Следующая компания по производству чипов с капитализацией в 1 триллион долларов

1.Следующая компания-производитель чипов стоимостью в 1 трлн долларов может появиться среди пост-GPT ускорителей для инференса, но только при условии, что она первой наладит серийное производство стоечных систем и получит клиентов-лидеров на передовом рубеже. Временное окно быстро сужается, и такими лидерами на данный момент являются Tenstorrent, Etched и SambaNova, которые планируют массово поставлять стоечные решения в 2026 году.

2.Groq и Cerebras доказали, что даже с недостатками архитектуры, если у вас к нужному времени есть чипы массового производства и вы превосходите GPU по ключевым метрикам, например по интерактивности, можно добиться результатов на уровне 10 млрд долларов. Сейчас спрос на токены значительно превышает предложение, особенно острый дефицит наблюдается у передовых токенов с низкой задержкой — это даёт пост-GPT ускорителям аналогичный шанс. Но опоздание даже на год стоит очень дорого — компании, которые выйдут на рынок после 2027 года, столкнутся с ещё большими трудностями.

Следующая компания-производитель чипов стоимостью в 1 трлн долларов может появиться среди пост-GPT ускорителей для инференса, но только при условии, что она первой наладит серийное производство стоечных систем и получит клиентов-лидеров на передовом рубеже. Временное окно быстро сужается, и такими лидерами на данный момент являются Tenstorrent, Etched и SambaNova, которые планируют массово поставлять стоечные решения в 2026 году.

I. Следующая компания-производитель чипов стоимостью 1 трлн долларов

Ответ может быть проще, чем вы думаете. Etched, Fractile, MatX, Positron, Rebellions, SambaNova, Tensordyne, Tenstorrent и другие.

За последний год два стартапа в области AI-чипов добились значительных финансовых успехов. Groq был выкуплен за 20 млрд долларов, а рыночная капитализация Cerebras после выхода на биржу превысила 40 млрд долларов. Это значительные суммы, но это ещё не триллион. В текущих условиях, если удастся построить масштабируемую и устойчиво разрастающуюся систему, ориентированную на инференс, способную запускать передовые модели и выходящую на вычислительную мощность класса гигаватт, а затем провести IPO — реально достичь капитализации в 1 трлн долларов.

Однако архитектуры, использованные Groq и Cerebras, не безупречны. Обе компании проектировали чипы до повсеместного распространения больших языковых моделей, и их ранние архитектурные решения не идеально соответствуют сегодняшним требованиям. Я называю их “ускорителями до эпохи GPT”.

Самый известный пример, о котором широко говорили — использование только SRAM. Даже чтобы обслуживать небольшую модель, требуется множество стоек Groq; даже инженерный шедевр Cerebras с интеграцией 900 000 ядер на одном кристалле не способен уместить все веса передовой модели на одной подложке, а потому нужно масштабировать до нескольких систем уровня кристалла. Это создаёт проблемы экономии, сложности экстенсивного масштабирования KV-кэша и прочие вопросы.

Честно говоря, изучив технические детали, я считал, что эти компании не имеют шансов на рынке больших языковых моделей. Но, надо признать, кто 10 лет назад мог вообразить такой рост моделей? Однако: без памяти с высокой пропускной способностью для поддержки длинных контекстов… как эти чипы могут выжить? Чем длиннее контекст — тем лучше… Невозможно ли масштабировать?

Ключевой момент: у обеих компаний на тот момент уже были чипы, готовые к массовому производству. Несмотря на недостатки чистой SRAM-архитектуры, они превзошли GPU по критическому KPI — интерактивности. Как блестяще показал нам Дженсен: использование SRAM-чипов для декодирования открыло новые двери для передовых мощностей Pareto 2026 года:

Вот почему они достигли рубежа в десятки миллиардов долларов. Несколько десятков миллиардов — действительно с ума сойти, правда!

Я ошибочно думал, что недостатки архитектуры не позволят им добиться успеха.

Что главное, если взглянуть назад? Время.

Когда пришла Nvidia — у Groq чипы были уже в массовом производстве; когда пришла OpenAI — у Cerebras было то же самое. Забудьте про недостатки архитектуры. Если вы можете поставить продукт и открыть новые уровни Pareto — вас сами найдут. На самом деле, я думал, что главная проблема Groq и Cerebras — слишком ранний старт, слишком ранние дизайн-решения, ещё до революции Transformer. Раньше времени — всё равно что ошибиться...

Да, ранний старт едва не стоил этим компаниям жизни; обе были близки к исчерпанию средств. Но именно это дало им преимущество — когда внезапно начался спрос на ускорители инференса, у них уже были рабочие чипы. Правда, до выхода от Meta модели Llama оба стартапа фактически считались “мертвыми”. Llama стала первой открытой большой языковой моделью с практическими весами — и Groq наконец-то мог показать, как быстро может работать чат-бот.

