Nvidia не собирается выбирать между закрытыми сервисами OpenAI и Anthropic и открытыми моделями: ей важно, чтобы оба подхода работали на её ускорителях. На конференции Fireworks Forge глава компании Дженсен Хуанг назвал специализированные ИИ-модели главным местом создания ценности — сигнал, который стоит услышать командам, строящим корпоративный ИИ без бесконечного счёта за токены.
Выступая в Сан-Франциско на мероприятии Fireworks.ai, Хуанг прямо признал место закрытых передовых моделей на рынке, но отверг идею, что весь бизнес должен опираться на универсальный интеллект. Об этом сообщает The Register. По его логике, компаниям нужен не один всемогущий чат-бот, а модели, адаптированные к собственным данным, инструментам и правилам проверки результата.
Это удобная позиция для Nvidia. Закрытые модели требуют крупных кластеров для обучения и инференса, а открытые веса позволяют тысячам компаний запускать собственные сервисы — тоже на GPU. Производитель чипов зарабатывает в обоих сценариях, поэтому спор «open versus closed» для него скорее определяет структуру спроса, чем ставит под вопрос сам спрос.
Хуанг описал практический рецепт: взять открытую передовую модель, донастроить её на отраслевых знаниях, подключить к специализированным инструментам и выстроить строгую оценку качества. В такой конфигурации, считает он, можно получить систему с возможностями, которые выглядят как «сверхинтеллект» для конкретной задачи. Формулировка громкая, но её приземлённый смысл понятен: модель для анализа контрактов, поддержки инженеров или работы с внутренней документацией не обязана уметь одинаково хорошо писать стихи, программировать и рассуждать о физике.
Площадка для этого тезиса выбрана не случайно. Fireworks.ai предлагает компаниям инфраструктуру для обучения и запуска моделей под конкретные задачи. Платформа получила 25 000 GPU Nvidia для расширения в Европе. Для Nvidia это одновременно поставка железа и инвестиция в экосистему провайдеров, которые помогают бизнесу не строить собственный ИИ-кластер с нуля, но и не зависеть полностью от одного API.
Глава Fireworks.ai Линь Цяо сделала акцент на экономике. На сцене она показала заголовки о росте расходов на токены и заявила, что бизнесу трудно масштабировать использование ИИ, когда затраты выходят из-под контроля. Этот аргумент развила Genspark: её модель Gen-1 Slides, предназначенная для создания презентаций, построена на MiniMax M3 и, по заявлению компании, выдаёт результат уровня Anthropic Opus 5 при цене $0,30 за миллион токенов против $5 за миллион. Разница в 17 раз особенно важна не для разовой демонстрации, а для продукта, который ежедневно обрабатывает большие объёмы запросов.
Для российских разработчиков и продуктовых команд вывод здесь не в том, что нужно срочно заменить все внешние модели открытыми. Закрытые API могут быть рациональнее, когда критичны скорость запуска, качество на широком наборе задач и отсутствие команды по эксплуатации моделей. Но специализированные ИИ-модели становятся сильнее там, где есть повторяемый процесс, собственный корпус данных, требования к размещению данных или понятная метрика качества. В таких случаях стоимость запроса, управляемость и возможность менять базовую модель могут перевесить преимущество универсального облачного ассистента.
Хуанг также назвал главным прорывом 2026 года агентские обвязки: именно они превращают модель из генератора текста в систему, способную вызывать инструменты и выполнять цепочки действий. Следующим заметным этапом он ожидает безопасное развёртывание агентов в компаниях с помощью OpenShell, а затем — «железо в контуре», то есть роботизированные системы. Пока рынок обсуждает, кто победит в гонке моделей, Nvidia предлагает более прагматичный вопрос: какие специализированные ИИ-модели станут настолько полезными, что для них придётся покупать новую инфраструктуру. Проверить цитаты Хуанга и контекст выступления можно в материале .
