TSMC i SK hynix kontrolują łańcuch dostaw stojący za układami GPU AI NVIDIA

NVIDIA dominuje w materiałach Google News o układach AI, mimo że polega na dwóch azjatyckich dostawcach, aby przekształcić swoje projekty w działające akceleratory. TSMC produkuje i pakuje procesory, a SK hynix dostarcza pamięć o wysokiej przepustowości dla systemów przenoszących ogromne ilości danych modeli.

Ta zależność komplikuje znaną opowieść o NVIDIA jako niekwestionowanym królu sztucznej inteligencji. NVIDIA posiada architekturę, platformę programistyczną i relacje z klientami. Nie jest jednak właścicielem zaawansowanych fabryk produkujących jej czołowe procesory.

Firma opisuje swój model jako strategię produkcji fabless. Projektuje układy i zleca zewnętrznym partnerom wytwarzanie wafli, montaż, testowanie, produkcję pamięci oraz pakowanie. Taki układ pozwala NVIDIA koncentrować się na projektowaniu, ale przenosi też krytyczne ograniczenia produkcyjne na dostawców.

Głównym konfliktem nie jest więc NVIDIA przeciwko TSMC czy SK hynix. Jest nim przywództwo NVIDIA w projektowaniu zderzające się z fizycznymi ograniczeniami łańcucha dostaw, który to przywództwo wspiera.

Akcelerator Blackwell potrzebuje czegoś więcej niż gotowego procesora graficznego. Wymaga najnowocześniejszej logiki, wielu stosów wyspecjalizowanej pamięci oraz zaawansowanego pakowania, które łączy te komponenty przy ekstremalnie wysokich prędkościach. Niedobór na dowolnej warstwie może ograniczyć dostawy gotowego produktu.

To sprawia, że TSMC i SK hynix są czymś więcej niż dostawcami wspierającymi. Kontrolują zdolności produkcyjne, których NVIDIA nie może szybko odtworzyć, zastąpić ani przenieść do własnej działalności.

Nagłówki Google News ukrywają produkt trzech firm

Akcelerator AI NVIDIA nie jest produktem jednej firmy, nawet jeśli gotowy system nosi nazwę NVIDIA.

NVIDIA zaprezentowała platformę Blackwell w marcu 2024 roku. Firma podała, że jej flagowy procesor zawiera 208 miliardów tranzystorów rozmieszczonych na dwóch dużych matrycach. Matryca to funkcjonalny kawałek krzemu wycięty z przetworzonego wafla.

Te matryce wykorzystują niestandardowy proces produkcyjny TSMC 4NP. NVIDIA łączy je za pomocą łącza chip-to-chip oferującego przepustowość 10 terabajtów na sekundę, zgodnie z pierwotnymi specyfikacjami Blackwell.

Wyprodukowanie tych matryc to dopiero początek. Procesor musi znajdować się obok pamięci o wysokiej przepustowości, powszechnie nazywanej HBM. HBM układa kilka matryc pamięci pionowo i umieszcza je blisko procesora, skracając drogę pokonywaną przez dane.

Ma to znaczenie, ponieważ procesory AI wielokrotnie przesyłają parametry modelu i wyniki pośrednie między pamięcią a rdzeniami obliczeniowymi. Procesor może mieć ogromną moc obliczeniową, a mimo to pozostawać bezczynny, jeśli pamięć nie dostarcza danych wystarczająco szybko.

Komponenty są łączone poprzez zaawansowane pakowanie. Technologia Chip-on-Wafer-on-Substrate firmy TSMC, znana jako CoWoS, łączy duże procesory i stosy HBM za pomocą gęstej warstwy pośredniej.

Ten etap pakowania jest bliższy budowie kompaktowego systemu elektronicznego niż zwykłemu zamykaniu gotowego układu w obudowie. Musi obsłużyć tysiące połączeń, wysokie obciążenia elektryczne, ciepło i niezwykle rygorystyczne tolerancje fizyczne.

NVIDIA przyznaje tę zależność w swoich ujawnieniach regulacyjnych. Jej dokument za rok fiskalny 2025 opisuje model produkcji kontraktowej i wymienia TSMC oraz Samsung jako dostawców wafli. Wskazuje również CoWoS jako technologię pakowania wykorzystywaną w jej produktach.

