Три сложные задачи, оставленные Дженсеном Хуангом: кто возьмет на себя управление, сможет ли CUDA сохранить свои позиции, как выполнить обязательства на сумму 279 миллиардов долларов

Вэнь｜Ли Хайлунь

Редактор｜Су Янг

На будущей конференции GTC от NVIDIA, возможно, больше не будет привычной сцены, где "господин Хуан" выходит на сцену и приветствует зрителей.

12 ноября по местному времени в США Хуан Жэньсюн объявил о своем уходе из NVIDIA, которой он управлял в течение 33 лет. Акции NVIDIA в течение дня упали примерно на 14%, затем падение сократилось, и в итоге они закрылись с падением около 4,3%.

Партнер Andreessen Horowitz Мартин Касадо назвал это "темным днем".

С момента основания NVIDIA в 1993 году Хуан Жэньсюн практически руководил каждой значительной трансформацией компании. От ранних графических процессоров до экосистемы CUDA и нынешнего бизнеса центров обработки данных AI, способность NVIDIA адаптироваться к нескольким технологическим изменениям тесно связана с оценкой Хуаном Жэньсюном направления технологий и его долгосрочными инвестициями.

Особенно в текущей волне генеративного ИИ Хуан Жэньсюн не только способствовал трансформации NVIDIA из поставщика чипов в платформу инфраструктуры AI, но и активно участвовал в разработке продуктовой стратегии, координации цепочки поставок и сотрудничестве с крупными клиентами.

Текущая рыночная позиция NVIDIA во многом основана на этой бизнес-стратегии.

Для NVIDIA уход Хуан Жэньсюна не означает, что существующий бизнес сразу же столкнется с проблемами. После многих лет развития компания уже имеет зрелую команду технологий, продуктовую стратегию и систему цепочки поставок, и эти преимущества не исчезнут с уходом одного из руководителей.

Тем не менее, сможет ли NVIDIA продолжить быстрый рост последних лет после потери этого ключевого принимающего решения? Эта компания, находящаяся в центре глобальной индустрии AI, какие новые испытания ей предстоит пройти?

01 Преемник не равен капитану

В настоящее время временным CEO NVIDIA назначена Коlette Кресс, которая более 13 лет занимала должность CFO и участвовала в процессе трансформации NVIDIA из компании по производству игровых видеокарт в гиганта инфраструктуры AI, знакома с финансовым состоянием компании, контрактами с клиентами, договоренностями с поставщиками и капитальными расходами.

Она также долгое время совместно с Хуаном Жэньсюном участвовала в телефонных конференциях по отчетности, и ее хорошо знают на Уолл-стрит.

Аналитик KeyBanc Capital Markets Джон Вин считает, что назначение Кресс временным CEO является позитивным сигналом, поскольку она долго работает в компании и глубоко понимает бизнес и стратегию NVIDIA. Главный аналитик eToro Джош Гилберт также считает, что Кресс является очевидным кандидатом для стабилизации ситуации в компании. Она знакома с бизнесом и может представлять компанию, когда рынку требуется определенность от руководства.

Тем не менее, это не означает, что Кресс сможет немедленно взять на себя прежние обязанности по принятию решений Хуаня Жэньсюна. По данным The Information, временный CEO NVIDIA не является ведущим в принятии крупных решений компании и не отвечает за формирование повестки крупных решений. Временный CEO и долгосрочный капитан — это разные вещи.

Ранее The Information со ссылкой на осведомленные источники сообщила, что Кресс не является основным инициатором повестки крупных решений NVIDIA, и в некоторых высокорисковых сделках она предпочитает контролировать риски, как, например, с кредитной поддержкой OpenAI.

Хуан Жэньсюн ранее способствовал тому, чтобы NVIDIA предоставила OpenAI крупномасштабную кредитную поддержку, первоначально обсуждаемая сумма достигала 250 миллиардов долларов для поддержки строительства их центров обработки данных. Кресс относилась к этому с осторожностью. Впоследствии соответствующие договоренности были разделены, и первая часть поддержки от NVIDIA составила около 100 миллиардов долларов.

