Z raportu firmy badawczej SemiAnalytics wynika, że ​​system szafowy nowej generacji Kyber NVL144 AI firmy Nvidia został opóźniony o ponad rok, przesuwając jego premierę na rok 2028 po tym, jak gigant chipów napotkał uporczywe problemy produkcyjne związane z krytycznym komponentem wewnętrznym. Rzadkie potknięcie najcenniejszej na świecie firmy produkującej półprzewodniki wywołało zamieszanie w łańcuchu dostaw sprzętu AI i dało nieoczekiwane otwarcie konkurentom. Aby na bieżąco śledzić rozwój infrastruktury AI, śledź nasze najświeższe wiadomości dotyczące sztucznej inteligencji.

W ujawnieniu, o którym po raz pierwszy poinformowało CNBC 6 lipca 2026 r., przytacza się analizę SemiAnalytics, która wykazała, że ​​Nvidia ma trudności z wyprodukowaniem płytki środkowej płytki drukowanej (PCB), która łączy procesory graficzne wewnątrz szafy Kyber. Płyta pośrednia to fizyczny szkielet systemu, przesyłający szybkie sygnały pomiędzy dziesiątkami chipów, a trudności z ich produkcją na dużą skalę zmusiły Nvidię do przesunięcia harmonogramu o ponad dwanaście miesięcy.

Co miał dostarczyć Kyber NVL144

Kyber NVL144 stanowi część ambitnego planu działania firmy Nvidia zakładającego pakowanie coraz większej mocy obliczeniowej w pojedyncze, fabryczne szafy, które dostawcy hiperskalowych rozwiązań chmurowych mogą wdrażać w celu trenowania i uruchamiania pionierskich modeli sztucznej inteligencji. Każdy system NVL144 zaprojektowano tak, aby mieścił 144 procesory graficzne w zunifikowanej, chłodzonej cieczą obudowie i wykorzystywał połączenia wzajemne o dużej przepustowości, dzięki czemu układy scalone mogły działać jak pojedynczy gigantyczny akcelerator.

Te systemy przeznaczone do montażu w szafie stały się centralnym elementem nowoczesnego centrum danych AI. Firmy takie jak Microsoft, Meta, Amazon i Google zamawiają je tysiącami, aby dotrzymać kroku rosnącym wymaganiom obliczeniowym dużych modeli językowych. Ponad roczne opóźnienie flagowego produktu ma zatem konsekwencje daleko wykraczające poza własne przychody Nvidii, spowalniając rozwój wydajności, od którego zależy cała branża AI.

Wąskie gardło płyty środkowej PCB

Według SemiAnalytics główny problem polega na wyprodukowaniu płytki środkowej PCB z tolerancjami wymaganymi przez szybkie połączenia międzysieciowe Kyber. Płyta pośrednia musi przenosić ogromne ilości danych pomiędzy procesorami graficznymi przy minimalnej utracie sygnału, a przy gęstościach, na które celuje Nvidia, nawet niewielkie wady produkcyjne mogą obniżyć wydajność lub spowodować awarie.

Z raportu wynika, że ​​trudności nie dotyczą tylko jednego dostawcy, ale odzwierciedlają szersze wyzwanie polegające na przesuwaniu technologii PCB do jej fizycznych granic. W miarę wzrostu prędkości sygnału i wzrostu liczby warstw wydajność spada, a cykle produkcyjne wydłużają się, tworząc wąskie gardło, którego nie są w stanie rozwiązać same pieniądze.

Drugi front: CPO i NVL576

Ustalenia SemiAnalytics wykraczają poza NVL144. Większa konfiguracja Kyber NVL576, która umożliwiłaby ułożenie jeszcze większej liczby procesorów graficznych w jednej szafie, również stoi w obliczu niepewności ze względu na wyzwania związane z masową produkcją co-packaged optyki (CPO), czyli technologią, na którą Nvidia stawia, aby zastąpić miedziane złącza na dużą skalę. Zarówno płytka środkowa PCB, jak i CPO są powszechnie uważane za podstawowe filary przewagi wydajnościowej Nvidii, a fakt, że oba są obecnie trudne w produkcji, zamienia to, co było fosą konkurencyjną, w źródło opóźnień.

Wiadomość o opóźnieniach spowodowała gwałtowny spadek akcji spółek zajmujących się optoelektroniką i zaawansowanymi opakowaniami, ponieważ inwestorzy ponownie ocenili, jak szybko faktycznie nadejdzie kolejna fala sprzętu AI.

Rywale zobaczą otwarcie

Dla konkurentów Nvidii opóźnienie jest rzadkim prezentem. Firma Advanced Micro Devices stale wypełnia lukę w wydajności procesorów graficznych i opracowuje własne produkty przeznaczone do montażu w szafie serwerowej. Google, które projektuje własne, niestandardowe akceleratory sztucznej inteligencji zwane jednostkami Tensor Processing Units (TPU), tworzy zintegrowane systemy we własnym zakresie i jest mniej narażony na wąskie gardła produkcyjne ograniczające obecnie plan działania Nvidii.

Analitycy zauważyli, że dwunastomiesięczna pomyłka daje AMD dodatkowy czas na wygranie projektu z hiperskalerami, którzy w przeciwnym razie mogliby poczekać na Kyber. Wzmacnia to także strategiczną logikę stojącą za falą niestandardowych inwestycji w krzem ze strony dostawców usług w chmurze, którzy zaczęli nieufnie podchodzić do polegania na jednym dostawcy, którego najbardziej zaawansowane produkty stale spadają.

Nvidia nie kwestionowała publicznie charakterystyki SemiAnalytics. Firma podkreślała już wcześniej, że opracowywanie całkowicie nowych architektur szaf jest z natury złożonym procesem i że w przypadku klientów inwestujących miliardy dolarów w każde wdrożenie priorytetem jest niezawodność, a nie szybkość.

Implikacje dla wyścigu obliczeń AI

Opóźnienie Kyber uwydatnia rzeczywistość, o której łatwo zapomnieć w obliczu rekordowych zysków i rosnącego popytu: rewolucja sztucznej inteligencji nadal działa na sprzęcie fizycznym, a zaprojektowanie i wyprodukowanie tego sprzętu staje się niezwykle trudne. W miarę jak modele stają się większe, a połączenia łączące ich klastry szkoleniowe rosną szybciej, tolerancja błędów we wszystkim, od projektu PCB po opakowanie optyczne, zmniejsza się niemal do zera.

Dla dostawców rozwiązań chmurowych i laboratoriów zajmujących się sztuczną inteligencją, które liczą na stały dopływ coraz potężniejszych szaf, komunikat SemiAnalytics jest taki, że tempo udoskonalania sprzętu może być mniej przewidywalne, niż sugerują plany rozwoju oprogramowania. Sposób, w jaki Nvidia i jej dostawcy radzą sobie z wyzwaniami dotyczącymi midplane i CPO, pomoże określić, jak szybko pojawi się następna generacja systemów AI i które firmy mogą na tym zyskać.

---

Wyprzedź sztuczną inteligencję

Krajobraz sprzętu AI szybko się zmienia. AI Buzz Wire przedstawia najnowsze osiągnięcia w dziedzinie chipów, centrów danych i firm ścigających się w budowaniu infrastruktury opartej na sztucznej inteligencji.

Przeczytaj więcej aktualności o sztucznej inteligencji →