24 августа, 03:32#ИИ и нейросети7 мин

Nvidia платит $6 млрд Poolside и строит открытую модель против DeepSeek

Nvidia договорилась с ИИ-стартапом Poolside: $6 млрд за неисключительную лицензию на его технологии, работа для 109 инженеров и ещё $1 млрд инвестиций в оставшийся бизнес. Деньги идут не в очередной закрытый сервис — компания собирает семейство моделей с открытыми весами Nemotron, чтобы противопоставить их китайским DeepSeek и Kimi K3. Для бизнеса это про цену: открытые модели дешевле в работе и проще подстраиваются под свои задачи.

Коротко

Nvidia заключила сделку на $6 млрд с Poolside — это лицензия на систему Model Factory для создания нейросетей, причём неисключительная.
Работу в Nvidia предложили 109 сотрудникам стартапа; три основателя Poolside остаются на своих должностях.
Дополнительно Nvidia обязалась вложить $1 млрд в оставшуюся часть бизнеса Poolside.
Формально это не поглощение, а лицензия с наймом людей — такая схема позволяет избежать проверок регуляторов.
Цель — семейство моделей с открытыми весами Nemotron, конкурент китайским DeepSeek и Kimi K3; о планах сообщила The Wall Street Journal.
По оценке издания, это вызов OpenAI и Anthropic: открытые модели дешевле в эксплуатации и проще адаптируются под конкретные задачи.
Мотив Nvidia — закрепиться сразу на нескольких направлениях гонки, чтобы удержать своё положение на рынке.

Что такое открытые веса и почему за них борются

У любой нейросети есть «веса» — числа, которые получились в результате обучения и определяют, как модель отвечает. Это её содержимое: не программа, а результат многомесячной тренировки на огромных данных.

Модели делятся на два лагеря. Закрытые — вроде ChatGPT: веса компании держат у себя, доступ продают через свои серверы. Открытые (их называют open-weight) — веса выложены, любой может скачать модель и запустить на своём оборудовании или у выбранного провайдера.

Для бизнеса разница практическая. Закрытая модель означает счёт за каждый запрос и зависимость от чужих правил. Открытая — единовременные расходы на оборудование или дешёвую аренду мощностей, свои данные внутри контура и возможность дообучить модель под свою нишу. Подробнее это устройство мы разбирали в материале про открытые нейросети.

Последние два года лидерами открытого лагеря были китайские разработчики: DeepSeek, Qwen, Kimi. Их модели скачивают, дообучают и встраивают в продукты по всему миру, и это переносит влияние на тех, кто задаёт стандарты. Именно в эту точку и целится Nvidia.

Что произошло

Nvidia заключила соглашение с ИИ-стартапом Poolside на $6 млрд. Компания получает неисключительную лицензию на систему Model Factory — набор технологий, которые Poolside использовал для создания больших языковых моделей.

Одновременно 109 сотрудникам стартапа предложена работа в Nvidia. Три основателя Poolside остаются на своих должностях, а сама компания продолжает работу: в её оставшийся бизнес Nvidia обязалась вложить ещё $1 млрд.

Почему это оформлено не как покупка

Формально сделка выглядит как лицензия плюс наём людей, а не как поглощение. Такая структура позволяет обойтись без длительных проверок со стороны антимонопольных регуляторов — приём, который в последние годы стал обычным для крупных сделок в ИИ.

Для рынка результат тот же: технологии и команда переходят к Nvidia, а стартап остаётся юридически самостоятельным.

Что Nvidia собирается построить

Инженеры Poolside присоединятся к разработке семейства открытых моделей Nemotron. По данным The Wall Street Journal, цель — создать одну из самых мощных моделей с открытыми весами, способную конкурировать с китайскими DeepSeek и Kimi K3.

Издание называет это прямым вызовом OpenAI и Anthropic: модели с открытыми весами заметно дешевле в эксплуатации, а адаптировать их под конкретные задачи проще. Мотив самой Nvidia лежит на поверхности — компания зарабатывает на ускорителях и заинтересована, чтобы сильные модели существовали на любом полюсе рынка.

