Сравнительный анализ производительности ИИ-платформ выявил явного лидера среди процессоров для машинного обучения. Исследование Morgan Stanley показало, насколько решения NVIDIA превосходят аналогичные продукты конкурентов по ключевым экономическим показателям.

Согласно отчету Morgan Stanley, платформа NVIDIA GB200 NVL72 на архитектуре Blackwell показывает рекордную рентабельность в 77,6% при выполнении задач ИИ-инференса. Это выше показателей ближайших конкурентов: Google TPU v6e демонстрирует 74,9%, а AWS Trn2 Ultraserver - 62,5%. Решения AMD оказались в этом сравнении наименее эффективными – их последняя платформа MI355X показывает отрицательную рентабельность в 28,2%.

Экономическое преимущество NVIDIA становится еще более очевидным при анализе дохода на чип в час. GB200 NVL72 приносит 7,5 доллара, тогда как аналогичный показатель у AMD MI355X составляет всего 1,7 доллара. Большинство других платформ генерируют от 0,5 до 2 долларов дохода в час.

Эксперты связывают лидерство NVIDIA с несколькими факторами. Компания продолжает оптимизировать свое программное обеспечение, включая поддержку FP4 и постоянные улучшения стека CUDA AI. Это позволяет даже старым архитектурам, таким как Hopper, показывать рост производительности с каждым кварталом.

Хотя аппаратные решения AMD MI300 и MI350 технически сопоставимы по характеристикам, их программная оптимизация пока отстает. При этом совокупная стоимость владения платформами MI300X (744 млн долларов) почти равна стоимости решений NVIDIA GB200 (806,58 млн долларов), что делает инвестиции в продукты NVIDIA более выгодными.

Обе компании продолжают технологическую гонку: NVIDIA готовит к выпуску Blackwell Ultra с производительностью на 50% выше текущей версии, а AMD анонсировала MI400 для конкуренции с будущей архитектурой Rubin от NVIDIA. Однако текущие данные показывают, что NVIDIA сохраняет значительное преимущество в сегменте ИИ-инференса, который, по прогнозам, займет 85% всего рынка ИИ в ближайшие годы.