Broadcom: Наследие и Новые Горизонты Искусственного Интеллекта

Изначальный бум инвестиций в центры обработки данных, связанные с искусственным интеллектом, был сосредоточен на аппаратном обеспечении для обучения моделей – задачах, требующих колоссальной параллельной обработки. Графические процессоры, или GPU, обладали и обладают мощностью и гибкостью, и именно это качество вознесло компанию Nvidia из рядовых представителей крупного бизнеса, с капитализацией около 350 миллиардов долларов в начале 2023 года, на вершину мирового рейтинга, где ее стоимость сегодня превышает пять триллионов. Словно неудержимый поток, несущий в себе все новые и новые возможности… и, конечно, оценки.

"Покупай на слухах, продавай на новостях". А потом сиди с акциями никому не известной биотех-компании. Здесь мы про скучный, но рабочий фундаментал.

Бесплатный Телеграм канал

Однако центры обработки данных растут в размерах, что неизбежно влечет за собой ограничения по стоимости и, что особенно важно, энергетический голод. Более того, потребности гипермасштабируемых компаний эволюционируют, поскольку все большую роль начинает играть вывод, или инференс. Если обучение – это создание разума, то вывод – это его применение в реальном мире, будь то чат-боты, агенты, роботы или автомобили с автономным управлением. В этом – вечное противостояние теории и практики, создания и применения.

Специализированные интегральные схемы (ASIC) уступают GPU в гибкости, но могут быть исключительно экономичными при масштабировании. Именно поэтому аналитики Goldman Sachs прогнозируют, что спрос на ASIC в ближайшие годы превзойдет спрос на GPU. В этом – логика рынка, неумолимая и предсказуемая, как смена времен года.

Компания Broadcom – ведущий разработчик ASIC, и, следовательно, обречена извлечь выгоду из этого бума. Но стоит ли сейчас покупать акции этой полупроводниковой компании, предвкушая публикацию ее финансовых результатов 3 июня? Этот вопрос, как и все вопросы, требующие серьезного осмысления, требует неспешного анализа.

ASIC в Эпоху Гипермасштабирования

Tensor Processing Units (TPU) от Alphabet, Meta Training and Inference Accelerator (MTIA) от Meta Platforms и Trainium от Amazon – яркие примеры ASIC. Эти разработки – словно плоды кропотливой работы, направленной на достижение максимальной эффективности.

Meta и Alphabet сотрудничают с Broadcom для разработки своих чипов, в то время как Amazon Web Services (AWS) располагает собственным подразделением по разработке полупроводников, Annapurna Labs. В этом – стремление к независимости, к созданию собственных, уникальных решений.

Google и AWS добились значительной экономии и повышения эффективности за счет развертывания своих чипов в облачных сервисах. Google использует TPU для питания своей большой языковой модели Gemini и других приложений, работающих на базе искусственного интеллекта, таких как Google Search, Google Maps и Google Photos. Meta разработала MTIA для своей внутренней инфраструктуры, включая алгоритмы поиска и рекомендации контента. В этом – стремление к оптимизации, к достижению максимальной отдачи от каждого вложенного рубля.

Broadcom не стесняется говорить о растущем спросе на ASIC. Компания прогнозирует, что к 2027 году продажи ее чипов, работающих на базе искусственного интеллекта, достигнут 100 миллиардов долларов. Кроме того, компания располагает значительными активами в сфере полупроводников и инфраструктурного программного обеспечения, не связанных с искусственным интеллектом. Однако было бы ошибкой полагать, что ASIC полностью вытеснят GPU из центров обработки данных.

GPU: Не Умирающая Звезда

ASIC экономичны при масштабировании, но лишены гибкости, поскольку жестко запрограммированы на выполнение конкретных задач. Впрочем, программный стек остается гибким, что позволяет Google и AWS рассматривать возможность продажи своих чипов избранным третьим сторонам для аналогичных задач обучения и вывода. В этом – прагматичный подход, основанный на здравом смысле.

Для Meta использование ASIC для высокообъемных, повторяющихся задач вывода, таких как алгоритмы рекомендации контента для Instagram и Facebook, вполне оправдано, поскольку позволяет использовать накопленный опыт и применять его к новым данным без необходимости повторного обучения. В этом – эффективность, граничащая с автоматизмом.

GPU от Nvidia, особенно в сочетании с программной платформой CUDA, могут быть легко перепрограммированы для удовлетворения меняющихся потребностей. Следовательно, GPU лучше подходят для клиентов, которым необходимы инновации и гибкость, например, в сфере высокопроизводительных вычислений, отраслях с высокими требованиями к регулированию, кибербезопасности и здравоохранении. В этом – свобода творчества, возможность экспериментировать и искать новые решения.

Другими словами, GPU всегда будут необходимы на передовой искусственного интеллекта для решения развивающихся задач, в то время как ASIC полезны для максимизации эффективности при выполнении фиксированных задач. В этом – гармоничное сосуществование двух технологий, каждая из которых имеет свои сильные и слабые стороны.

Broadcom: Лидер в Эпоху Вывода

Даже при текущей высокой стоимости акций и премиальной оценке, Broadcom остается привлекательной инвестиционной возможностью для долгосрочных инвесторов, поскольку компания имеет диверсифицированную бизнес-модель, охватывающую полупроводники и инфраструктурное программное обеспечение, не связанные с искусственным интеллектом, а также четкие перспективы роста, обусловленные искусственным интеллектом. В этом – надежность, проверенная временем.

По мере распространения вариантов использования и внедрения искусственного интеллекта многие простые, прямолинейные, задачи вывода, не требующие повторного обучения, выиграют от использования ASIC. Инвесторам, верящим в то, что искусственный интеллект будет все шире использоваться для автоматизации стабильных, повторяющихся задач, стоит обратить внимание на акции Broadcom в июне. В этом – предвидение будущего, основанное на глубоком анализе и здравом смысле.

Смотрите также

2026-06-02 09:52