Ten sam raport roczny ostrzega, że podmioty trzecie produkują, montują, testują i pakują półprzewodniki NVIDIA. Taka struktura naraża firmę na ryzyka związane ze zdolnościami dostawców, dostępnością komponentów, jakością i geografią.

W praktyce NVIDIA tworzy instrukcje dla niezwykle złożonej maszyny. TSMC zapewnia fabryki i kontrolę procesu potrzebne, aby niezawodnie tworzyć ją na skalę masową.

SK hynix dostarcza kolejną niezbędną część tej maszyny. Firma pamięciowa rozpoczęła masową produkcję 12-warstwowej pamięci HBM3E we wrześniu 2024 roku. HBM3E to udoskonalona generacja pamięci o wysokiej przepustowości, zaprojektowana do obliczeń intensywnie wykorzystujących dane.

Produkt układa 12 matryc pamięci, aby zapewnić 36 gigabajtów pojemności. SK hynix podał, że każda matryca jest o 40 procent cieńsza niż w poprzedniej generacji. Pozwoliło to zwiększyć pojemność o 50 procent bez zwiększania grubości gotowego stosu.

Rezultat pokazuje, dlaczego produkcji układów GPU AI nie można sprowadzić do projektowania tranzystorów. NVIDIA musi skoordynować logikę, pamięć, pakowanie, płytki, sieć, chłodzenie, zasilanie i oprogramowanie, zanim klienci otrzymają użyteczny system.

Google News ma tendencję do sprowadzania tego łańcucha do prostszego nagłówka o popycie na NVIDIA. Sprzęt znajdujący się pod spodem opowiada bardziej rozproszoną historię.

TSMC przekształca projekty NVIDIA w produkowalny krzem

NVIDIA może zaprojektować szybszy GPU, lecz tylko kwalifikowana odlewnia może wyprodukować miliony takich projektów przy akceptowalnym uzysku.

Odlewnia produkuje układy zaprojektowane przez inne firmy. TSMC zbudowało swoją pozycję, obsługując klientów bez konkurowania z nimi za pomocą szerokiego portfolio własnych procesorów konsumenckich.

Ten model daje NVIDIA dostęp do technologii produkcyjnej bez konieczności prowadzenia fabryk. Fabryki półprzewodników wymagają specjalistycznego sprzętu, wiedzy procesowej, wyszkolonego personelu i ciągłych inwestycji kapitałowych.

Zaangażowanie finansowe jest tylko jedną z barier. Firma potrzebuje także lat danych produkcyjnych, aby kontrolować defekty wśród miliardów mikroskopijnych elementów. Wiedza projektowa nie przekłada się automatycznie na taką wiedzę produkcyjną.

Blackwell pokazuje, jak głęboko technologie obu firm są ze sobą powiązane. NVIDIA zaprojektowała architekturę wokół niestandardowej wersji procesu TSMC, zamiast przekazać gotowy projekt wymiennej fabryce.

Procesor łączy dwie matryce na granicy możliwości tego, co urządzenia produkcyjne mogą naświetlić na waflu. Połączenie ich tak, by działały jak jeden GPU, wymaga współprojektowania krzemu, interkonektów, zasilania i pakowania.

TSMC podało, że zaawansowane technologie w litografiach siedmiu nanometrów i mniejszych wygenerowały 69 procent jego przychodów z wafli w 2024 roku. Udział ten wzrósł z 58 procent w 2023 roku, zgodnie z jego raportem rocznym za 2024 rok.

Firma wygenerowała w tym roku 90,08 miliarda USD skonsolidowanych przychodów, co oznacza wzrost o 30 procent rok do roku. Zysk netto wyniósł 36,52 miliarda USD, rosnąc o 35,9 procent.

Liczby te obejmują wielu klientów i kategorii produktów. Nie mierzą wyłącznie produkcji NVIDIA. Pokazują jednak wartość handlową gromadzącą się wokół technologii produkcyjnych wymaganych przez zaawansowane obliczenia.

Znaczenie TSMC wykracza poza gęstość tranzystorów. Akceleratory AI przesuwają pakowanie do centrum wydajności systemu.

Tradycyjne pakowanie przede wszystkim chroniło układ i łączyło go z płytką drukowaną. CoWoS umieszcza procesory i pamięć wokół interposera, który zapewnia między nimi gęste połączenia elektryczne.

Ta struktura zapewnia przepustowość potrzebną nowoczesnym akceleratorom. Tworzy też kolejne ograniczenie produkcyjne, ponieważ zdolności zaawansowanego pakowania nie mogą rozszerzać się natychmiast.

