Компании Маска подтверждают продолжение крупных закупок чипов Nvidia, одновременно Tesla продвигает собственный AI5 для роботакси и Optimus. Это иллюстрирует разделение рынка на обучение моделей в дата-центрах и исполнение на устройствах.
Илон Маск дал рынку редкую конкретику о том, как его компании будут закупать вычислительные мощности в ближайшей перспективе. Он заявил, что SpaceX AI и Tesla рассчитывают и дальше заказывать чипы Nvidia в больших объемах. Для Nvidia это важный сигнал не столько про одну сделку, сколько про сохранение «якорных» покупателей в момент, когда весь сектор пытается понять, где заканчивается ажиотаж и начинается устойчивый корпоративный спрос. Внутри группы Маска складывается необычная архитектура потребления вычислений. SpaceX AI фигурирует как обозначение объединенной структуры после того, как SpaceX приобрела xAI в сделке с оплатой акциями. Это не просто корпоративная перестановка. Она меняет точку, где концентрируются дата-центровые расходы, и потенциально упрощает доступ к капиталу перед ожидаемым крупным размещением SpaceX. Чем понятнее контур расходов на вычисления и чем стабильнее контракты с поставщиками, тем проще инвесторам оценивать маржинальность и потребности в капитале. Параллельно Маск описал, над чем работает Tesla по собственной кремниевой линии. Компания проектирует чип пятого поколения, AI5, который должен стать базой для автономных продуктов. Эти чипы лежат в основе системы автопилота и программного пакета Full Self Driving. С экономической точки зрения это попытка контролировать самый дорогой узел в цепочке создания автономности, вычисление, и снизить зависимость от внешних поставщиков в долгом цикле. Важно, что AI5 задуман не как универсальный дата-центровый ускоритель. Маск отметил, что его можно использовать для обучения моделей в дата-центрах, но в первую очередь он оптимизирован под периферийные вычисления, то есть под обработку данных на устройстве. Речь о роботакси и о гуманоидном роботе Optimus, где критичны энергопотребление, тепловой режим и стоимость на единицу. Это объясняет, почему Tesla одновременно держит два трека. Один трек это массовые закупки внешних ускорителей для обучения моделей. Второй трек это собственный чип для дешевого и надежного исполнения моделей в изделиях. Вокруг обучения моделей и развертывания автономности деньги движутся разными путями. Дата-центры потребляют капитал заранее, через закупки оборудования и строительство инфраструктуры, а экономический эффект приходит позже и неравномерно. Встроенный чип, наоборот, начинает окупаться, когда масштабируется выпуск устройств и когда стоимость вычислений на единицу падает. Поэтому даже при активной разработке собственного кремния Tesla продолжает поддерживать спрос на решения Nvidia, потому что разрыв между «обучить» и «исполнить» в автономных системах велик. В продуктовой плоскости Маск также сказал, что Tesla ожидает более широкого выпуска обновления Full Self Driving в режиме Supervised в ближайшие недели. Для бизнеса это означает продолжение стратегии постепенного наращивания функциональности через программные релизы, что повышает ценность установленной базы автомобилей и удерживает подписочный интерес. Но это же усиливает зависимость от того, насколько быстро компания сможет наращивать вычислительную мощность для обучения и валидации. Отдельной строкой прозвучал срок запуска проекта Terafab, который должен производить чипы для искусственного интеллекта. Маск обозначил очень короткий горизонт, семь дней. Даже если речь идет о запуске этапа, а не о полномасштабном производстве, рынок обычно считывает такое как стремление ускорить вертикальную интеграцию и снять часть узких мест в поставках. Главный риск здесь в том, что фабрика и собственный чип не отменяют потребности в внешних ускорителях в ближайшие годы, а лишь перераспределяют баланс между капитальными затратами и закупками. В итоге сообщение Маска одновременно укрепляет позицию Nvidia как поставщика «обязательных» вычислений для обучения и подчеркивает, что крупнейшие потребители ИИ пытаются вырастить альтернативы для периферийного применения. Для инвесторов в экосистеме ИИ это напоминание, что спрос на ускорители поддерживается не одним продуктом, а целым набором проектов с разным циклом окупаемости и разной чувствительностью к дефицитам и цене.