Nvidia je objavila da planira da investira 26 milijardi dolara tokom narednih pet godina u razvoj AI modela sa otvorenim težinama, prema finansijskom izveštaju iz 2025. godine koji je prvi objavio Wired i koji su potvrdili rukovodioci kompanije. Modeli sa otvorenim težinama objavljuju parametre koji određuju kako se AI sistem ponaša, omogućavajući programerima, istraživačima i startapima da ih preuzmu, modifikuju i pokreću na sopstvenoj infrastrukturi.
Za kontekst, OpenAI je navodno potrošio oko 3 milijarde dolara na treniranje GPT-4. Obaveza Nvidia-e je približno jednaka trenutnoj vrednosti Anthropic-a i veća od onoga što je Meta potrošila na Reality Labs prošle godine. Džek Dorsi, nakon što je smanjio radnu snagu Block-a za 40% zbog AI-a, nazvao je to „odličnim“.
Ovo je istovremeno najagresivniji potez izgradnje ekosistema u tehnologiji još od kada je Google pokrenuo Android i najveći strateški rizik koji je Nvidia ikada preuzela. Razumevanje zašto zahteva razumevanje šta Nvidia zapravo brani.
CUDA bedem je stvaran i pod pritiskom
Nvidia drži 86% prihoda od data-centar GPU-a u 2026. godini, što je pad u odnosu na približno 90% u 2024. Mizuho Securities procenjuje da se taj udeo kreće između 70% i 95% u zavisnosti od segmenta. Kompanija je ostvarila 51,2 milijarde dolara kvartalnog prihoda od data-centara u fiskalnom Q3 2026, što predstavlja 90% ukupnog prihoda kompanije od 57 milijardi dolara.
Bedem nije hardver. To je CUDA, softverski ekosistem koji je Nvidia gradila skoro 20 godina. CUDA ima više od 4 miliona programera, preko 3.000 optimizovanih aplikacija i duboku integraciju u svaki veliki AI frejmvork. Univerziteti predaju CUDA. Istraživački radovi vrše benčmarke (merenje performansi) na CUDA.
Prepisivanje sistema zasnovanog na CUDA-i za konkurentsku platformu znači ponovnu obuku inženjera, prepisivanje optimizovanih kernela, ponovnu validaciju performansnih procesa i prihvatanje operativne neizvesnosti. Cena prelaska nije samo tehnička već i organizaciona.
Konkurencija počinje da nagriza dominaciju
Ali taj bedem se suočava sa prvim ozbiljnim slabljenjem. AMD-ov MI355X sada isporučuje 30% brže izvršavanje inferencije od Nvidia-ovog B200 u određenim benčmarkovima (merilima performansi), sa približno 40% boljim odnosom tokena po dolaru. AMD-ov ROCm 7.0 sada nudi nativnu podršku za PyTorch i JAX.
OpenAI-jev Triton kompajler omogućava timovima da pokreću modele na AMD i Intel platformama bez prepisivanja koda. Analiza Built In iz januara 2026. tvrdi da dominacija CUDA-e dostiže tačku preokreta kako prevodioci koda nezavisni od hardvera dobijaju na značaju.
Ovo je kontekst koji čini najavu od 26 milijardi razumljivom. Nvidia ne daje softver besplatno iz velikodušnosti. Ona jača svoj ekosistem u trenutku kada konkurenti pokušavaju da ga oslabe.
Android strategija sa zaokretom
Originalni tekst je uporedio strategiju Nvidia-e sa IBM-ovim lansiranjem PC-a 1981, Google-ovim Androidom i Teslinim objavljivanjem patenata. Poređenje sa Androidom je najtačnije, ali sa ključnom razlikom.
Google je učinio Android otvorenim kako bi osigurao da podrazumevani pretraživač na svakom pametnom telefonu bude Google Search, gde se zapravo ostvaruje prihod. Proizvođači telefona su zadržavali male marže na hardveru, dok je Google preuzimao podatke i prihode od oglašavanja koji teku kroz platformu.
Nvidiina verzija je slična: učiniti modele otvorenim kako bi svaki programer gradio na njima i kako bi svaki model bio optimizovan za Nvidia hardver, gde se zapravo ostvaruje prihod.