Аналитик Bernstein Стейси Расгон считает, что назначение Кресс поможет стабилизировать краткосрочный бизнес, и он не беспокоится о том, что изменения в руководстве немедленно повлияют на деятельность NVIDIA. Однако он более осторожен в отношении долгосрочных вопросов: сможет ли новый CEO взять на себя контроль над продуктовой стратегией, а также поддерживать связи с клиентами, поставщиками, сотрудниками и всей экосистемой отрасли, остается под большим вопросом. Поэтому Расгон понизил рейтинг акций NVIDIA и целевую цену.

Аналитик Goldman Sachs Джеймс Шнайдер также отметил, что у NVIDIA нет недостатка в зрелой функциональной управленческой команде, в области проектирования чипов, программного обеспечения, систем и финансов есть опытные руководители, но техническое видение, влияние в отрасли и способность координировать между компаниями, которые имел Хуан Жэньсюн, трудно заменить обычным профессиональным менеджером.

Среди внутренних кандидатов наибольшее внимание привлекает старший технический руководитель NVIDIA Иан Бак. Он присоединился к компании в 2004 году и долгое время участвовал в разработке общего вычисления на GPU и экосистемы CUDA, в настоящее время отвечает за продукты AI для облачных провайдеров.

Среди внешних кандидатов несколько аналитиков упомянули CEO Arm Рене Хаса. Он ранее занимал должность руководителя бизнес-подразделения вычислительных продуктов в NVIDIA, присоединился к Arm в 2013 году и позже стал CEO. Кроме того, были названы председатель Apple Тим Кук, руководитель аппаратного обеспечения Apple Джонни Сруджи и CEO Palo Alto Networks Никиш Арора.

Инвестор Армина Розенберг предложила возможность: NVIDIA может рассмотреть вариант, при котором Кресс будет отвечать за операционную и финансовую деятельность, а Бак — за продукты и технологии, создавая нечто похожее на совместное руководство.

В конце концов, более 60 руководителей, которые ранее напрямую управлялись Хуаном Жэньсюном, были упомянуты в отчетах, и система принятия решений NVIDIA долгое время функционировала вокруг него.

02 Сможет ли CUDA сохранить свои позиции?

Оглядываясь на историю развития NVIDIA, одной из самых важных ролей Хуаня Жэньсюна было продолжение инвестиций в технологические направления, которые еще не приносили четкой коммерческой отдачи.

Наиболее ярким примером является CUDA.

В 2006 году NVIDIA представила CUDA, что позволило GPU обрабатывать общие вычислительные задачи, помимо графической визуализации. В 2012 году AlexNet, обученный на GPU NVIDIA, достиг прорыва на конкурсе ImageNet, и GPU стал важной вычислительной платформой для глубокого обучения. С тех пор NVIDIA продолжала совершенствовать инструментарий CUDA и вычислительные библиотеки, и разработчики постепенно начали строить процессы обучения, оптимизации и развертывания моделей вокруг этой системы.

Это также объясняет, почему конкурентам трудно просто полагаться на производительность чипов, чтобы догнать NVIDIA. Даже если компании закупают GPU или специализированные чипы других производителей, им необходимо заново адаптировать существующий код, модели и программные инструменты. Для клиентов, которые уже вложили значительные ресурсы в использование CUDA, миграция не является простой заменой оборудования.

Однако способы вычисления AI меняются, и CUDA также должна расширяться. В последние годы преимущество NVIDIA в основном заключалось в обучении больших моделей; с переходом отрасли к масштабному выводу, клиенты начали больше обращать внимание на стоимость вычислений за токен, использование GPU и скорость отклика. В 2026 году NVIDIA выпустит Dynamo 1.0, специально предназначенный для управления ресурсами и запросами в масштабном AI выводе, пытаясь перенести конкуренцию с производительности GPU на всю систему вывода. Он также будет интегрирован с такими программами, как TensorRT-LLM, и поддерживать основные открытые фреймворки вывода.

