Όταν ακούει κανείς Nvidia, το μυαλό πηγαίνει σχεδόν αυτομάτως στις GPU. Και όχι άδικα. Τα chips της εταιρείας του Jensen Huang βρίσκονται στην καρδιά της παγκόσμιας έκρηξης της Τεχνητής Νοημοσύνης και έχουν μετατρέψει τη Nvidia σε έναν από τους σημαντικότερους τεχνολογικούς ομίλους του πλανήτη.
Μόνο που πίσω από τη θεαματική επιτυχία των επεξεργαστών εξελίσσεται μία δεύτερη –και πολύ λιγότερο προβεβλημένη– ιστορία.
Η Nvidia δημιουργεί με τεράστια ταχύτητα μια αυτοκρατορία στο networking των data centers, δηλαδή στις τεχνολογίες που επιτρέπουν σε δεκάδες χιλιάδες GPU να επικοινωνούν μεταξύ τους και τελικά να λειτουργούν σαν ένας ενιαίος γιγαντιαίος υπολογιστής.
Και όσο τα μοντέλα AI γίνονται μεγαλύτερα, αυτό μπορεί να αποδειχθεί εξίσου σημαντικό με τις ίδιες τις GPU.
Η «άλλη» μπίζνα των 31 δισ. δολαρίων
Οι αριθμοί δείχνουν πόσο γρήγορα αλλάζει το επιχειρηματικό μοντέλο της Nvidia.
Η δραστηριότητα του networking ξεπέρασε τα 31 δισ. δολάρια σε έσοδα στο προηγούμενο οικονομικό έτος, ποσό υπερδεκαπλάσιο σε σύγκριση με το οικονομικό έτος 2021.
Μόνο στο τελευταίο τρίμηνο του προηγούμενου οικονομικού έτους είχε αποφέρει περίπου 11 δισ. δολάρια, σημειώνοντας αύξηση άνω του 250% σε ετήσια βάση.
Και η τάση συνεχίζεται.
Στα τελευταία αποτελέσματα της Nvidia, που ανακοινώθηκαν στις 26 Αυγούστου, το Spectrum-X Ethernet κατέγραψε έσοδα περίπου 2,6 φορές υψηλότερα σε σχέση με έναν χρόνο νωρίτερα, την ώρα που συνολικά η εταιρεία έφτασε τα 96,2 δισ. δολάρια τριμηνιαίων εσόδων και τα Data Centers τα 89 δισ. δολάρια.
Πίσω από αυτή την έκρηξη βρίσκεται μια στρατηγική απόφαση που είχε πάρει ο Jensen Huang χρόνια πριν από το σημερινό AI boom.
Το στοίχημα των 7 δισ. που άλλαξε τα πάντα
Κομβικό σημείο ήταν η εξαγορά της ισραηλινής Mellanox από τη Nvidia το 2020 έναντι περίπου 7 δισ. δολαρίων.
Τότε η συμφωνία μπορεί να έμοιαζε περισσότερο με συμπληρωματική επένδυση γύρω από το βασικό business των chips.
Σήμερα μοιάζει με ένα από τα σημαντικότερα στρατηγικά στοιχήματα στην ιστορία της εταιρείας.
Η Mellanox έφερε στη Nvidia κρίσιμη τεχνογνωσία στα δίκτυα υψηλών ταχυτήτων και αποτέλεσε τη βάση πάνω στην οποία οικοδομήθηκε μεγάλο μέρος της σημερινής δραστηριότητας networking.
Γιατί όμως χρειάζεται μια εταιρεία GPU να ασχολείται τόσο πολύ με… καλώδια, switches και δίκτυα;
Η απάντηση βρίσκεται στον τρόπο με τον οποίο λειτουργεί πλέον η Τεχνητή Νοημοσύνη.
Μία GPU δεν αρκεί πια
Τα μεγαλύτερα μοντέλα AI δεν εκπαιδεύονται σε έναν υπολογιστή ούτε σε μερικές δεκάδες κάρτες γραφικών.
Χρειάζονται χιλιάδες ή ακόμη και εκατοντάδες χιλιάδες GPU, οι οποίες πρέπει να ανταλλάσσουν τεράστιες ποσότητες δεδομένων σχεδόν ακαριαία.
Εάν μία GPU περιμένει δεδομένα από μια άλλη, μένει ανενεργή.
Και όταν μιλάμε για chips που κοστίζουν δεκάδες χιλιάδες δολάρια το καθένα και για data centers δισεκατομμυρίων, ακόμη και μικρές καθυστερήσεις μεταφράζονται σε τεράστια σπατάλη υπολογιστικής ισχύος και χρημάτων.
Εδώ ακριβώς μπαίνει το δεύτερο μεγάλο στοίχημα της Nvidia.
Η εταιρεία δεν θέλει απλώς να πουλά τους «εγκεφάλους» της Τεχνητής Νοημοσύνης.
Θέλει να ελέγχει και το νευρικό σύστημα που τους ενώνει.
NVLink, Spectrum-X και InfiniBand
Η Nvidia έχει δημιουργήσει ουσιαστικά διαφορετικά επίπεδα διασύνδεσης.
Το NVLink αναλαμβάνει την εξαιρετικά γρήγορη επικοινωνία μεταξύ GPU σε επίπεδο συστήματος και rack.
Το Spectrum-X Ethernet και το Quantum InfiniBand αναλαμβάνουν να συνδέσουν τα επιμέρους συστήματα σε τεράστια clusters.
