SemiAnalysis: Лёд и пламя платформы Rubin компании Nvidia

Автор | Ли Цзя

      Редактор | Жёсткий ИИ

Полупроводниковое исследовательское агентство SemiAnalysis последовательно опубликовало два анализа, очерчивающих для Nvidia перспективы, в которых сосуществуют как возможности, так и вызовы — «две стороны одной медали».

Последний прогноз, опубликованный SemiAnalysis 30 июня на платформе X, показывает, чтово втором полугодии 2027 финансового года доходы вычислительного бизнеса дата-центров Nvidia превысят единогласный прогноз Уолл-Стрит примерно на 20%. Основная причина такого оптимизма заключается в том, чторанее сдерживавшая массовые поставки платформы Rubin проблема с поставками памяти HBM4 успешно решена, а мощность по производству полупроводников обеспечена, что снимает реальные препятствия для скачка результатов во втором полугодии.

Тем не менее, в тот же день утром SemiAnalysis опубликовала ещё одну негативную новость: оригинальная Rubin Ultra на 4 чипах от Nvidia была отменена всего через три месяца после релиза на GTC 2026, а новая версия Rubin Ultra теперь вдвое меньше по размеру и по фактической производительности.

С одной стороны — оптимизм по поводу роста выручки после снятия узких мест в поставках, с другой — пессимизм по поводу изменения технического курса после сокращения флагманского продукта: эти два противоположных анализа SemiAnalysis закладывают для Nvidia совершенно разные точки отсчёта с точки зрения реализации результатов и технологического «рва».

Узкое место HBM4 устранено, быстрый рост Rubin ожидается во втором полугодии

SemiAnalysis с помощью своей Accelerator Model сделал прогноз о том, что Nvidia испытает масштабный рост объемов продаж во втором полугодии этого года.

Ожидается, что под мощным влиянием платформы Rubin доходы Nvidia от вычислительных услуг для дата-центров во втором полугодии 2027 финансового года превысят рыночный консенсус примерно на 20%.Проблема с HBM4, которая ранее задерживала прогресс Rubin, сейчас решена, а запасы передовых полупроводников доступны, что означает, что Rubin переходит в фазу ускоренного роста после периодов задержки.

SemiAnalysis особо подчеркивает, чтологика их прогнозов значительно отличается от традиционных аналитиков с «sell-side». Большинство организаций Уолл-Стрит, как правило, строят относительно консервативные прогнозы прибыли, чтобы дать компаниям пространство для «опережения ожиданий»; однако выводы SemiAnalysis основаны в основном на передовых исследованиях цепочки поставок и ближе к реальной рыночной динамике.

Их Accelerator Model строит систему перекрестной валидации информации по всей цепочке, охватывая материалы, производство полупроводников, ключевые компоненты и производителей серверов, а также учитывает реальные заказы и внедрения облачных гигантов и передовых лабораторий ИИ для многомерной проверки спроса и предложения.

Отметим, что эта модель не ограничена Nvidia, но также охватывает Broadcom, AMD, MediaTek, Marvell и других производителей AI-чипов и, в сочетании с HBM Model, отслеживает динамику всей индустрии вычислительных мощностей для ИИ.

Ров CUDA размывается, уменьшение Rubin Ultra отражает подъём самостоятельных ASIC

Впрочем, другой комментарий SemiAnalysis о Rubin Ultra вызвал широкую дискуссию на рынке.

По информации агентства, изначально Nvidia планировала реализовать Rubin Ultra на дизайне из 4 чипов, однако всего через три месяца после релиза на GTC текущего года проект был скорректирован и масштаб новой версии значительно уменьшился из-за технологических трудностей продвинутой упаковки.

SemiAnalysis считает, чтоважнее не факт уменьшения Rubin Ultra, а изменения рыночной структуры, на которые этот случай указывает. За последний год основное конкурентное давление на Nvidia исходило не только от AMD и других традиционных GPU-производителей, а все больше от облачных гигантов и AI-компаний, разрабатывающих собственные ASIC-решения, создавая специализированные чипы под задачи типа обучения или вывода ИИ.

Например, Anthropic уже построила мультплатформенную архитектуру на базе Google TPU, Amazon Trainium и Nvidia GPU. Значительная часть обучения моделей Claude происходит на TPU, а вывод Claude Code всё чаще на Trainium, в то время как Nvidia GPU фокусируются на задачах открытых исследований и универсальных вычислениях. По словам SemiAnalysis,ещё год назад нельзя было представить столь быстрый рост TPU и Trainium — а сегодня ров CUDA медленно размывается.