Nowe linie pakowania wymagają sprzętu, czystych środowisk produkcyjnych, materiałów, testowania i kwalifikowanych procesów. Zwiększenie produkcji wafli bez odpowiadającego mu wzrostu zdolności pakowania może pozostawić użyteczne matryce oczekujące na końcową integrację.

TSMC powiedziało inwestorom w kwietniu 2025 roku, że pracuje nad podwojeniem zdolności CoWoS w tym roku. Firma oczekiwała również podwojenia przychodów z akceleratorów AI, co odzwierciedla silny popyt klientów.

Plan ten ujawnia rzeczywistą presję tworzoną przez rytm wprowadzania produktów NVIDIA. Każda nowa generacja akceleratorów może wymagać większej powierzchni krzemu, większej ilości HBM i bardziej złożonego pakowania.

NVIDIA potrzebuje więc, aby TSMC równocześnie rozwijało kilka zdolności. Większa liczba wafli w zaawansowanej litografii ma ograniczoną wartość, jeśli pakowanie stanie się kolejnym wąskim gardłem.

Istnieją alternatywne odlewnie, w tym Samsung i Intel Foundry. Zmiana produkcji nie jest jednak porównywalna z zamówieniem tego samego komponentu u innego dystrybutora.

Procesor musi zostać dostosowany do reguł projektowych nowej odlewni, bibliotek, charakterystyk elektrycznych i opcji pakowania. Inżynierowie muszą następnie zweryfikować wydajność i uzysk produkcyjny.

Ta praca pochłania czas, podczas gdy konkurenci NVIDIA nadal rozwijają własne produkty. Dostawca zapasowy może zwiększyć odporność, ale rzadko zapewnia natychmiastowe zastępstwo dla dojrzałego partnerstwa produkcyjnego.

Geografia dodaje kolejną kwestię. Znaczna część najbardziej zaawansowanych zdolności produkcyjnych TSMC historycznie działała na Tajwanie, podczas gdy NVIDIA obsługuje klientów na całym świecie.

TSMC rozszerzyło działalność poza Tajwan, między innymi w Arizonie. Dywersyfikacja geograficzna musi jednak obejmować produkcję, pakowanie, testowanie i materiały pomocnicze, zanim cała ścieżka produkcji stanie się lokalna.

Przeniesienie jednego etapu produkcji nie przenosi całego łańcucha dostaw. Wafel wyprodukowany w jednym kraju może nadal wymagać pakowania gdzie indziej, zanim stanie się gotowym akceleratorem.

Dlatego TSMC ma siłę przetargową, nie konkurując bezpośrednio o klientów oprogramowania NVIDIA. Kontroluje most produkcyjny między architekturą a produktem gotowym do wysyłki.

SK hynix rozwiązuje wąskie gardło pamięci AI

Najszybsze rdzenie obliczeniowe nie mogą osiągnąć deklarowanej wydajności, gdy przepustowość pamięci nie nadąża za tempem.

Modele AI tworzą nietypowy problem pamięciowy. Trening i inferencja wymagają od procesorów wielokrotnego pobierania dużych tablic parametrów, aktywacji i danych z pamięci podręcznej.

Konwencjonalna pamięć umieszczona dalej od procesora nie zawsze może zapewnić wystarczającą przepustowość przy akceptowalnych limitach mocy. HBM odpowiada na to ograniczenie poprzez pionowe układanie i szeroki interfejs.

SK hynix weszło na rynek HBM na długo przed tym, gdy generatywna AI sprawiła, że technologia stała się szeroko rozpoznawalna. Jego wczesne zaangażowanie zyskało na wartości, gdy przyspieszone obliczenia uczyniły przepustowość pamięci elementem krytycznej ścieżki.

Firma twierdzi, że opracowała i dostarczała produkty obejmujące każdą generację HBM od HBM1 do HBM3E. Rozpoczęła dostawy ośmiowarstwowych produktów HBM3E w marcu 2024 roku i rozpoczęła masową produkcję 12-warstwowej wersji we wrześniu tego samego roku.

Jej 12-warstwowa HBM3E działa z deklarowaną szybkością 9,6 gigabita na sekundę na pin. Firma podała, że cztery stosy podłączone do jednego GPU mogłyby odczytać wszystkie 70 miliardów parametrów Llama 3 35 razy na sekundę.

