Представь фабрику, где гениальный инженер сам чертит каждый шуруп. Так жили все большие модели ещё вчера. Один гигантский мозг вызывал инструменты, проверял результаты, ждал ответа, снова думал. Это медленно и дико дорого, как гонять БелАЗ за хлебом. NVIDIA первой сказала — хватит. Будущее не в одном монстре, а в команде, где один планирует, а второй молниеносно исполняет рутину. В этом и суть августовского рывка. Компания разделила агентный ИИ на два слоя и закрыла всю цепочку от чипа до памяти.

В этом и фокус — от моделей до железа всё стало командой, а не одиночкой.

⚡️ Где треснула старая система * Модель-исполнитель Nemotron 3.5 Lightning — 30 млрд всего, активны лишь 3 млрд (MoE — смесь экспертов, когда из сотен специалистов включается только нужная горстка). Итог — до 4 раз быстрее аналогов при той же точности, уже ставится в Ubuntu одной командой. * KV-кэш (короткая память модели, как черновики на столе, куда она складывает посчитанное) стал узким местом. DPU BlueField-4 STX вынес хранение этих черновиков из процессора прямо в сеть и хранилище — заявлено до 5 раз больше токенов и в разы меньше энергии. * Миллион токенов (примерно целая кодовая база или час видео) теперь жуёт новый GPU Rubin CPX — 30 петафлопс в формате NVFP4 (суперсжатые числа для ИИ) и 128 ГБ GDDR7, собранный в стойку на 8 экзафлопс. Это первый чип, сделанный именно под длинный контекст, а не под обучение.

🧠 Что будет на втором шаге и о чём молчат * Последствие последствий — цена рассуждения падает, а цена памяти растёт. Кто владеет KV-кэшем, тот владеет агентом. Поэтому NVIDIA строит вокруг него экосистему — от DOCA до Spectrum-X. * Контринтуитивный вывод — маленький мозг важнее большого. В долгоживущем агенте 90% времени — скучные вызовы, проверки, повторы. И выигрывает не тот, у кого IQ выше, а тот, у кого исполнитель дешевле и быстрее. * Контраргумент — «зачем дробить, если можно один фронтир?» Не работает, потому что один фронтир стоит как самолёт на каждый чих. Двухуровневая схема режет бюджет токенов на 30% без потери качества на тестах PinchBench и Terminal-Bench.

💸 Как это бьёт по нам и по кошельку * Для бизнеса это смена тарифа — от поминутной оплаты гения к оплате бригады. Локальные агенты на RTX Spark (20 ядер Grace + графика уровня RTX 5070) смогут жить прямо в ноутбуке на Windows on Arm без облака, а DGX Station на чипе GB300 даст триллион параметров на столе. * Ограничения — Rosa с ядрами Rigel (кастомные ядра на архитектуре Arm v9.2 с увеличенным кэшем L2, как большая полка для инструментов) выйдет только в 2028 с Feynman, Rubin CPX — в конце 2026. Первые покупатели снова станут бета-тестерами, а Китай на паузе — H200 одобрили для Alibaba, Tencent, ByteDance, но Пекин требует покупать свои чипы в придачу.

💡 Мы переходим от эпохи «кто умнее» к эпохе «кто дешевле удержит мысль». NVIDIA показала, что интеллект — это не один прожектор, а оркестр из прожектора и сотен лампочек. Когда память становится дороже вычислений, побеждает тот, кто научился не думать лишний раз, а просто помнить и делать. И именно это делает агентный ИИ finally рентабельным.

👇 А ты бы доверил рутину маленькому быстрому агенту или всё ещё гонишь огромную модель за каждой мелочью? 👇

#NVIDIA #Nemotron #искусственныйинтеллект #чипы #технологии #AIagents #RosaCPU #RubinCPX #будущее #инновации