Организации рассматривают более широкий спектр вариантов ускорителей искусственного интеллекта вместо того, чтобы ограничивать оценку решениями Nvidia, однако это не означает, что они готовы немедленно отказаться от текущих платформ. Согласно июльской волне опроса VB Pulse, в которой приняли участие 170 специалистов по инфраструктуре искусственного интеллекта, 39,4% заявили, что, вероятно, будут оценивать ускорители, не принадлежащие Nvidia, в течение следующих 12 месяцев, по сравнению с 25,3% тех, кто сказал то же самое о Nvidia Blackwell (GB300) или процессорах Nvidia следующего поколения; разница составила 14 процентных пунктов.
Среди упомянутых в опросе альтернатив — AWS Trainium, Google TPU, AMD Instinct и Intel Gaudi, а также ASIC-чипы, которые организации разрабатывают внутри компании. Тем не менее Nvidia остаётся вариантом по умолчанию в большинстве производственных сред, поэтому результат скорее указывает на расширение круга оцениваемых решений, чем на свидетельство немедленного изменения производственной доли.
Больше активности, но меньше желания менять платформу немедленно
Результаты по чипам вписываются в более широкую тенденцию: организации интенсивнее используют инфраструктуру искусственного интеллекта и пытаются оптимизировать имеющиеся системы, прежде чем принимать решение о смене основной платформы. Доля участников, ожидающих смены платформы в течение периода от нуля до трёх месяцев, снизилась с 38,3% в июне до 28,8% в июле. В то же время доля тех, кто ожидает изменения в течение трёх-шести месяцев, выросла на 4,1 процентного пункта, а в течение шести-12 месяцев — на 5,3 пункта. Доля тех, кто не планирует никаких изменений, осталась примерно стабильной — около 40%.
Несколько платформ продемонстрировали рост производственного использования. Доля респондентов, сообщивших об использовании Microsoft Azure в производстве, выросла с 29% до 47,1%, тогда как использование Google Gemini увеличилось с 41,1% до 47,6%. Доля OpenAI также выросла с 40,2% до 49,4%, а использование Anthropic — с 12,1% до 24,7%. Резкий рост показателя Azure следует интерпретировать с осторожностью, поскольку июльская выборка была сильнее смещена в сторону крупных организаций: 57% участников работают в компаниях с численностью более 1 000 сотрудников, против 37% в июне.
Организации также эффективнее используют управляемые ими GPU. Доля тех, кто эксплуатирует эти устройства на уровне половины мощности или ниже, снизилась с 83% в июне при выборке из 100 участников до 69% в июле при выборке из 155 участников. Доля использования свыше 50% выросла с 13% до 23%.
Критерий смещается от размера платформы к производительности рабочей нагрузки
Критерии выбора показывают, что решения о закупках всё сильнее связаны с фактической эксплуатацией. Интеграция с облачной средой и данными организации осталась наиболее важным фактором — 40,0% в июле против 41,1% в июне. Однако приоритет производительности вырос с 24,3% до 35,3%, приоритет стоимости за миллион токенов — с 7,5% до 15,9%, а приоритет доступа к GPU — с 18,7% до 23,5%.
В то же время доля тех, кто назвал совокупную стоимость владения главным фактором, снизилась с 34,6% до 21,8%. Это не означает, что стоимость утратила значение; скорее, оценка всё сильнее привязана к рабочей нагрузке: как работает инференс в производственной среде, насколько он надёжен и какова стоимость каждой единицы полезной работы.
Почему эта тенденция важна?
Интерес к альтернативам, не связанным с Nvidia, вырос с 31,8% в июне до 39,4% в июле. Рост был заметнее среди участников, обладающих стратегическими полномочиями по закупкам, несмотря на небольшой размер выборки руководителей высшего звена: в этой категории показатель увеличился с 42,9%, то есть с шести из 14, до 57,1%, то есть до 12 из 21. Среди лиц, принимающих окончательное решение, он вырос с 35,4% до 50%.
Эти цифры показывают, что диверсификация ускорителей превращается из инженерной задачи в стратегическое инфраструктурное решение. Наличие альтернатив в списках для оценки даёт организациям больше возможностей сравнивать производительность, стоимость и доступность оборудования, однако не доказывает, что эти альтернативы достигли превосходства в производстве или что организации окончательно решили перейти на них.
Контроль не ограничивается чипами
Та же тенденция проявилась на уровне инструментов, которые связывают модели с данными и сервисами организации; в опросе указано, что этот уровень включает инструменты, данные, оркестрацию, оценку, идентификацию, безопасность и наблюдаемость. В июле 36,6% предпочли сохранять независимые инструменты, лучшие в каждой категории, наряду с моделями, а ещё 36,6% предпочли сочетать нативные среды выполнения поставщиков услуг с независимыми инструментами. Таким образом, 79,2% поддержали подход, сохраняющий определённый уровень архитектурного контроля за пределами одного поставщика моделей, по сравнению примерно с 65,3% в июне.
В то же время доля тех, кто предпочитает унификацию на базе нативного контекстного пакета одного поставщика моделей, снизилась с 20,8% до 11,9%. Такой контроль имеет практическое значение: 68,3% участников в июле заявили, что сталкивались с уверенным, но неверным ответом из-за отсутствующего или неправильного контекста, по сравнению с 57,4% в июне. Кроме того, 62,4% сообщили, что управляемый семантический или контекстный слой уже используется либо создаётся для производственной эксплуатации.
Специализированные облака и компоненты с открытым исходным кодом
Доля тех, кто ожидает более широкого использования специализированных поставщиков облачных услуг для искусственного интеллекта, или так называемых neoclouds, выросла с 33% до 38%, тогда как доля тех, кто ожидает меньшего использования, снизилась с 9,7% до 5,4%. Однако текущее производственное использование у названных поставщиков, таких как CoreWeave, Lambda, Crusoe и Nebius, оставалось значительно ниже, увеличившись с 1,9% до 5,9%.
Разрыв между намерением расширить использование и текущим применением указывает на потенциальное пространство для оценки и внедрения, а не на завершённое принятие технологии. Надёжность, безопасность, поддержка, сети и управление данными по-прежнему будут иметь решающее значение для способности этих компаний превратить доступ к ускорителям в устойчивое корпоративное использование.
Также выросло использование производственных пакетов с открытым исходным кодом и самостоятельным управлением — с 3,7% до 12,9%; среди примеров, приведённых в опросе, — PyTorch, Triton, vLLM, Ray и Kubernetes. Использование инструментов кэширования ключей и значений с открытым исходным кодом, таких как LMCache и кэширование префиксов в vLLM, увеличилось с 6,5% до 11,8%. Однако рассмотрение платформ с открытым исходным кодом осталось почти неизменным — с 5,6% до 6,5%, что означает: расширение сосредоточено среди организаций, перешедших к этапу внедрения, а не среди более широкой базы новых оценщиков.
Методологические ограничения: материал сравнивает две независимые волны опроса и два временных среза, включавшие 107 участников в июне 2026 года и 170 в июле 2026 года; это не лонгитюдное исследование одних и тех же организаций. Состав выборки также изменился, а статистическая значимость не проверялась, поэтому к ежемесячным различиям следует относиться как к сигналам направления, а не как к доказательству причинности. Данные об уровне контекста основаны на отдельном опросе, в котором участвовал 101 респондент в каждом месяце.