Повторю — важно только два фактора: иметь серийные чипы в нужный момент времени и выйти на такой уровень Pareto, который невозможен для GPU. Далее, решение Nvidia Dynamo придало всему дальнейший толчок, так как оно позволило разделять нагрузки и размещать ограниченный памятью декодинг на SRAM-чипах.

II. Эпоха после GPT

Если первая эпоха инференса принадлежала GPU, то Groq и Nvidia с парадигмой GPU+LPU запустили эпоху следующую. Но грядёт новая веха: пост-GPT эпоха ускорителей. От матричных умножителей и интерконнектов до уровней памяти — такие стоечные системы проектируются с первого дня именно для инференса больших языковых моделей.

Много стартапов конкурирует на этом поле, а ещё есть кастомные XPU, такие как Maia, MTIA, Trainium и другие. Но кто среди них станет новым Groq или Cerebras, получит крупных клиентов, добьётся поглощения или полноценного IPO?

III. Что нужно, чтобы стать следующей компанией-производителем чипов стоимостью в 1 трлн долларов

Главный урок, который мы получили к этому моменту — не стоит чрезмерно зацикливаться на инженерной архитектуре. Да, в долгосрочной перспективе архитектура важна, но в нынешнем рынке достаточно соответствовать четырём критериям:

1. Возможность запускать передовые модели с 1T+ параметрами
2. Возможность поставлять стоечные системы
3. Превосходство по крайней мере по одному из ключевых KPI по сравнению с действующим лидером рынка
4. Получение клиента-якоря на передовом рубеже

Возможность запускать передовые модели с 1T+ параметрами. Именно передовые модели дают рост стоимости и объёмов развертывания, а значит самые мотивированные и заинтересованные клиенты массово внедряют пост-GPT ускорители. Если система не может работать с 1T параметров — она обречена конкурировать только на субтоповом рынке. Я высоко оцениваю практическую ценность таких моделей, особенно в enterprise-секторе, но их рынок заметно меньше. Они не способны создать следующего Groq или Cerebras.

Возможность доставлять стоечные системы. В борьбе за гигаваттный инференс базовой единицей становится стойка. Если вы хотите победить — надо быстро, стабильно и надёжно проектировать и внедрять стоечные комплексы из ускорителей.

Явное превосходство хотя бы по одному из ключевых KPI над лидером рынка. Не обязательно быть лучшим во всём, но нужно хотя бы по одному показателю быть лучше на порядок.

Получение клиента-якоря на передовом рубеже. Нужно найти такого клиента, который готов инвестировать серьёзные средства в масштаб гигаваттного класса, верит в ваш roadmap и согласится строить долгосрочные отношения. Идеальны — лаборатории моделей или гиперскейлеры, иногда — новый крупный вендор облака, но вряд ли суверенный заказчик.

Конечно, поддержка софта — это просто базовый критерий.

В остальном — всё достаточно просто.

Да, технические детали важны — квантование, уровни памяти, масштаб домена вертикального расширения и др. Но на практике, по крайней мере пока, важно только одно — действительно ли архитектура даёт тот самый KPI, где вы на голову выше конкурентов. Вся суть в том, что каждую архитектуру можно разобрать отдельно — но сравнивать имеют смысл только итоговые показатели.

Это уникальный период. Спрос на токены сильно превышает предложение, и особенно остро не хватает передовых токенов с низкой задержкой, потому что GPU не может идти в ногу с спросом или делает это только за счёт заметных экономических потерь. Такой дефицит высокоинтерактивных токенов и создаёт окно возможностей для "уже массовых и достаточно хороших по архитектуре" решений, таких как Groq и Cerebras.

Однако это окно ограничено по времени; оно уже открывалось, и Groq/Cerebras этим воспользовались. Важно войти на рынок первым.

Отсюда следующий вопрос: какое будет следующее окно и кто первым в него войдёт?

Чтобы выбрать будущего победителя, может быть достаточно только одного вопроса: кто первым запустит пост-GPT ускоритель инференса мощностью 1 гигаватт?

Для ответа на этот вопрос предлагаю остальное содержание статьи.

1. Передовая гонка: ранжируем все 11 компаний по дате вывода на рынок стоечных передовых систем, представляем рейтинг и временную шкалу
2. Полный разбор Tenstorrent: пока единственная компания, реально предлагающая стоечные решения передового уровня; это бесплатный пример для независимой экспертизы
3. Разбор остальных 10 компаний: индивидуальные баллы и источники, обзор топовых игроков, декодирующих плат и продуктов среднего уровня
4. Доказательства: только у 2 из 8 "передовых" компаний есть достоверные данные от независимых источников
5. Кто на самом деле может стать следующей триллионной компанией, а также аргумент, способный изменить весь рейтинг

IV. Гонка на передовой: кто первым достигнет стоечного масштаба

Итак, какие стартапы способны пройти эти четыре фильтра? А если ранжировать их по дате запуска первых стоечных систем? Давайте посмотрим. Я упорядочил компании в зависимости от заявленного срока выхода передовых решений стоечного масштаба. Это требует осторожности, поскольку мы пока обсуждаем только заявленные сроки запуска (не факт наличия массовых поставок или реальной производительности).