To porównanie jest ilustracją przedstawioną przez firmę, a nie niezależnym testem obciążeniowym. Rzeczywista wydajność aplikacji zależy również od procesora, oprogramowania, sieci, formatu numerycznego i zachowania modelu.

Mimo to przykład oddaje rolę HBM. Pamięć nie tylko przechowuje model, podczas gdy procesor wykonuje ważną pracę. Jej przepustowość pomaga określić, jaka część mocy obliczeniowej procesora pozostaje aktywna.

Produkcja HBM wiąże się z trudnościami wykraczającymi poza zwykłą pamięć DRAM. Wiele matryc musi zostać pocienionych, precyzyjnie ułożonych i połączonych pionowymi ścieżkami.

Ścieżki te nazywane są przelotkami przez krzem. Przenoszą sygnały i zasilanie przez poszczególne matryce pamięci, pozwalając stosowi działać jak jeden komponent o wysokiej przepustowości.

Cieńsze matryce tworzą problemy mechaniczne. Mogą się wyginać lub odkształcać podczas produkcji, podczas gdy gęsto ułożone warstwy koncentrują ciepło.

SK hynix wykorzystuje zaawansowany proces formowanego underfillu, aby wspierać i chronić połączenia między warstwami. Firma twierdzi, że jej metoda poprawiła odprowadzanie ciepła o 10 procent w porównaniu z wcześniejszą generacją.

Te szczegóły produkcyjne wpływają na liczbę użytecznych stosów, które trafiają do klientów. Podaż HBM zależy od mocy produkcyjnych wafli pamięci, przepustowości układania warstw, uzysku pakowania, testowania i wydajności termicznej.

Popyt może również wpływać na szerszy rynek pamięci. Producenci muszą zdecydować, jaką część sprzętu i mocy produkcyjnych wafli przeznaczyć na HBM, konwencjonalną pamięć DRAM i inne produkty.

Samsung i Micron wywierają istotną presję konkurencyjną. Obie firmy zainwestowały w zaawansowane HBM, dając projektantom akceleratorów dodatkowych dostawców i zmniejszając zależność od jednej firmy.

Jednak kwalifikacja wprowadza trudności. Produkt pamięciowy musi spełniać rygorystyczne wymagania dotyczące szybkości, parametrów termicznych, zużycia energii, niezawodności i kompatybilności z otaczającym go pakietem.

Ogłoszenie przez dostawcę produktu HBM nie oznacza, że może on natychmiast dostarczać nieograniczoną liczbę kwalifikowanych jednostek dla każdego akceleratora. Produkt musi przejść testy klienta, a następnie skalować produkcję przy zachowaniu stabilnych uzysków.

NVIDIA może współpracować z wieloma dostawcami pamięci, lecz dostawcy ci nadal stanowią skoncentrowaną grupę. Niewiele firm dysponuje fabrykami, własnością intelektualną i doświadczeniem w pakowaniu wymaganymi dla czołowych rozwiązań HBM.

Ta koncentracja nadaje SK hynix strategiczne znaczenie daleko wykraczające poza rozpoznawalność jej marki konsumenckiej. Większość użytkowników AI nigdy nie widzi jej nazwy, wynajmując akcelerator za pośrednictwem platformy chmurowej.

Odczuwają jej wkład pośrednio — poprzez szybkość modeli, pojemność, dostępność systemów i koszty infrastruktury.

Relacja firmy z TSMC również pokazuje, jak łańcuch dostaw staje się coraz bardziej zintegrowany. W kwietniu 2024 roku SK hynix ogłosił współpracę z TSMC nad rozwojem HBM4 i zaawansowanym pakowaniem.

HBM4 reprezentuje nową generację z szerszym interfejsem między pamięcią a procesorem. Firmy poinformowały, że będą współpracować przy produkcji bazowego układu krzemowego i optymalizacji pakowania.

Bazowy układ krzemowy zarządza połączeniami między stosem pamięci a otaczającym systemem. Produkcja tej warstwy w zaawansowanym procesie logicznym tworzy kolejny punkt styku między projektowaniem pamięci a produkcją kontraktową.

Ta współpraca osłabia pogląd, że NVIDIA może traktować każdego dostawcę jako odizolowanego sprzedawcę. Komponenty coraz częściej wymagają wspólnych decyzji technicznych podejmowanych na lata przed wysyłką gotowego systemu.

