическо съвпадение, практически ограничения

На стратегическо ниво логиката за подобна сделка остава ясна. NVIDIA доминира пазара на графични карти т.нар. AI „ускорители“, докато OpenAI е сред най-големите и най-взискателните потребители на изчислителни ресурси за изкуствен интелект в света. По-тясно финансово и техническо партньорство би могло да осигури дългосрочен достъп до хардуер за OpenAI и да затвърди позицията на NVIDIA в центъра на AI бума.

В същото време преговорите отразяват и нарастващата сложност на икономиката на AI. Изчислителните нужди на OpenAI се разширяват по-бързо, отколкото един-единствен доставчик може лесно да поеме, а според източници компанията е разглеждала и алтернативни производители на чипове за определени натоварвания. Тази динамика създава лостове за влияние и за двете страни, което прави ексклузивността по-малко вероятна.

Главният изпълнителен директор на NVIDIA, Дженсън Хуанг, публично омаловажи опасенията за напрежение, като заяви, че NVIDIA възнамерява да подкрепя OpenAI в дългосрочен план и дори би могла да участва в бъдещо публично предлагане на компанията. Коментарите му подсказват ангажираност, но не стигат до потвърждение на финализирана сделка.

Засега отговорът на въпроса дали ще има сделка между NVIDIA и OpenAI остава отворен. Това, което е ясно, е че двете компании остават дълбоко взаимозависими, а всяко споразумение – формално или не – ще има значителни последици за темпото, цената и посоката на развитието на изкуствения интелект в световен мащаб.

Изображение: NVIDIA