Nvidia је објавила да планира да инвестира 26 милијарди долара током наредних пет година у развој АI модела са отвореним тежинама, према финансијском извештају из 2025. године који је први објавио Wired и који су потврдили руководиоци компаније. Модели са отвореним тежинама објављују параметре који одређују како се АI систем понаша, омогућавајући програмерима, истраживачима и стартапима да их преузму, модификују и покрећу на сопственој инфраструктури.
За контекст, OpenAI је наводно потрошио око 3 милијарде долара на тренирање GPT-4. Обавеза Nvidia-е је приближно једнака тренутној вредности Anthropic-а и већа од онога што је Meta потрошила на Reality Labs прошле године. Џек Дорси, након што је смањио радну снагу Block-а за 40% због АI-a, назвао је то „одличним“.
Ово је истовремено најагресивнији потез изградње екосистема у технологији још од када је Google покренуо Android и највећи стратешки ризик који је Nvidia икада преузела. Разумевање зашто захтева разумевање шта Nvidia заправо брани.
CUDA бедем је стваран и под притиском
Nvidia држи 86% прихода од дата-центар GPU-а у 2026. години, што је пад у односу на приближно 90% у 2024. Mizuho Securities процењује да се тај удео креће између 70% и 95% у зависности од сегмента. Компанија је остварила 51,2 милијарде долара кварталног прихода од дата-центара у фискалном Q3 2026, што представља 90% укупног прихода компаније од 57 милијарди долара.
Бедем није хардвер. То је CUDA, софтверски екосистем који је Nvidia градила скоро 20 година. CUDA има више од 4 милиона програмера, преко 3.000 оптимизованих апликација и дубоку интеграцију у сваки велики АИ фрејмворк. Универзитети предају CUDA. Истраживачки радови врше бенчмарке (мерење перформанси) на CUDA.
Преписивање система заснованог на CUDA-и за конкурентску платформу значи поновну обуку инжењера, преписивање оптимизованих кернела, поновну валидацију перформансних процеса и прихватање оперативне неизвесности. Цена преласка није само техничка већ и организациона.
Конкуренција почиње да нагриза доминацију
Али тај бедем се суочава са првим озбиљним слабљењем. AMD-ов MI355X сада испоручује 30% брже извршавање инференције од Nvidia-овог B200 у одређеним бенчмарковима (мерилима перформанси), са приближно 40% бољим односом токена по долару. AMD-ов ROCm 7.0 сада нуди нативну подршку за PyTorch и JAX.
OpenAI-јев Triton компајлер омогућава тимовима да покрећу моделе на AMD и Intel платформама без преписивања кода. Анализа Built In из јануара 2026. тврди да доминација CUDA-е достиже тачку преокрета како преводиоци кода независни од хардвера добијају на значају.
Ово је контекст који чини најаву од 26 милијарди разумљивом. Nvidia не даје софтвер бесплатно из великодушности. Она јача свој екосистем у тренутку када конкуренти покушавају да га ослабе.
Android стратегија са заокретом
Оригинални текст је упоредио стратегију Nvidia-e са IBM-овим лансирањем PC-а 1981, Google-ovim Androidоm и Teslinim објављивањем патената. Поређење са Androidom је најтачније, али са кључном разликом.
Google је учинио Android отвореним како би осигурао да подразумевани претраживач на сваком паметном телефону буде Google Search, где се заправо остварује приход. Произвођачи телефона су задржавали мале марже на хардверу, док је Google преузимао податке и приходе од оглашавања који теку кроз платформу.
Nvidiina верзија је слична: учинити моделе отвореним како би сваки програмер градио на њима и како би сваки модел био оптимизован за Nvidia хардвер, где се заправо остварује приход.
Nvidia је већ објавила моделе као што је Nemotron за задатке резоновања и специјализоване моделе за одређене радне токове. Ових 26 милијарди проширује то на развој модела на нивоу границе, стављајући Nvidia-у у директну конкуренцију са OpenAI-em и Anthropic-om, компанијама које су до сада биле њени највећи купци.
Купци су уједно и конкуренти
То је заокрет са којим се Google никада није суочио. Google није продавао хардвер Samsung-u и HTC-u. Nvidia продаје чипове Microsoft-u, Amazon-u, Google-u и Meti, четири хиперскалера који су истовремено њени највећи купци и најмотивисанији конкуренти. Сва четири развијају сопствени силицијум како би смањили зависност од Nvidia-е.
Microsoft Azure, Amazon-оv Trainium, Google-оvi TPU-ovi и Metini MTIA чипови дизајнирани су управо да ураде оно што ових 26 милијарди покушава да спречи, да прекину везу између развоја АI и Nvidia хардвера.
Ако су Nvidiini отворени модели довољно добри да програмери подразумевано користе њих, ти модели ће бити подешени за Nvidia GPU-оve, што учвршћује зависност од хардвера. Ако модели подстакну хиперскалере да убрзају развој сопствених чипова, инвестиција се може обити о главу.
Тврдња о 90% истраживања захтева контекст
Оригинални текст је навео да „више од 90% нових АI истраживачких радова тренутно цитира CUDA софтвер оптимизован за Nvidia хардвер“. Ова цифра изгледа да се односи на доминацију Nvidia-е у академском бенчмаркингу, а не на конкретан број цитата.
Оно што је проверљиво јесте да Nvidia држи 86% прихода од дата-центар GPU-а и да је CUDA дуго била подразумевано окружење за АI развој. Истраживачки радови готово увек врше бенчмарке на Nvidia хардверу јер је он најдоступнији.
Анализа SDxCentral из јануара 2026. описала је CUDA компајлере, библиотеке и API-јеve као „основну инфраструктуру за машинско учење и пословне АИ примене“.
Практични ефекат је исти, огромна већина АI развоја одвија се на Nvidia платформи.
Шта заправо доноси 26 милијарди долара
Инвестиција ради три ствари истовремено.
Прво, ствара моделе оптимизоване за најновије Nvidia архитектуре. Сваки модел подешен за Nvidia хардвер повећава цену преласка на AMD или прилагођени силицијум.
Друго, генерише увид у реалном времену о томе како програмери користе АI. Развој отвореног кода је највећа фокус група на свету. Nvidia може да види које функције се мењају, које архитектуре се проширују и где се јављају уска грла у перформансама.
Треће, позиционира Nvidia-у као развијача модела, а не само добављача чипова.
Највећи ризик који није наглашен
Недостатак ове стратегије је значајан и конкретан. Microsoft, Amazon, Google и Meta су највећи купци Nvidia-е и већ инвестирају у сопствене чипове. Ако Nvidia почне да им конкурише на нивоу модела, подстицај да убрзају те програме постаје јачи.
Ако се и мали део улагања у АI инфраструктуру преусмери са Nvidia GPU-ова на прилагођени силицијум, финансијски утицај може бити већи од саме инвестиције од 26 милијарди.
Трка са временом
Nvidiina стратегија укључује брз циклус производа. Blackwell је испоручен 2025. Vera Rubin следи у трећем кварталу 2026. са HBM4 подршком, а Rubin Ultra у другој половини 2027. Џенсен Хуанг себе назива „главним уништавачем прихода“ јер свака нова генерација намерно чини претходну застарелом.
Да ли ће овај пројекат успети зависи од извршења. Nvidia је 20 година градила CUDA бедем. Сада има пет година и 26 милијарди долара да изгради следећи пре него што компајлерски слој ослаби први.