Prawdziwym Produktem Jest Pakiet

Kluczowym wyzwaniem produkcyjnym Blackwell jest integracja, a nie po prostu wytworzenie dużego układu GPU.

Współczesny akcelerator AI przypomina ściśle zmontowany system obliczeniowy. Jego układy logiczne, stosy pamięci, interposer, substrat, komponenty zasilania i sprzęt chłodzący muszą działać razem.

Decyzje architektoniczne NVIDIA zwiększają wartość tej integracji. Blackwell łączy dwa duże układy GPU za pomocą połączenia o przepustowości 10 terabajtów na sekundę.

Firma łączy też wiele akceleratorów przez NVLink, swój szybki interkonekt do przesyłania danych między procesorami. Według NVIDIA NVLink piątej generacji zapewnia 1,8 terabajta na sekundę dwukierunkowej przepustowości na GPU.

Na poziomie szafy rack GB200 NVL72 łączy 72 GPU Blackwell z procesorami centralnymi Grace i siecią. Taki system sprawia, że koordynacja produkcji staje się częścią architektury produktu.

Wada lub opóźnienie jednego komponentu może uniemożliwić ukończenie znacznie cenniejszego systemu. Koszt brakującego stosu pamięci nie ogranicza się więc do samej pamięci.

Może on pozostawić procesory, płyty, sprzęt chłodzący i pojemność centrów danych klientów w oczekiwaniu. Ten mnożnik sprawia, że przewidywalność dostaw jest niemal tak istotna jak teoretyczna wydajność.

To mechanizm ukryty za wieloma materiałami Google News o niedoborach akceleratorów. Popyt nie konkuruje o jedną linię produkcyjną. Konkuruje o zsynchronizowane moce produkcyjne w kilku wyspecjalizowanych branżach.

Układy procesorów potrzebują wystarczającego uzysku, co oznacza, że z każdego wafla musi powstać odpowiednia liczba sprawnych chipów. Stosy HBM również potrzebują własnych akceptowalnych uzysków w wielu połączonych warstwach.

Operacja pakowania musi połączyć te kosztowne komponenty bez ich uszkadzania. Następnie testowanie musi wykryć awarie, zanim moduł trafi do serwera.

Ryzyko uzysku narasta, gdy producenci łączą więcej komponentów. Problem z jedną częścią może obniżyć wartość odzyskaną z kilku pozostałych, skądinąd sprawnych części.

Firmy rozwiązują ten problem poprzez testowanie, nadmiarowe projekty, usprawnienia procesów i ściślejszą koordynację z dostawcami. Żadna z tych metod nie eliminuje jednak ograniczeń fizycznych.

Zachowanie termiczne stanowi kolejne ograniczenie. Gęsto upakowane procesory i pamięć generują ciepło, które musi zostać odprowadzone przez pakiet do systemu chłodzenia serwera.

Większa pojemność i przepustowość pamięci mogą zwiększać gęstość mocy. Większe systemy akceleratorów wymagają wtedy bardziej zaawansowanego chłodzenia cieczą, dostarczania zasilania i konstrukcji szaf rack.

NVIDIA może optymalizować swoją architekturę i oprogramowanie pod kątem tych ograniczeń. Nie może jednak rozwiązać ich wyłącznie za pomocą oprogramowania.

Wyjaśnia to, dlaczego zaawansowane pakowanie przeszło drogę od mało znanego etapu produkcji do uważnie obserwowanego wskaźnika mocy produkcyjnych. Dostępność CoWoS wpływa na to, ile wysokiej klasy akceleratorów NVIDIA może dostarczyć.

Wyjaśnia to również, dlaczego TSMC i SK hynix stały się centralne dla roadmapy produktowej NVIDIA. Ich decyzje procesowe wpływają na możliwy rozmiar, przepustowość, profil termiczny i harmonogram dostaw przyszłych akceleratorów.

NVIDIA nadal wnosi koordynującą architekturę. CUDA, jej platforma programistyczna, zapewnia deweloperom dojrzałe środowisko do wdrażania obciążeń na sprzęcie NVIDIA.

Ta pozycja programowa zachęca dostawców chmurowych i firmy AI do zamawiania systemów NVIDIA. Silny popyt zwiększa następnie presję na TSMC i dostawców pamięci, by rozbudowywali moce produkcyjne.

