Главният изпълнителен директор на Nvidia, Дженсън Хуанг, насочва компанията към разработването на специализирани чипове за изкуствен интелект още през 2010 г., изпреварвайки пазара с повече от десетилетие преди глобалния AI бум.

През 2020 г. компанията предприема подобен стратегически ход, като се фокусира върху мрежовата инфраструктура за центрове за данни чрез ключово придобиване. Днес това е една от най-бързо растящите и доходоносни бизнес линии на Nvidia, въпреки по-слабия обществен интерес.

В рамките на няколко години мрежовото подразделение на Nvidia, което разработва технологии за свързване на центрове за данни, се превърна във втория по големина източник на приходи след изчислителните решения. През последното тримесечие сегментът отчита 11 млрд. долара приходи, което е ръст от 267% на годишна база. За цялата година бизнесът е донесъл над 31 млрд. долара, според последните финансови резултати.

Инфраструктурата зад AI компаниите

Растежът на подразделението е резултат от силното търсене на изчислителна мощ за обучение на AI модели. Портфолиото включва ключови технологии като NVLink за комуникация между графични процесори в сървърни конфигурации, InfiniBand суичове за т.нар. in-network computing, Spectrum-X – Ethernet платформа, оптимизирана за AI натоварвания, както и суичове с интегрирана оптика.

Тези решения заедно създават основата за изграждането на така наречените „AI фабрики“ – центрове за данни, предназначени за обучение и внедряване на AI модели.

Nvidia затвърждава позицията си като ключов двигател на глобалната AI трансформация, с амбиции да доминира не само в изчислителните технологии, но и в цели индустрии – от софтуер до мобилност

Nvidia GTC 2026: Дженсън Хуанг очаква поръчки за 1 трилион долара за Blackwell и Vera Rubin до 2027 г.

Сегмент с огромен потенциал, но малко публичност

Кевин Кук, старши стратег по акции в Zacks Investment Research, определя мрежовия бизнес на Nvidia като едно от най-впечатляващите нови направления на компанията.

Той отбелязва, че приходите от 11 млрд. долара за едно тримесечие надвишават годишните резултати на мрежовия бизнес на Cisco. Въпреки това този сегмент остава в сянката на подразделението за чипове на Nvidia и на гейминг бизнеса.

Корените на успеха: придобиването на Mellanox

Мрежовата експанзия на Nvidia започва с придобиването през 2020 г. на израелската компания Mellanox, основана през 1999 г. Сделката на стойност 7 млрд. долара е ключова за изграждането на интегрирана AI инфраструктура.

Кевин Дейерлинг, старши вицепрезидент по мрежовите технологии в Nvidia, се присъединява към компанията чрез тази сделка. Той отбелязва, че мрежовият бизнес често е недооценяван, тъй като много хора го възприемат само като инструмент за базова свързаност.

Той подчертава, че в ерата на изкуствения интелект концепцията е различна. Както отбелязва и Хуанг при придобиването на Mellanox, центърът за данни вече е основна единица на изчисление, а мрежата е нейна фундаментална част, а не просто канал за пренос на информация.

Синергията между графичните процесори и мрежовите технологии позволява на Nvidia да предлага цялостни решения за AI инфраструктура. Анализаторите отбелязват, че придобиването на Mellanox е запълнило „липсващото парче“ в стратегията на компанията, превръщайки GPU платформата в завършен продукт. Ключов фактор за успеха е, че Nvidia предлага мрежовите си технологии като интегрирани решения, а не като отделни компоненти. Освен това компанията работи чрез партньорска екосистема, вместо да продава директно на крайни клиенти.

Бумът на агентния AI и новите приложения увеличават търсенето на изчислителна мощ, но също така отварят вратата за нови конкуренти на Nvidia

Новото поколение AI чипове започва да разклаща доминацията на Nvidia

Нови технологии и следващият етап на растеж

На годишната технологична конференция Nvidia GTC, проведена на 16 март, Дженсън Хуанг представи нови разработки в областта на мрежовата инфраструктура. Сред тях е платформата Nvidia Rubin с шест нови чипа за изграждане на AI суперкомпютри. Компанията представи също платформа за съхранение на контекст при inference натоварвания и по-ефективни Ethernet фотонни суичове Spectrum-X.