Создание фронтирной ИИ-модели в США стало дорогостоящей задачей. Обучение такой модели, как Beam от Reflection AI, оценивается примерно в $100 млн — цена, которая может затруднить закрытие разрыва между американскими лабораториями и китайскими конкурентами, чьи модели, по сообщениям, обходятся в разы дешевле. Именно здесь на сцену выходит Nvidia. Производитель чипов превратился нечто среднее между венчурным фондом, арендодателем и магазином комплектующих для отрасли.

Модель за $100 млн и ставка на $6 млрд

Reflection AI представила Beam 5 октября 2026 года. Модель использует разреженную архитектуру с 501 миллиардом параметров, из которых в каждый момент времени активны лишь 23 миллиарда — такой подход сокращает вычислительные затраты при каждом ответе модели на запрос. Она была обучена на 23,8 трлн токенов с использованием методов обучения с подкреплением, при этом в процессе обучения на протяжении четырёх недель задействовались 10 500 дата-центровых GPU Nvidia GB300.

Утверждается, что Beam обеспечивает 3-4-кратную эффективность инференса по сравнению с китайской GLM 5.2, а также более чем 4-кратную эффективность по сравнению с ведущими западными моделями с открытыми весами. Инференс — это работа, которую модель выполняет после обучения, когда фактически отвечает на запросы, поэтому большая эффективность инференса означает меньшую стоимость выдачи каждого ответа. Модель позиционируется как экономичная западная альтернатива, хотя она всё ещё демонстрирует некоторые разрывы в сырой производительности с отдельными китайскими аналогами.

Представление Beam — не единственное недавнее обязательство Nvidia. В августе 2026 года производитель чипов заключил с Poolside сделку по лицензированию ициям на $6 млрд, направленную на создание устойчивой экосистемы моделей с открытыми весами в США. Модели с открытыми весами — это модели, чьи обученные параметры публикуются для свободного скачивания, запуска и адаптации, в отличие от закрытых моделей, доступных только через интерфейс провайдера.

Почему Китай удерживает преимущество по затратам

В основе конкурентного вызова лежит несоответствие цен. Обучение многих китайских моделей, по сообщениям, стоит всего несколько миллионов долларов, тогда как ведущие американские модели, такие как Beam, оцениваются примерно в $100 млн. Китайские лаборатории выпускают высококлассные недорогие модели, а семейства вроде DeepSeek, GLM и Kimi оказывают реальное давление на западных разработчиков.

Nvidia как финансист отрасли

Стратегия Nvidia выходит далеко за рамки продажи чипов. Компания приобретает доли в молодых ИИ-фирмах, и к середине 2026 года её совокупные вложения в ИИ-стартапы достигли примерно $99 млрд. Она также выстраивает каналы финансирования вычислительных ресурсов, призванные мобилизовать свыше $500 млрд, и расширяет доступ к дефицитным GPU-ресурсам для поддерживаемых стартапов.

Что это значит для гонки ИИ

Значительная часть американских амбиций в области открытых весов теперь проходит через капитал и чипы одной компании. Поддержка Nvidia может смягчить удар высоких затрат на обучение для стартапов, но модель за $100 млн всё равно должна окупить эту сумму в борьбе с конкурентами, которые, по сообщениям, потратили значительно меньше.

Именно поэтому ключевым показателем являются заявления Beam об эффективности. Если прогнозируемый 3-4-кратный выигрыш в инференсе над GLM 5.2 подтвердится в реальных внедрениях, американские лаборатории получат весомый аргумент для конкуренции по совокупной стоимости владения, а не только по затратам на обучение.

Сделка Nvidia с Poolside на $6 млрд и портфель стартапов стоимостью около $99 млрд дают американским лабораториям пространство для манёвра. Превратится ли это пространство в самоподдерживающуюся экосистему — или останется зависимым от одного покровителя — определит, насколько конкурентоспособным будет американский ИИ с открытыми весами в ближайшие годы.