Nvidia je već objavila modele kao što je Nemotron za zadatke rezonovanja i specijalizovane modele za određene radne tokove. Ovih 26 milijardi proširuje to na razvoj modela na nivou granice, stavljajući Nvidia-u u direktnu konkurenciju sa OpenAI-em i Anthropic-om, kompanijama koje su do sada bile njeni najveći kupci.
Kupci su ujedno i konkurenti
To je zaokret sa kojim se Google nikada nije suočio. Google nije prodavao hardver Samsung-u i HTC-u. Nvidia prodaje čipove Microsoft-u, Amazon-u, Google-u i Meti, četiri hiperskalera koji su istovremeno njeni najveći kupci i najmotivisaniji konkurenti. Sva četiri razvijaju sopstveni silicijum kako bi smanjili zavisnost od Nvidia-e.
Microsoft Azure, Amazon-ov Trainium, Google-ovi TPU-ovi i Metini MTIA čipovi dizajnirani su upravo da urade ono što ovih 26 milijardi pokušava da spreči, da prekinu vezu između razvoja AI i Nvidia hardvera.
Ako su Nvidiini otvoreni modeli dovoljno dobri da programeri podrazumevano koriste njih, ti modeli će biti podešeni za Nvidia GPU-ove, što učvršćuje zavisnost od hardvera. Ako modeli podstaknu hiperskalere da ubrzaju razvoj sopstvenih čipova, investicija se može obiti o glavu.
Tvrdnja o 90% istraživanja zahteva kontekst
Originalni tekst je naveo da „više od 90% novih AI istraživačkih radova trenutno citira CUDA softver optimizovan za Nvidia hardver“. Ova cifra izgleda da se odnosi na dominaciju Nvidia-e u akademskom benčmarkingu, a ne na konkretan broj citata.
Ono što je proverljivo jeste da Nvidia drži 86% prihoda od data-centar GPU-a i da je CUDA dugo bila podrazumevano okruženje za AI razvoj. Istraživački radovi gotovo uvek vrše benčmarke na Nvidia hardveru jer je on najdostupniji.
Analiza SDxCentral iz januara 2026. opisala je CUDA kompajlere, biblioteke i API-jeve kao „osnovnu infrastrukturu za mašinsko učenje i poslovne AI primene“.
Praktični efekat je isti, ogromna većina AI razvoja odvija se na Nvidia platformi.
Šta zapravo donosi 26 milijardi dolara
Investicija radi tri stvari istovremeno.
Prvo, stvara modele optimizovane za najnovije Nvidia arhitekture. Svaki model podešen za Nvidia hardver povećava cenu prelaska na AMD ili prilagođeni silicijum.
Drugo, generiše uvid u realnom vremenu o tome kako programeri koriste AI. Razvoj otvorenog koda je najveća fokus grupa na svetu. Nvidia može da vidi koje funkcije se menjaju, koje arhitekture se proširuju i gde se javljaju uska grla u performansama.
Treće, pozicionira Nvidia-u kao razvijača modela, a ne samo dobavljača čipova.
Najveći rizik koji nije naglašen
Nedostatak ove strategije je značajan i konkretan. Microsoft, Amazon, Google i Meta su najveći kupci Nvidia-e i već investiraju u sopstvene čipove. Ako Nvidia počne da im konkuriše na nivou modela, podsticaj da ubrzaju te programe postaje jači.
Ako se i mali deo ulaganja u AI infrastrukturu preusmeri sa Nvidia GPU-ova na prilagođeni silicijum, finansijski uticaj može biti veći od same investicije od 26 milijardi.
Trka sa vremenom
Nvidiina strategija uključuje brz ciklus proizvoda. Blackwell je isporučen 2025. Vera Rubin sledi u trećem kvartalu 2026. sa HBM4 podrškom, a Rubin Ultra u drugoj polovini 2027. Džensen Huang sebe naziva „glavnim uništavačem prihoda“ jer svaka nova generacija namerno čini prethodnu zastarelom.
Da li će ovaj projekat uspeti zavisi od izvršenja. Nvidia je 20 godina gradila CUDA bedem. Sada ima pet godina i 26 milijardi dolara da izgradi sledeći pre nego što kompajlerski sloj oslabi prvi.