Кроме того, у многих компаний уже есть продукты, но их ранние версии относились к среднему уровню — лишь со временем они начали ориентироваться на современные передовые большие языковые модели и стоечные скейлы. Поэтому я рассматриваю только сроки вывода на рынок тех продуктов, которые, по их roadmap, обещают передовые возможности.

Если собрать все открытые источники — пресс-релизы, блоги, подкасты — получится следующее:

Визуализация:

Однако следует понимать, что каждый пункт — это только первый стенд или первый образец, а не мощность гигаваттного уровня. На мой взгляд, важна только дата вывода первого гигаватта, хотя сам факт появления первой стойки тоже важен.

Первая стойка — это доказательство жизнеспособности системы в целом, а гигаваттный масштаб — доказательство жизнеспособности компании.

Кто выйдет на рынок в 2026, а кто нет?

Tenstorrent, Etched и SambaNova начнут массовые продажи стоек в 2026 году.

Positron, Tensordyne и Rebellions отстают на год. Rebellions утверждает, что начнёт поставки в 2026, но их передовой продукт REBEL сейчас только на стадии образцов, скорее всего реальные стойки появятся не раньше 2027-го.

Fractile и MatX отстают на 2 года. В их дорожных картах фигурируют этапы лишь на 2027-й, однако это прототипы и первые пилоты, массовое производство начнётся только в 2028-м.

В условиях дефицита поставок запоздание даже на год критически дорого. Это не означает, что компании, начинающие поставки только в 2027 году и позже, не смогут побеждать технологически или со временем не получат серьёзную долю рынка. Достаточно найти хотя бы одного крупного клиента, чтобы масштабироваться. Но чтобы конкурировать — надо выйти на рынок! Какая бы ни была ваша архитектура, если вы не сделали реализацию, вы не играете в настоящую игру.

Кто войдёт первым?

Tenstorrent утверждает, что уже сегодня поставляет массовые чипы. Это многообещающе! А как насчёт клиентов? У Tenstorrent уже есть новые облачные провайдеры и суверенные заказчики; но пока не объявлено ни об одном лаборатории передового уровня или гиперскейлере. Смогут ли эти ранние клиенты обеспечить Tenstorrent гигаваттный масштаб? Подробно мы разберём это ниже.

Поглощение может ускорить выход Tenstorrent на рынок, ведь у крупных производителей уже есть связи с гиперскейлерами. Сообщалось, что Qualcomm в середине июня рассматривала сделку на сумму 8-10 млрд долларов, но Келлер, по слухам, недавно опроверг любые переговоры с Qualcomm — этот вариант кажется маловероятным.

Позиции Etched стали заметно сильнее по сравнению с прошлым кварталом. Компания обещает массовые поставки стоечных решений уже этим летом, что заметно раньше, чем у MatX, Fractile и ряда других. На каком-то этапе казалось, что Etched уже выпала из гонки, но, как оказалось, они весьма активны и даже считают себя ускорителями первого эшелона.

Особенно важно, что Etched говорит сразу о гигаваттном масштабе. Они утверждают, что уже выбрали путь для выхода на этот уровень в 2027 году и строят необходимую инфраструктуру: завод на Тайване, дата-центр, тестовое производство и лабораторию первичного прототипирования в Сан-Хосе. Сооснователь Роб Вахен заявил в прессе: "С первого дня мы строили компанию для гигаваттного масштаба... Массовое производство — это и есть продукт."

Etched пока не раскрывает имена заказчиков, но заявляет о контрактах более чем на 1 млрд долларов. Ориентир на путь к гигавадтному масштабу и “строительство ради гигаваттного выхода” подразумевает, что их целевая аудитория — те, кто способен поддержать такие объёмы.

Сможет ли Etched действительно выйти на гигавадтный масштаб к 2027 году — пока вопрос, однако путь выбран верно, если цель — участие в триллионной гонке.

SambaNova также утверждает, что их передовая SN50 появится во втором полугодии 2026 года. Если SambaNova, Etched и Tenstorrent смогут вывести конкурентоспособные стоечные решения, вторая половина 2026-го и начало 2027-го будут очень интересными!

На данный момент среди клиентов SambaNova уже названы корпорации JPMorgan и Softbank, но эти реализации явно не на масштабе гигаватта.

SambaNova заключила многолетнее соглашение с JPMorgan. Лян сказал: “Это прорыв, ведь большинство поставщиков до сих пор не понимает, как выйти на enterprise-рынок. Корпоративный рынок не станет главным, но он будет значимой частью экосистемы — и это уже видно по динамике.” Лян добавил, что корпоративные клиенты хотят размещать свои модели и данные в частных инфраструктурах, а там гигавадтные дата-центры обычно не нужны.