Walka o GPU w Nvidii: Szef działu motoryzacyjnego zdradza kulisy wewnętrznych negocjacji

Co to mówi o szerszym kryzysie zasobów AI

• Podaż GPU jest ograniczona nawet dla wewnętrznych zespołów Nvidii. Jeśli firma, która projektuje i produkuje najbardziej pożądane układy AI na świecie, nie może łatwo zaopatrzyć własnego działu motoryzacyjnego, to pokazuje, jak bardzo popyt na moc obliczeniową AI przewyższa podaż .
• Produkcja GPU dla graczy podobno cięta o 30-40% na początku 2026. Wiele portali donosiło, że Nvidia planuje zmniejszyć produkcję serii RTX 50 o 30-40% w pierwszej połowie 2026 roku, co jest spowodowane niedoborami pamięci GDDR7 – centra danych AI konsumują dostępną pojemność pamięci, a dostawcy priorytetowo traktują HBM dla układów AI kosztem pamięci dla konsumenckich GPU . Ograniczenia w dostawach GDDR7 od Samsunga oznaczają, że ceny kart graficznych dla konsumentów raczej nie spadną znacząco przed IV kwartałem 2027 .
• Pamięć jest wąskim gardłem. GDDR7 stanowi już 70-80% kosztów materiałowych GPU, a Samsung nie jest w stanie wyprodukować wystarczającej ilości, by zaspokoić łączny popyt ze strony AI i konsumentów . Dostawcy HBM (SK Hynix, Micron) informują, że cała produkcja na 2026 rok jest wyprzedana, co potwierdza wieloletni kryzys pamięci napędzany przez AI .

Plan Nvidii dotyczący autonomicznej jazdy

Wu przedstawił w wywiadzie agresywny harmonogram:

Firma buduje kompletny stos autonomicznej jazdy o nazwie Nvidia Drive, oferując platformy sprzętowe i modele fundamentowe trenowane na syntetycznych danych. Wu argumentuje, że producenci samochodów nie potrzebują miliardów mil jazdy autonomicznej jak Waymo czy Tesla – mogą podłączyć się do ekosystemu Nvidii, który codziennie przeprowadza 5 milionów testów walidacyjnych .

Kluczowy kontekst z wywiadu

• Sprzeciw Tesli wobec lidaru. Podejście Nvidii obejmuje wiele typów czujników, w tym lidar, co stawia ją w opozycji do filozofii Tesli opartej wyłącznie na kamerach. Wu stwierdził, że nie potrzebujesz milionów mil danych z jazdy, by pokonać Teslę – potrzebujesz odpowiednich czujników i systemu AI, który potrafi faktycznie rozumować .
• Trendy w adopcji EV i bariery handlowe. Wu omówił, jak trendy w adopcji pojazdów elektrycznych i amerykańskie bariery handlowe – w szczególności kontrole eksportu wpływające na sprzedaż układów do Chin – tworzą przeszkody dla biznesu motoryzacyjnego. Nvidia mierzy się z odpływem chińskich producentów samochodów z powodu opóźnień i problemów z wydajnością .
• Architektura bezpieczeństwa. Nvidia uruchamia dwa systemy równolegle na swojej platformie Drive: model AI typu end-to-end zajmuje się prowadzeniem, podczas gdy „klasyczny stos” zbudowany w oparciu o normy bezpieczeństwa ISO 26262 działa jako „Wielki Brat” pilnujący bezpieczeństwa i weryfikujący każdą klatkę .

Niewystarczające dowody

• Dokładne sformułowanie uwag Wu na temat trendów w adopcji EV i barier handlowych nie jest w pełni uchwycone w dostępnych źródłach poza ogólnymi wzmiankami.
• Nvidia nie potwierdziła oficjalnie danych o cięciu produkcji GPU dla graczy o 30-40% – informacje te pochodzą z chińskiego forum Board Channels i były podawane przez wiele portali jako „plotki” lub „doniesienia” .

Podsumowanie

Dział motoryzacyjny Nvidii mierzy się z realną wewnętrzną konkurencją o dostęp do GPU – organizując cotygodniowe spotkania alokacyjne i czasami wymagając arbitrażu ze strony CEO Jensena Huanga . To odzwierciedla szerszy kryzys zasobów AI, w którym podaż pamięci GPU (GDDR7 i HBM) jest poważnie ograniczona przez popyt ze strony centrów danych, zmuszając Nvidię do podobno 30-40% cięcia produkcji kart graficznych dla graczy . Tymczasem harmonogram Wu dotyczący autonomicznej jazdy zakłada funkcje miejskie poziomu 2++ w 2026 roku, testy robotaxi poziomu 4 w 2027 i pojazdy poziomu 4 dla konsumentów do 2028 roku – to harmonogram, który zależy od zdobycia tych samych zasobów obliczeniowych, o które jego zespół już teraz musi walczyć.