Стартап Суцкевера Safe Superintelligence уклав партнерство з Nvidia
Nvidia інвестувала суттєві кошти в Safe Superintelligence та надала доступ до платформи Vera Rubin. Компанії спільно розробитять майбутні обчислювальні архітектури під технології Суцкевера.
💰 Стратегічна угода без продукту. Nvidia інвестує в дослідження SSI, але для компаній до 200 людей тут немає жодного інструменту, ціни чи таймлайну — лише сигнал про напрямок індустрії.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Nvidia інвестує в Safe Superintelligence (сума не розкрита, ЗМІ пишуть про $5 млрд)
- •SSI отримує доступ до платформи Vera Rubin до офіційного релізу
- •Компанії спільно проектують майбутні GPU/архітектури під «пост-скейлінгову» парадигму
- •SSI не має публічного продукту, паперів чи бенчмарків — лише команду та репутацію Суцкевера
- •Угода сигналізує про ставку Nvidia на архітектурну зміну, а не на продовження brute-force скейлінгу
Як це змінить ваш ринок?
Якщо гіпотеза Суцкевера про кінець епохи топорного скейлінгу LLM виявиться правдивою, наступне покоління AI-обчислень вимагатиме принципово інших чіпів — не просто більших, а інших за архітектурою. Nvidia хоче бути єдиним постачальником такого заліза. Для фінансового сектору це означає: інвестиції в «класичні» GPU-ферми можуть втратити актуальність швидше, ніж планується амортизація.
Визначення: Пост-скейлінгова парадигма — гіпотетичний підхід до навчання моделей, який не покладається на просте збільшення параметрів і даних, а використовує нові алгоритмічні принципи (наприклад, тест-тайм комп'ют, ієрархічне планування, нейро-симболічні методи).
Для кого це і за яких умов
- •Лідерство / стратегія: сигнал переглядати горизонт планування залізних бюджетів на 2-3 роки вперед. Жодних дій сьогодні.
- •IT / інфраструктура: Vera Rubin недоступна для замовлення, специфікацій немає. Плануйте закупівлі на основі поточного roadmap Nvidia (Blackwell, Rubin — публічні слайди).
- •Мінімальний масштаб: не актуально для SMB. Релевантно для гіперскейлерів, AI-лабораторій, фондів, що інвестують в інфраструктуру.
- •Час на впровадження: років 2-3 до перших комерційних систем на новій архітектурі, якщо парадигма спрацює.
Альтернативи
| Поточні GPU Nvidia (H100/H200/B200) | AMD MI300/MI325 | Własne ASIC (Google TPU, AWS Trainium) | |
|---|---|---|---|
| Ціна | $25-40K за H100, B200 — ціна не оголошена | ~$15-20K за MI300X | Внутрішня, не на ринку |
| Де працює | Будь-які трансформери, LLM, мультимодальні моделі | Трансформери, краще для inference | Тільки у власних хмарах |
| Мін. вимоги | Дата-центр, водяне охолодження, 10-15 кВт на сервер | Схоже на Nvidia | Дата-центр, власна стек |
| Ключова різниця | Стандарт де-факто, екосистема CUDA | Дешевше, відкритий ROCm, менша екосистема | Оптимізовані під власні моделі, vendor lock-in |
💬 Часті запитання
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
Data Secrets — оригіналНавчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live