AI-агенты и роботы открывают новые области применения. Агентам необходимо постоянно вызывать модели, данные и внешние инструменты, а роботам нужно обрабатывать визуальные данные, пространственное понимание и управление в реальном времени. NVIDIA расширяет свои вычислительные возможности в этих сценариях через CUDA-X, платформу роботов Isaac, симуляционную среду Omniverse и модель Cosmos. В будущем использование CUDA может выйти за пределы центров обработки данных и проникнуть в фабрики, автомобили и роботизированные устройства.

Тем не менее, этот программный барьер не является непоколебимым. В настоящее время AMD совершенствует экосистему ROCm, Google TPU и Amazon Trainium также развивают свои программные системы. Открытые инструменты, такие как PyTorch и Triton, снижают зависимость разработчиков от конкретных аппаратных платформ. Если все больше моделей смогут адаптироваться к различным чипам через единый фреймворк, стоимость миграции, связанная с CUDA, также может постепенно снизиться.

Это как раз тот долгосрочный вопрос, с которым NVIDIA придется столкнуться после ухода Хуаня Жэньсюна. Успех CUDA основан на инвестициях в технологии с длительным циклом окупаемости, а вывод, агенты и физический AI могут стать входом в следующий раунд расширения экосистемы. Кто будет определять приоритеты инвестиций в эти направления, кто будет продвигать программную платформу для постоянной адаптации к новым способам вычислений, будет влиять на то, сможет ли NVIDIA сохранить накопленные экосистемные преимущества.

03 Как выполнить обязательства на 279 миллиардов долларов?

После ухода Хуаня Жэньсюна еще одной важной темой для рынка станет огромная сумма обязательств по поставкам и мощностям, которые уже взяла на себя NVIDIA.

Согласно квартальному отчету NVIDIA на 26 июля 2026 года, общая сумма обязательств по поставкам и мощностям достигла 279 миллиардов долларов, в то время как в предыдущем квартале эта цифра составляла около 119 миллиардов долларов, увеличившись на 160 миллиардов долларов за квартал.

Согласно распределению по времени выполнения, оставшаяся сумма на 2027 финансовый год составляет около 92 миллиардов долларов, на 2028 финансовый год — около 87 миллиардов долларов, на 2029 финансовый год — около 88 миллиардов долларов, остальные около 12 миллиардов долларов запланированы на более поздний срок.

Эти 279 миллиардов долларов не являются уже полученными заказами от клиентов и не являются наличными, которые NVIDIA уже выплатила. Они в основном соответствуют закупкам и договоренностям о мощностях, которые компания заключила с поставщиками и партнерами по мощностям для удовлетворения будущего спроса. NVIDIA необходимо заранее заблокировать передовые технологии, упаковку, память и другие ключевые ресурсы, чтобы гарантировать, что Blackwell и последующие продукты будут доставлены в соответствии с планом.

Проблема заключается в том, что обязательства со стороны поставщиков не обязательно могут совпадать с потребностями клиентов.

Крупным центрам обработки данных требуется длительный цикл от финансирования, выбора местоположения, электроснабжения до строительства и развертывания. Даже если клиенты уже планируют закупку GPU, они могут отложить закупку из-за задержек с подключением электроэнергии, проблем со строительством серверных, недостатка финансирования или изменения темпов развертывания новых продуктов. NVIDIA также указала в документе 10-Q, что клиенты могут задерживать или отменять закупки из-за факторов, таких как инфраструктура, финансирование и прогресс в принятии технологий.

Если скорость выполнения потребностей клиентов окажется ниже ожидаемой, а NVIDIA уже заблокировала мощности на верхнем уровне, это может привести к накоплению запасов, затратам на отмену и несоответствию спроса и предложения. Даже если в конечном итоге удастся найти других покупателей, изменения в поколениях продуктов могут повлиять на цену и валовую прибыль.

Еще одна цифра, которая может быть легко перепутана, — это обязательства по соглашению о облачных AI-услугах на сумму около 36 миллиардов долларов, раскрытые NVIDIA.

