Видеокарты по цене смартфонов: как ИИ съел рынок GPU

Ещё в 2020 году геймеры мечтали о видеокартах вроде RTX 3080 — за $700 можно было получить топовую производительность для игр в 4K. Сегодня, в начале 2026 года, та же карта на вторичном рынке стоит как флагманский iPhone, а новая RTX 4090 может обойтись покупателю в сумму, превышающую стоимость ноутбука среднего класса. И виноваты в этом отнюдь не санкции, не экономический спад, и даже не криптовалюты. Виноват искусственный интеллект.

От игр — к нейросетям: кто теперь главный потребитель GPU?

Графические процессоры (GPU) изначально создавались для ускорения рендеринга изображений в играх и профессиональной графике. Но оказалось, что их архитектура — с тысячами небольших вычислительных ядер — идеально подходит для одной задачи: обучения нейросетей.

  Современные ИИ-модели вроде ChatGPT, Gemini или MidJourney требуют обработки миллиардов параметров на терабайтах текста, изображений и видео. Для этого нужны массивные параллельные вычисления — именно то, что умеют GPU. Особенно чипы от NVIDIA, чья экосистема (CUDA, cuDNN, TensorRT) стала стандартом де-факто в индустрии ИИ.

 В 2024 году корпорация NVIDIA получила более $60 миллиардов дохода только от продажи ИИ-чипов — это почти вдвое больше, чем годовой доход всей компании AMD. И это при том, что массовые потребительские видеокарты составляют лишь малую часть их бизнеса.

Цепная реакция: когда дата-центры покупают всё подряд.

Крупнейшие технологические компании — Microsoft, Google, Meta, Amazon, а также китайские гиганты вроде Alibaba и ByteDance — скупают десятки, а то и сотни тысяч специализированных ИИ-ускорителей (например, NVIDIA H100 и B100) для своих дата-центров. Эти чипы производятся на тех же фабриках, что и потребительские GPU, и используют схожие технологии.

Результат?

Производственные мощности перераспределены в пользу высокомаржинального ИИ-сегмента. Обычные видеокарты — даже если они не используются напрямую для ИИ — страдают от нехватки чипов и роста себестоимости.

А когда стартапы, исследовательские лаборатории и даже энтузиасты начинают использовать RTX 4090 для локального запуска нейросетей (например, Stable Diffusion или Llama 3), спрос на них взлетает ещё выше. Ведь H100 стоит $30 000, а RTX 4090 — «всего» $2000–$2500. Для многих это единственный доступный вариант.

Геймеры остались у разбитого корыта😭

Для обычного пользователя, который хочет просто играть в игры или монтировать видео, это стало катастрофой:

• Цены выросли на 60–100% по сравнению с 2022 годом.

• Дефицит сохраняется даже на прошлогодние модели.

• Производители всё чаще ориентируются на ИИ-рынок, а не на энтузиастов.

NVIDIA даже начала ограничивать ИИ-возможности в потребительских картах (например, снижая пропускную способность памяти), чтобы стимулировать корпоративные продажи. Но это не снижает спрос — только повышает раздражение.

Есть ли свет в конце тоннеля?🫣

Некоторые альтернативы появляются:

• AMD и Intel активно развивают свои ИИ-платформы (MI300X, Gaudi, Arc), но их программная поддержка пока уступает NVIDIA.

• Облачные сервисы (Google Colab, AWS, Azure) позволяют арендовать мощные GPU за часы — выгодно для разовых задач.

• Специализированные ИИ-чипы от компаний вроде Groq, Cerebras или Tenstorrent постепенно выходят на рынок, потенциально разгрузив его от универсальных GPU.

Но в ближайшие годы разделение рынка будет только усиливаться:

➡️ GPU для ИИ — дорого, мощно, для дата-центров.

➡️ GPU для геймеров — дороже, чем раньше, но слабее в ИИ-задачах.

Заключение: прогресс не бесплатен☝️💰

Искусственный интеллект действительно меняет мир: он диагностирует болезни, создаёт искусство, ускоряет науку. Но эта революция имеет реальную цену — и платим за неё не только деньгами, но и доступностью технологий для обычных людей.

Сегодня видеокарта — это уже не просто компонент для игр. Это ключевой ресурс глобальной ИИ-гонки. И пока гиганты строят цифровые империи, энтузиасты вынуждены выбирать: платить как за смартфон — или ждать нового поколения, которое, возможно, снова будет доступным.