Контроль Nvidia над апаратним забезпеченням ШІ добре задокументовано. Компанія отримує приблизно 86% доходу від GPU для центрів обробки даних. Але справжнім бар’єром для входу завжди була не сама чіпова технологія, а CUDA — екосистема програмного забезпечення, яка робить розробників настільки залежними від апаратного забезпечення Nvidia, що перехід на інше рішення відчувається як вивчення нової мови під час стрибка з парашутом.
OpenAI вірить, що зможе надати кожному парашут. Їхній інструмент з відкритим кодом під назвою Triton, вперше випущений у липні 2021 року, позиціонується як ключ до запуску моделей ШІ на не-Nvidia апаратному забезпеченні з мінімальними змінами коду.
Від дослідницького проекту до стратегічної зброї
Triton почався як відносно скромний проект. Його початкова мета полягала в тому, щоб дозволити розробникам писати високопродуктивний GPU-код на Python, а не боротися з низкорівневим CUDA-програмуванням.
Інструмент значно розвинувся з моменту випуску версії 1.0 в середині 2021 року. Аналіз з початку 2026 року вказує на те, що Triton досяг точки перелому, де тепер дозволяє переносити AI-моделі між різними апаратними платформами з мінімальним або навіть нульовим переписуванням коду.
OpenAI також не розробляє інструменти у вакуумі. У жовтні 2025 року компанія уклала багаторічну угоду з AMD щодо розгортання до 6 гігаватів GPU Instinct. Перша хвиля — 1 гігават чипів серії MI450 — очікується до другої половини 2026 року.
Дотримуючись слідів найму
OpenAI активно наймає інженерів для висновку, зосереджених на підтримці AMD GPU. Звіти за 2026 рік також свідчать, що OpenAI висловила незадоволення деякими чіпами Nvidia.
Що це означає для інвесторів
86% частка Nvidia у доходах від GPU для центрів обробки даних не зникне за одну ніч. CUDA має десятиліття накопичених оптимізацій та глибоку екосистему розробників.
AMD найбільш прямо вигодує. Компанія вже має конкурентоспроможний сілікон, а партнерство з OpenAI підтверджує її амбіції у сфері AI-апаратного забезпечення способом, якого ніколи не змогли б досягти ніякі бенчмарки. Коли найбільша у світі компанія з штучного інтелекту зобов’язується розгортати гігавати ваших GPU, це надсилає чітке повідомлення решті галузі про те, що існує життєздатна альтернатива Nvidia.
Ризик, який варто враховувати — це виконання. Створити інструмент, який теоретично працює на будь-якому апаратному забезпеченні — це одне. А забезпечити його продуктивність на рівні з кодом, оптимізованим під CUDA, на власних чіпах Nvidia — це зовсім інша справа.