Эти договоренности обычно касаются многолетнего сотрудничества по облачным сервисам, и они не совпадают с обязательствами по поставкам и мощностям на 279 миллиардов долларов. NVIDIA получает облачные вычислительные мощности через партнеров и может перепродать часть мощностей третьим лицам; по мере использования мощностей соответствующие обязательства будут уменьшаться. Но если спрос со стороны внешних клиентов будет недостаточным, NVIDIA все равно может нести определенные обязательства по закупкам.

Эти договоренности отражают изменения в бизнес-модели NVIDIA: компания больше не просто закупает чипы по заказам и поставляет продукты, но все чаще заранее участвует в распределении ресурсов всей инфраструктуры AI. Хуан Жэньсюн умел продвигать проекты через отношения с клиентами и влияние в отрасли, а преемник должен будет найти баланс между поддержанием роста и контролем финансовых рисков.

04 Какой будет следующий двигатель роста?

В последние годы NVIDIA воспользовалась волной генеративного ИИ и стала основным бенефициаром в строительстве глобальной ИИ-инфраструктуры. Однако для компании, чьи квартальные доходы уже близки к 100 миллиардам долларов, становится все более важным поддерживать высокие темпы роста. На данный момент самым важным источником роста для NVIDIA остается центр обработки данных. Во втором квартале 2027 финансового года доход компании составил 96,221 миллиарда долларов, что на 106% больше по сравнению с прошлым годом; доход от центров обработки данных составил около 89 миллиардов долларов, что на 117% больше, и составляет подавляющую часть общего дохода. Прогноз доходов компании на третий квартал составляет 108 миллиардов долларов, темпы роста остаются сильными.

Кроме того, с продолжающимся расширением инвестиций в ИИ-инфраструктуру со стороны крупных мировых технологических компаний, платформа Blackwell развертывается в масштабах, а платформа следующего поколения Vera Rubin также начинает выходить на этап производства и отгрузки.

Кроме того, NVIDIA ищет другие новые возможности для роста.

Одним из важных направлений является ИИ-вывод. С переходом больших моделей от обучения к масштабному применению предприятиям необходимо постоянно вызывать модели для выполнения различных задач, а распространение ИИ-агентов может еще больше увеличить спрос на вычислительные мощности.

По сравнению с обучением моделей, бизнес по выводу более сосредоточен на вычислительных затратах, потреблении энергии и эффективности работы. NVIDIA стремится повысить производительность вывода с помощью новых чипов и систем, надеясь продолжить расширять масштабы бизнеса на этом рынке.

Также такие области, как робототехника, автономное вождение и промышленный ИИ, рассматриваются NVIDIA как направления будущего роста. Например, с увеличением числа стран и регионов, стремящихся построить автономную и контролируемую ИИ-инфраструктуру, суверенный ИИ создает новый спрос на закупку чипов. Робототехника и автономное вождение, в свою очередь, могут еще больше расширить область применения GPU и связанных вычислительных платформ.

Однако смогут ли эти новые рынки достичь масштабов текущего бизнеса центров обработки данных, еще предстоит проверить временем.

Тем временем конкуренция, с которой сталкивается NVIDIA, также меняется.

Ранее NVIDIA в основном конкурировала с производителями чипов, такими как AMD. Сегодня крупные клиенты, такие как Google, Amazon и Microsoft, также разрабатывают свои собственные ИИ-чипы, надеясь снизить затраты на вычислительные мощности и уменьшить зависимость от единственного поставщика. Broadcom участвует в разработке чипов крупных технологических компаний через бизнес по производству настраиваемых ASIC. Эти продукты в краткосрочной перспективе не обязательно смогут полностью заменить GPU NVIDIA, но уже предоставили клиентам больше выбора для некоторых вычислительных задач.

Хуан Жэньсюн возглавил NVIDIA, чтобы воспользоваться возможностями роста, которые предоставляет генеративный ИИ. В дальнейшем, в условиях постоянно меняющейся конкуренции в ИИ-индустрии, кто решит, какой будет следующий шаг NVIDIA, и сможет ли он привести компанию к следующему циклу роста, станет новым испытанием.