Что это значит для бизнеса

Спрос на тему огромен: запрос «nvidia» набирает свыше миллиона показов в месяц, вместе с уточнениями — больше трёх миллионов. Но для предпринимателя важна не сама сделка, а её последствие: сильных открытых моделей станет больше, а значит, работа с ИИ подешевеет.

Первое следствие — выбор. Сегодня компании, которой нужен ИИ внутри процессов, приходится выбирать между дорогой закрытой моделью и китайской открытой. Появление третьего игрока с деньгами и оборудованием расширяет этот выбор в ближайший год.

Второе — данные. Открытая модель разворачивается в своём контуре: переписка клиентов, документы и цены не уходят наружу. Для компаний, где это критично, доступность сильной открытой модели решает вопрос, который не решается никакими договорами.

Третье — сроки. Крупные анонсы редко превращаются в готовый продукт за месяц. Практический вывод скучный: планы строим на том, что доступно сегодня, а новости такого рода держим в уме при выборе поставщика на год вперёд — сравнение работающих вариантов есть в обзоре нейросетей 2026 года.

Что это значит для специалиста

Владельцу бизнеса. Ничего срочного. Но если вы планируете внедрение ИИ на горизонте года, заложите в расчёт сценарий с открытой моделью на своём или арендованном оборудовании.
Техническому директору. Model Factory — это про конвейер обучения моделей. Появление таких технологий у Nvidia означает, что порог создания отраслевой модели снизится.
Тем, кто работает с чувствительными данными. Открытые модели — главный путь к тому, чтобы данные клиентов не покидали ваш контур. Следите за релизами Nemotron.
Разработчику. Стоит понимать разницу между лицензией на технологию и открытыми весами модели: первое досталось Nvidia, второе компания обещает рынку.
Тем, кто внедряет ИИ-сотрудников. Модель — только часть решения; что ещё нужно, чтобы это работало в компании, собрано в гайде про ИИ-сотрудников.

Что делать уже сейчас

Определите, что у вас за задача. Разовые запросы через чат, поток однотипных операций или обработка чувствительных данных — под каждый случай подходит своя схема.
Посчитайте текущие расходы на ИИ. Сумма за месяц по всем сервисам — база для сравнения с любым будущим вариантом.
Проверьте, что уходит наружу. Персональные данные клиентов, цены, договоры — составьте список того, что нельзя отправлять в чужой сервис.
Попробуйте открытую модель на одной задаче. Сегодня это доступно через провайдеров, без покупки оборудования.
Не переписывайте планы под анонс. Nemotron — заявка, а не продукт на рынке; решения принимаются по тому, что уже работает.
Следите за ценами поставщиков. Конкуренция за открытый лагерь обычно быстро отражается на тарифах.

Чего ждать дальше

Ближайшее — релизы. Заявленные модели Nemotron появятся не мгновенно, но интерес рынка к ним будет высоким: за открытыми весами следят и разработчики, и компании, которым нужен ИИ внутри своего контура.

Второе — ответ конкурентов. Когда в открытый лагерь заходит игрок такого масштаба, закрытые сервисы отвечают ценами и лимитами: это уже происходило после каждого сильного релиза DeepSeek.

Третье — вопрос регулирования. Схема «лицензия плюс наём команды» вместо покупки стала стандартом для крупных ИИ-сделок, и внимание регуляторов к ней растёт.

Частые вопросы

Что купила Nvidia?
Неисключительную лицензию на технологии Poolside за $6 млрд, плюс предложила работу 109 сотрудникам и обязалась вложить $1 млрд в оставшийся бизнес стартапа.

Что такое открытые веса?
Это результат обучения модели, выложенный в открытый доступ: такую модель можно скачать, запустить у себя и дообучить под свою задачу.

Против кого направлена открытая модель Nvidia?
Против китайских DeepSeek и Kimi K3 — сегодняшних лидеров открытого лагеря. Об этом сообщила The Wall Street Journal.

Почему это не назвали покупкой компании?
Сделка оформлена как лицензия с наймом сотрудников, что позволяет избежать длительных проверок регуляторов.

Когда модель станет доступна?
Сроки не объявлены. Nemotron — заявленное семейство моделей, а не готовый продукт на рынке.

Что это меняет для российского бизнеса?
Опосредованно: чем больше сильных открытых моделей, тем дешевле работа с ИИ и тем реальнее вариант держать модель в своём контуре.

