Google TPU захватывает рынок: как дешёвые чипы вытесняют Nvidia

Историческое окно: когда монополия начинает трещать

На протяжении последних пяти лет Nvidia находилась в положении, которое казалось неприступным. Выручка компании от продажи GPU-чипов для AI достигла рекордных $60+ млрд в 2024 году. Аналитики даже полутрагично шутили: компании, отчаянно желавшие снизить затраты на облачные вычисления, оказались заложниками одного поставщика. Цены на Nvidia H100 и H200 взлетели до недостижимых высот, поставки затянулись на 9-12 месяцев, а альтернатив практически не существовало.

Но в конце 2025 года динамика меняется. Google, заранее инвестировавший в свои специализированные чипы TPU (Tensor Processing Units), наконец-то добился пропускной способности и производительности, достаточной для масштабного внешнего предложения. И это событие имеет геополитические и экономические последствия гораздо большие, чем просто ещё один конкурент на рынке.

Google TPU против Nvidia: технологический и экономический разлом

Производительность vs. универсальность: TPU специально спроектированы для машинного обучения и работы с трансформерными моделями. Они содержат архитектуру, оптимизированную под матричные операции и тензорные вычисления — то есть под ядро современного AI. GPU Nvidia, напротив, универсальны: они работают с AI, графикой, симуляциями, обработкой видео. Эта универсальность некогда была их сила; сегодня, для чистого AI, она становится издержкой.

Седьмое поколение Google TPU (Ironwood, запущено в апреле 2025 года) включает жидкостное охлаждение, пиковую производительность 9.4 петафлопс на кластер из 9,216 чипов и энергоэффективность на 40% выше, чем у предыдущего поколения. Для работы с inference (применение моделей) это означает значительно меньше потребления электроэнергии, что прямо транслируется в счета за облачные вычисления.

Экономика затрат: Стоимость вычислений на TPU примерно вдвое ниже, чем на GPU Nvidia. Это не маркетинговое заявление — это геометрия архитектуры. Поскольку TPU специализированы, они позволяют избежать излишних компонентов и операций, требуемых для универсальных задач. Плюс: Google уже использует эти чипы в собственной инфраструктуре (поиск, YouTube, Gemini), что снижает внутренние издержки.

Стратегические альянсы переопределяют ландшафт

Ключевой момент произошёл в октябре 2025 года, когда Anthropic (создатель Claude, оценен в $35 млрд на последнем раунде финансирования) заключил соглашение с Google на поставку свыше 1 млн TPU. Стоимость сделки: десятки миллиардов долларов. Это не просто коммерческая сделка; это публичное сигнал рынку: крупнейший конкурент OpenAI переходит на альтернативную инфраструктуру.

Meta также активно расширяет использование TPU вместе с собственными чипами (например, MTIA). Microsoft, хотя и вложила $13 млрд в OpenAI, начала разработку собственных AI-чипов (Maia) для Azure. Amazon использует свои Trainium и Inferentia. Вывод: каждый крупный облачный провайдер и каждый производитель моделей теперь имеет стратегический интерес в снижении зависимости от Nvidia.

Google объявила о переговорах с FluidStack, Crusoe и CoreWeave — облачными провайдерами, традиционно работавшими с Nvidia. Это расширение предложения TPU за пределы Google Cloud может произвести революцию: запуск TPU в нейтральных дата-центрах (не контролируемых Google) означает для ИТ-директоров реальный выбор, а не привязанность к одному вендору.

Финансовые прогнозы и рыночные последствия

Morgan Stanley прогнозирует, что Google может произвести и продать 7 млн TPU к 2028 году. При оценке в $13 млрд в годовую выручку это добавит $0.40 к прибыли на акцию Alphabet. По консервативным оценкам, TPU могли бы захватить 25% рынка AI-чипов к 2030 году (с нынешних ~8% в конце 2025 года). Учитывая, что рынок AI-чипов ожидается расти до $500+ млрд к 2030 году, это означает контроль над сегментом стоимостью $125+ млрд.

Цена акций Google (Alphabet) выросла на 66% в ноябре-декабре 2025 года в значительной мере благодаря переоценке инвесторами стратегической ценности TPU. Это отражает понимание: Google из компании, строящей AI-модели, превращается в компанию, продающую AI-инфраструктуру. Второе бизнес-направление потенциально более прибыльно, так как обслуживает всю индустрию.

Практические последствия для бизнеса

Для корпораций, строящих AI-решения: 2026 год станет годом переговоров о контрактах на поставку вычислений. Те, кто заключит договоры на TPU по цене 30-50% ниже текущих ставок Nvidia, получат тактическое преимущество перед конкурентами. Но это требует переписания архитектур приложений: TPU лучше всего работают с standardized моделями (BERT-like, трансформеры), менее гибко со специализированными решениями.

Для провайдеров облачных сервисов: Это окно возможности для переговоров с Google о стратегическом партнерстве на поставку TPU. Amazon и Azure тоже инвестируют в собственные чипы, но Google имеет готовый продукт. Облачные провайдеры смогут предложить клиентам выбор: Nvidia (максимальная гибкость, высокая стоимость), TPU (оптимальная стоимость для основных рабочих нагрузок), собственные чипы (интеграция с платформой).

Для стартапов: Бюджет на AI-инфраструктуру теперь может стать конкурентным преимуществом. Стартап, выбравший Google TPU вместо Nvidia, экономит 40-50% на вычислениях. Это позволяет либо инвестировать сэкономленное в развитие продукта, либо предложить более низкие цены клиентам.

Геополитический контекст

США и Европа озабочены зависимостью от TSMC (тайваньский производитель, выпускающий 92% продвинутых чипов). Google строит производство в США (в партнерстве с Foxconn в Техасе). Это означает, что TPU становятся не только экономическим вариантом, но и стратегическим выбором для компаний и государств, стремящихся снизить геополитические риски.

Администрация США способствует локализации AI-чипостроения. Программы вроде CHIPS Act обеспечивают субсидии для производства. Google будет получать преимущества от этих программ, что дополнительно снижает стоимость производства TPU.

Что дальше: сценарии на 2026 год и далее

Сценарий 1 (базовый): Google TPU захватывает 15-20% рынка к концу 2026 года, в основном в сегменте inference (применение). Nvidia сохраняет доминирование в тренинге и специализированных задачах. Цены на вычисления в целом падают на 10-15%, но маржи остаются высокими.

Сценарий 2 (оптимистичный для Google): Если TPU окажутся достаточно гибкими и Google расширит программное обеспечение (CUDA-альтернативы, frameworks), они смогут конкурировать и в тренинге. Это маловероятно до 2027 года, но потенциально может произойти.

Сценарий 3 (консолидация): Nvidia адаптируется, снижает цены, запускает более специализированные версии GPU. Amazon, Microsoft, Meta становятся поставщиками чипов друг для друга, фрагментируя рынок. Это усложняет выбор, но в целом благоприятно для клиентов (больше вариантов, ниже цены).