Relacja działa w obie strony. Lepsza produkcja i pamięć umożliwiają bardziej zaawansowane systemy NVIDIA, podczas gdy zasięg NVIDIA wśród klientów kieruje ogromny popyt do jej dostawców.

Ta wzajemna zależność jest trafniejsza niż opisywanie jednej firmy jako jedynie obsługującej drugą. NVIDIA ma wpływ handlowy, ale TSMC i SK hynix posiadają rzadkie zdolności produkcyjne.

Konkurenci napotykają te same podstawowe ograniczenia. AMD także potrzebuje wiodących mocy produkcyjnych w fabrykach kontraktowych, HBM, zaawansowanego pakowania, płyt i partnerów systemowych dla swoich akceleratorów Instinct.

Niestandardowe chipy projektowane przez Google, Amazon, Microsoft i innych operatorów chmurowych opierają się na powiązanych łańcuchach dostaw. Ich architektury różnią się, ale nadal konkurują o zaawansowane zasoby produkcyjne.

Skala NVIDIA może pomóc jej zapewnić korzystne zobowiązania. Może składać większe zamówienia, przedstawiać dłuższe prognozy popytu i wcześniej koordynować rozwój.

Skala nie tworzy nieograniczonych mocy produkcyjnych. Może natomiast nasilać koncentrację, rezerwując większy udział ograniczonej produkcji dla największego nabywcy.

Taki rezultat wywiera presję na mniejsze firmy produkujące akceleratory. Technicznie wiarygodny projekt ma ograniczoną wartość handlową, jeśli jego twórca nie może uzyskać wystarczającej liczby wafli, pamięci lub miejsc w procesie pakowania.

Granica konkurencji w branży uległa więc rozszerzeniu. Firmy chipowe konkurują obecnie poprzez zobowiązania dotyczące dostaw i partnerstwa produkcyjne, obok architektury i oprogramowania.

Dywersyfikacja Pomaga, ale Nie Usuwa Ryzyka

NVIDIA może ograniczać koncentrację dostawców, lecz szybkie zastąpienie TSMC lub SK hynix pozostaje trudne pod względem technicznym i handlowym.

W dokumentach NVIDIA podano, że firma rozszerzyła relacje z dostawcami, aby poprawić redundancję i odporność. To rozsądna odpowiedź na rosnący popyt i koncentrację geograficzną.

Sformułowanie „wielu dostawców” nadal może tworzyć mylące wrażenie. Dwa komponenty o podobnych specyfikacjach niekoniecznie są wymienne wewnątrz zakwalifikowanego pakietu akceleratora.

Nowy dostawca musi produkować części spełniające wymagania elektryczne, fizyczne, termiczne i niezawodnościowe. NVIDIA może także potrzebować zmian w projekcie, zaktualizowanego firmware’u, nowych testów lub ponownej kwalifikacji przez klienta.

Te same ograniczenia dotyczą dywersyfikacji fabryk kontraktowych. Samsung może produkować zaawansowane procesory, podczas gdy Intel buduje działalność w zakresie produkcji kontraktowej.

Przeniesienie wiodącego akceleratora między fabrykami kontraktowymi wymagałoby szeroko zakrojonych prac inżynieryjnych. Każdy proces produkcyjny zapewnia inne charakterystyki tranzystorów, gęstość, biblioteki i reguły projektowe.

Dostępność pakowania może pozostawać ograniczeniem nawet po zmianie produkcji wafli. Zdywersyfikowany plan produkcji może nadal zależeć od wąskiej grupy dostawców pakowania.

Zaopatrzenie w HBM oferuje nieco większą elastyczność, ponieważ Samsung i Micron konkurują ze SK hynix. Jednak przyspieszona kwalifikacja i zwiększanie wolumenu mogą tworzyć nowe ryzyka związane z uzyskiem lub niezawodnością.

Dostawcy również mierzą się z niepewnością finansową. Budowa mocy produkcyjnych na potrzeby wyjątkowego cyklu popytowego wymaga kapitału, zanim producenci dowiedzą się, jak długo ten popyt się utrzyma.

Nabywcy infrastruktury AI obecnie intensywnie wydają środki, lecz ich przyszłe potrzeby zależą od ekonomiki modeli, adopcji przez klientów, dostępności energii i wydajności oprogramowania.

