OpenAI и Nvidia: сделка на $100 млрд определит будущее ИИ-инфраструктуры
OpenAI и Nvidia заключили партнерство на $100 млрд для создания собственной ИИ-инфраструктуры. Сделка включает строительство 5 новых дата-центров мощностью 7 гигаватт и создание 100+ тысяч рабочих мест.
OpenAI и Nvidia объявили о стратегическом партнерстве стоимостью $100 миллиардов, которое кардинально изменит ландшафт ИИ-инфраструктуры. Соглашение предусматривает создание собственных дата-центров OpenAI с использованием передовых чипов Nvidia.
Партнерство происходит на фоне расширения проекта Stargate — совместной инициативы OpenAI, Oracle и SoftBank. Компания анонсировала строительство пяти новых дата-центров общей мощностью 7 гигаватт в Техасе, Нью-Мексико и Огайо, что обеспечит вычислительные мощности для следующего поколения ИИ-моделей.
Ключевые аспекты сделки включают:
- Эксклюзивный доступ к новейшим архитектурам Nvidia
- Совместную разработку специализированных ИИ-чипов
- Оптимизацию инфраструктуры для обучения больших языковых моделей
- Стратегическое планирование следующих поколений GPU
«Это партнерство позволит нам создать самую мощную ИИ-инфраструктуру в мире»— Сэм Альтман, CEO OpenAI
Соглашение отражает растущую важность вертикальной интеграции в ИИ-индустрии. Компании стремятся контролировать всю цепочку создания ценности — от чипов до конечных приложений, что обеспечивает конкурентные преимущества и снижает зависимость от внешних поставщиков.
Для индустрии это означает ускорение гонки вооружений в области ИИ-инфраструктуры. Конкуренты OpenAI, включая Google, Meta и Anthropic, будут вынуждены увеличивать инвестиции в собственную инфраструктуру или искать альтернативные решения.
Проект создаст более 100 000 рабочих мест в сфере высоких технологий и строительства, укрепляя лидерство США в области ИИ. Это также подчеркивает стратегическое значение ИИ-инфраструктуры для национальной безопасности и экономического лидерства.
Для разработчиков и предприятий партнерство обещает более мощные и доступные ИИ-сервисы. Ожидается значительное снижение времени обучения моделей и улучшение качества ИИ-приложений благодаря оптимизированной архитектуре.