дорогостоящими и трудными для внедрения. Например, во внутренних документах Amazon CUDA называется главным препятствием для внедрения ее ИИ-чипов Trainium и Inferentia. Однако некоторые эксперты утверждают, что ИИ может автоматизировать создание системного программного обеспечения - исторически сложной задачи. Джереми Никсон, бывший исследователь Google Brain и основатель стартапа по разработке ИИ-программного обеспечения Infinity, заявил, что его компания использовала ИИ-агентов для создания ПО, аналогичного CUDA, для D-Matrix всего за 10 часов, что демонстрирует преодолимость этого барьера для ухода от Nvidia. OpenAI и Anthropic также показали, что модели ИИ способны генерировать системное ПО, а основатель DeepSeek Лян Вэньфэн заявил, что ИИ-агенты вместе с собственным языком программирования его стартапа TileLang значительно упростили создание ИИ-программ. Nvidia возражает, что разработчики все чаще используют библиотеки кода CUDA для ИИ-приложений, и что она также использует программных ИИ-агентов для ускорения разработки и проверки CUDA. Компания отмечает, что по мере смещения ИИ к инференсу и агентным нагрузкам растет потребность в глубокой оптимизации на всех уровнях стека, что повышает ценность ее интегрированного аппаратного и программного обеспечения. Однако Бинг Сюй, основатель стартапа по ИИ-программному обеспечению INT21, заявил, что зрелая экосистема CUDA с инструментами проверки и другими функциями помогает агентам программирования работать эффективнее, что делает ее следующей линией обороны. Агенты могут быстро генерировать много кода, но проверка является узким местом, сказал он. Хотя ИИ может помочь конкурентам догнать, Nvidia выигрывает от тех же технологических достижений, добавил Сюй, отметив, что производитель чипов не спит. Генеральный директор