Και πλέον το Spectrum-XGS φιλοδοξεί να κάνει κάτι ακόμη πιο φιλόδοξο: να συνδέσει διαφορετικά data centers, ακόμη κι αν βρίσκονται εκατοντάδες χιλιόμετρα μακριά, ώστε να μπορούν να λειτουργούν σαν ένα ενιαίο περιβάλλον AI.
Με απλά λόγια, η Nvidia προσπαθεί να ελέγξει ολόκληρη την κυκλοφορία των δεδομένων, από GPU σε GPU, από server σε server και τελικά από data center σε data center.
Από χιλιάδες σε εκατομμύρια GPU
Εδώ βρίσκεται και το μεγάλο στοίχημα της επόμενης ημέρας.
Η Nvidia θεωρεί ότι τα σημερινά AI data centers είναι μόνο η αρχή.
Η νέα αρχιτεκτονική Spectrum-X Multiplane έχει σχεδιαστεί ώστε να επιτρέπει την επέκταση των AI factories σε περισσότερα από 128.000 endpoints, χωρίς τις καθυστερήσεις που δημιουργούν οι παραδοσιακές πολυεπίπεδες δικτυακές αρχιτεκτονικές.
Ο τελικός στόχος είναι ακόμη μεγαλύτερος.
Η ίδια η Nvidia μιλά πλέον για υποδομές που θα μπορούν στο μέλλον να υποστηρίζουν περιβάλλοντα εκατοντάδων χιλιάδων και τελικά εκατομμυρίων GPU.
Και σε αυτή την κλίμακα, η ταχύτητα του κάθε chip από μόνη της παύει να είναι αρκετή.
Το δίκτυο γίνεται μέρος του ίδιου του υπολογιστή.
Η νέα γενιά Rubin
Αυτό φαίνεται ακόμη καθαρότερα στη νέα πλατφόρμα Vera Rubin, την επόμενη μεγάλη γενιά της Nvidia μετά το Blackwell.
Η εταιρεία δεν την αντιμετωπίζει πλέον ως μία νέα GPU, αλλά ως ένα ενιαίο σύστημα έξι διαφορετικών chips και τεχνολογιών: Vera CPU, Rubin GPU, NVLink 6 Switch, ConnectX-9 SuperNIC, BlueField-4 DPU και Spectrum-6 Ethernet Switch.
Η λογική είναι η λεγόμενη extreme co-design: επεξεργαστής, GPU, δίκτυο, αποθήκευση και λογισμικό σχεδιάζονται μαζί.
Η Nvidia υποστηρίζει ότι το Rubin μπορεί να μειώσει έως και 10 φορές το κόστος παραγωγής inference tokens και έως τέσσερις φορές τον αριθμό των GPU που απαιτούνται για την εκπαίδευση συγκεκριμένων μοντέλων σε σχέση με το Blackwell.
Τα προϊόντα Rubin αναμένεται να αρχίσουν να διατίθενται από συνεργάτες της εταιρείας μέσα στο δεύτερο εξάμηνο του 2026.
Γιατί αυτό είναι το πραγματικό «τείχος» της Nvidia
Η στρατηγική έχει και μία δεύτερη διάσταση.
Αν ο ανταγωνισμός από AMD, custom chips των hyperscalers και άλλους κατασκευαστές αυξηθεί τα επόμενα χρόνια, η Nvidia θέλει να έχει δημιουργήσει ένα οικοσύστημα πολύ δυσκολότερο να αντικατασταθεί από μία μεμονωμένη GPU.
Ο πελάτης δεν αγοράζει πλέον απλώς έναν επιταχυντή.
Αγοράζει GPU, NVLink, switches, SuperNICs, DPUs, Ethernet ή InfiniBand networking και λογισμικό διαχείρισης – όλα σχεδιασμένα να λειτουργούν μαζί.
Ακόμη πιο χαρακτηριστικό είναι ότι η Nvidia αρχίζει να ανοίγει μέρος αυτής της τεχνολογίας και προς chips τρίτων κατασκευαστών, επιχειρώντας να κάνει το δικό της networking βασική υποδομή της AI βιομηχανίας ανεξαρτήτως του ποιος κατασκευάζει τον επεξεργαστή.
Και εκεί μπορεί να βρίσκεται το πραγματικό «κρυφό όπλο» του Jensen Huang.
Δεν θέλει απλώς να πουλά τα chips της AI
Η Nvidia έχει ήδη αποδείξει ότι μπορεί να κυριαρχήσει στην αγορά των AI accelerators.
Τώρα επιχειρεί κάτι μεγαλύτερο: να μετατραπεί στον αρχιτέκτονα ολόκληρου του εργοστασίου της Τεχνητής Νοημοσύνης.
Οι GPU παραμένουν η καρδιά του συστήματος. Αλλά όσο οι υποδομές μεγαλώνουν από μερικές χιλιάδες σε εκατοντάδες χιλιάδες επεξεργαστές, η αξία μεταφέρεται όλο και περισσότερο και σε αυτό που τους επιτρέπει να λειτουργούν ως ένα.
Γι’ αυτό και η εκρηκτική ανάπτυξη του networking ίσως είναι σημαντικότερη απ’ όσο δείχνουν σήμερα τα 31 δισ. δολάρια των ετήσιων εσόδων του.
Γιατί εάν η Nvidia καταφέρει να κάνει για τα δίκτυα των AI factories ό,τι έκανε με τις GPU για το AI computing, τότε ο Jensen Huang δεν θα έχει χτίσει απλώς μία δεύτερη μπίζνα δισεκατομμυρίων.
Θα έχει δημιουργήσει ένα ακόμη βαθύτερο «τείχος» γύρω από την κυριαρχία της Nvidia στην εποχή της Τεχνητής Νοημοσύνης.