Промпт: выбор между открытой и закрытой моделью под вашу задачу

Опишите ассистенту задачу, объёмы и требования к данным — он сравнит закрытый сервис и открытую модель по деньгам и рискам и назовёт порог, при котором ответ меняется.

Промпт

Ты — технический директор с опытом внедрения языковых моделей в компаниях среднего размера. Отвечаешь за выбор между платным сервисом и своей моделью, за расчёт стоимости владения и за то, чтобы чувствительные данные не покидали контур компании.

ЗАДАЧА
Сравнить для моей задачи два пути: работа через закрытый сервис по подписке или запросам и открытая модель на арендованном либо своём оборудовании. На выходе — расчёт в рублях, оценка рисков и порог объёма, при котором выгоднее второй вариант.

ЧТО Я ДАЮ
— задача: [что должна делать модель]
— объём: [запросов в день, средняя длина запроса и ответа]
— какие данные участвуют: [персональные, коммерческие, публичные]
— что используем сейчас: [сервис, тариф, расход в месяц]
— свои силы: [есть ли разработчики, администратор, оборудование]
— ограничения: [бюджет, требования безопасности, отраслевые правила]

ЧТО ТЫ УЧИТЫВАЕШЬ ОБ УСЛОВИЯХ
— открытые модели (open-weight) выкладываются весами: их можно запустить на своём оборудовании или у провайдера и дообучить под нишу;
— закрытый сервис берёт плату за каждый запрос и меняет правила и цены на своей стороне;
— сильные открытые модели сегодня в основном китайские — DeepSeek, Qwen, Kimi; Nvidia заявила семейство Nemotron, но это пока заявка, а не продукт на рынке;
— у своей модели расходы смещаются в оборудование, электричество, администрирование и обновления;
— перенос данных в чужой сервис — это отдельный риск и отдельный пункт договора;
— дообучение под нишу даёт качество там, где общая модель ошибается на профессиональной лексике.

С ЧЕГО НАЧИНАЕШЬ
Недостающие данные спрашивай ПО ОДНОМУ ВОПРОСУ ЗА РАЗ. Ответы «запросов много», «данные обычные», «бюджет разумный» не принимай — проси число запросов в день, перечень типов данных и сумму. Если я не знаю длину запросов и ответов, объясни, как её прикинуть по примерам, и считай в диапазоне.

ПРОТОКОЛ
1. Определи класс задачи и назови, нужна ли для неё сильная модель или хватит компактной.
2. Посчитай расход на закрытый сервис: объём в токенах, тариф, сумма в месяц и в год.
3. Посчитай вариант с открытой моделью у провайдера: стоимость запросов, минимальные платежи, отличия по скорости.
4. Посчитай вариант со своим оборудованием: разовые вложения, электричество, администрирование, амортизация.
5. Назови порог объёма, при котором второй и третий варианты становятся выгоднее первого.
6. Оцени риски каждого варианта: утечка данных, изменение цен, недоступность сервиса, качество на профессиональной лексике.
7. Составь план проверки: какую задачу и на каких примерах тестировать, какие метрики качества считать.
8. Дай рекомендацию с обоснованием цифрами и назови условие, при котором решение стоит пересмотреть.
9. Перечисли вопросы к юристу и службе безопасности по передаче данных.

ФОРМАТ ОТВЕТА
Начни с трёх строк: что выбрать сейчас, сколько это стоит в месяц, при каком объёме решение меняется. Дальше таблица сравнения: строки — варианты, столбцы «расход в месяц», «разовые вложения», «риски», «когда подходит». Отдельным блоком — план тестирования на две недели. В конце — список вопросов юристу и безопасности.

ПРАВИЛА
— считаешь в рублях, курс и допущения называешь явно;
— тарифы провайдеров не выдумываешь: даёшь диапазон и говоришь, где проверить актуальную цену;
— не обещаешь, что открытая модель сравняется по качеству с закрытой на любой задаче: это проверяется тестом;
— вопросы передачи персональных данных помечаешь как «проверить с юристом».

Способ зарабатывать на ИИ

Зарабатывайте на создании сайтов и ИИ-агентов