Bardziej wydajne modele mogłyby ograniczyć moc obliczeniową wymaganą dla niektórych zadań. Z drugiej strony niższe koszty inferencji mogłyby zwiększyć wykorzystanie na tyle, by podnieść całkowity popyt.

Kontrole eksportowe wprowadzają kolejną niepewność. Rządy mogą ograniczać miejsca sprzedaży zaawansowanych akceleratorów, sprzętu produkcyjnego lub powiązanych technologii.

NVIDIA może modyfikować produkty na potrzeby konkretnych rynków, lecz zmiany regulacyjne mogą zmienić prognozy popytu po podjęciu zobowiązań dotyczących dostaw. Dostawcy muszą planować fabryki w dłuższych horyzontach czasowych.

Dywersyfikacja geograficzna również wiąże się z kompromisami. Nowe fabryki mogą poprawić odporność i przybliżyć produkcję do klientów.

Jednak wiodące klastry półprzewodnikowe zależą od sieci dostawców materiałów, specjalistów od sprzętu, inżynierów, dostawców pakowania i operatorów logistycznych. Odtworzenie tych sieci zajmuje lata.

Wafel wyprodukowany w USA jest ważnym kamieniem milowym. Nie oznacza automatycznie, że każdy kolejny etap produkcji odbywa się w tym samym kraju.

Największe ryzyko nie polega na tym, że NVIDIA nagle straci dostęp do obu głównych partnerów w trakcie zwykłej działalności. Bardziej trwałe ryzyko polega na tym, że popyt rośnie szybciej niż zakwalifikowane moce produkcyjne.

W takim przypadku NVIDIA może mieć udaną architekturę, zaangażowanych klientów i niewystarczającą liczbę gotowych systemów. Termin rozpoznania przychodów zależałby wówczas od usprawnień produkcyjnych poza bezpośrednią kontrolą NVIDIA.

Problemy z jakością mogą przynieść podobny rezultat. Złożony pakiet musi przetrwać produkcję, transport, instalację i długotrwałą pracę pod dużym obciążeniem.

Rozwiązanie problemu może wymagać zmian w projektowaniu i produkcji. Proces ten staje się trudniejszy, gdy wiele firm jest właścicielami różnych warstw stosu technologicznego.

Nic z tego nie czyni NVIDIA bezsilną. Wolumen jej zamówień, zasoby inżynieryjne i pozycja rynkowa dają jej znaczący wpływ na inwestycje dostawców.

Firma może finansować zobowiązania, kwalifikować alternatywy, przeprojektowywać komponenty i koordynować roadmapy. Jej platforma programowa daje dostawcom również silną motywację do priorytetowego traktowania kompatybilności z produktami NVIDIA.

Mimo to wpływ różni się od własności. TSMC kontroluje swoje procesy produkcyjne, alokację mocy i realizację działalności fabryk. SK hynix kontroluje rozwój pamięci, uzyski i zwiększanie produkcji.

Inwestorzy i nabywcy korporacyjni powinni zatem unikać dwóch przeciwstawnych wniosków. NVIDIA nie jest ani pustą marką opartą na technologii innych firm, ani w pełni niezależnym producentem.

Jest architektem i komercyjnym koordynatorem łańcucha dostaw zbudowanego z rzadkich zdolności. Jej siła częściowo zależy od zarządzania tymi zależnościami lepiej, niż konkurenci zarządzają swoimi.

Trzy Sygnały Pokażą, Kto Naprawdę Kontroluje Dostawy dla AI

Kolejna faza wyścigu o sprzęt AI będzie mierzona wydajnością pakowania, dostępną podażą kwalifikowanej pamięci HBM oraz dostarczonymi systemami.

Pierwszym sygnałem jest rozbudowa zaawansowanego pakowania przez TSMC. Inwestorzy powinni obserwować, czy moce produkcyjne CoWoS rosną wraz z popytem na Blackwell i przyszłe generacje akceleratorów.

Same zapowiedzi nie wystarczą. Istotne dowody pojawią się w wynikach produkcyjnych, wysyłkach do klientów i komentarzach kierownictwa dotyczących napiętej dostępności mocy.

Jeżeli dostępność pakowania poprawi się bez osłabienia popytu, NVIDIA zyska większą możliwość przekształcania zamówień w gotowe systemy. Utrzymujące się ograniczenia wzmocnią pozycję TSMC jako strażnika produkcyjnego.

Drugim sygnałem jest kwalifikacja i produkcja masowa nowszych generacji HBM. SK hynix, Samsung i Micron rywalizują o zwiększenie przepustowości, pojemności oraz uzysku produkcyjnego.

Partnerstwo SK hynix i TSMC w zakresie HBM zasługuje na szczególną uwagę, ponieważ łączy rozwój pamięci z procesami logicznymi i pakowaniem.

Większa liczba kwalifikowanych dostawców dałaby NVIDIA większą elastyczność. Jednak opóźnienia w kwalifikacji lub nierówne uzyski utrzymałyby przewagę najwcześniejszego niezawodnego producenta.

Trzecim sygnałem jest różnica między raportowanym przez NVIDIA popytem a faktyczną dostawą systemów. Dostawcy chmury potrzebują zainstalowanych, działających klastrów, a nie niezmontowanych komponentów.

Ekosystem NVIDIA obejmuje producentów serwerów, dostawców sieci, firmy chłodnicze i operatorów infrastruktury. Lista partnerstw systemowych firmy pokazuje, jak wiele organizacji uczestniczy w procesie po zaprojektowaniu podstawowego krzemu.

Harmonogramy dostaw pokażą, czy łańcuch dostaw może skalować się jako jeden system. Krótsze terminy realizacji wskazywałyby, że produkcja układów, HBM, pakowanie i montaż serwerów są coraz lepiej zsynchronizowane.

Długie opóźnienia pokażą, że ograniczenie zostało przeniesione, a nie usunięte. Więcej wafli może ujawnić niedobór pamięci, a większa dostępność HBM może wskazać na ograniczenia pakowania lub zasilania.

AMD i niestandardowe akceleratory chmurowe stanowią ważny punkt odniesienia. Wzrost ich wysyłek pokaże, czy konkurenci mogą zabezpieczyć te same rzadkie zasoby, podczas gdy NVIDIA się rozwija.

Rywal nie musi przewyższyć architektury NVIDIA, aby wpłynąć na rynek. Może zyskać udział, oferując dostępne systemy, gdy klienci nie są w stanie pozyskać wystarczającej liczby urządzeń NVIDIA.

Ta możliwość daje nabywcom korporacyjnym praktyczny powód, by śledzić podaż półprzewodników. Dostępność infrastruktury wpływa na harmonogram projektów, pojemność chmury i koszt wdrażania usług AI.

Deweloperzy powinni również obserwować relację między podażą sprzętu a przenośnością oprogramowania. Zespoły silnie związane z jedną platformą akceleratorów mają mniej możliwości, gdy dostępność mocy staje się ograniczona.

Organizacje mogą się przygotować, dokumentując wymagania obciążeń, testując alternatywne instancje i zachowując wiarygodne informacje techniczne od dostawców oraz operatorów chmury. Przeszukiwalna baza wiedzy może pomóc zespołom inżynieryjnym porównywać te zmieniające się wymagania.

Szersza lekcja wykracza poza jeden nagłówek Google News. Przewaga NVIDIA łączy architekturę, oprogramowanie, dostęp do rynku i koordynację łańcucha dostaw.

TSMC przekształca projekty w zaawansowany krzem i integruje je dzięki ograniczonym mocom pakowania. SK hynix dostarcza pamięć, która zapewnia drogim rdzeniom obliczeniowym stały dopływ danych.

Każda firma kontroluje inną warstwę, a żadna nie jest w stanie samodzielnie dostarczyć gotowego rezultatu. Dlatego metafora „króla AI” bardziej zaciemnia obraz, niż go wyjaśnia.

Lepsze pytanie brzmi, czy te trzy firmy potrafią rozwijać się synchronicznie. Obserwujcie dostarczone akceleratory, a nie tylko ogłaszaną wydajność.

Obserwujcie kwalifikowaną pamięć, a nie tylko specyfikacje prototypów. Obserwujcie wydajność pakowania, a nie tylko ukończone wafle.

Jeśli te wskaźniki będą rosły razem, NVIDIA będzie mogła utrzymać tempo. Jeśli jeden z nich pozostanie w tyle, wąskie gardło pokaże, który niedoceniany dostawca ma najbardziej bezpośrednią przewagę negocjacyjną.

Gdy nadejdzie kolejna fala relacji Google News, spójrzcie głębiej niż na etykietę NVIDIA. Decydujący rozwój może nastąpić na linii pakowania TSMC lub w stosie pamięci SK hynix.