Cyber News

Nvidia платит Poolside $6 млрд за «фабрику моделей»: 109 инженеров уходят делать открытые Nemotron

M
Markabus
·25 августа 2026 г.
Крупный план ускорителя ИИ с открытым радиатором на тёмном графитовом столе, позади размытый монитор с кодом и логом обучения модели. Иллюстрация · изображение не отражает реальный продукт

Nvidia заплатит стартапу Poolside 6 млрд долларов за неисключительную лицензию на его внутреннюю платформу обучения моделей — Model Factory («фабрика моделей»), — и отдельно вложит ещё 1 млрд долларов в саму компанию при оценке 12 млрд долларов pre-money, то есть до учёта новых денег. Вместе с технологией к Nvidia переходят 109 инженеров и исследователей: они будут работать над Nemotron — семейством моделей Nvidia с открытыми весами. О сделке 24 августа 2026 года объявило письмо Poolside акционерам, детали подтвердили Bloomberg и The Wall Street Journal.

Суммарно это около 7 млрд долларов — и это самая заметная за последнее время попытка американской компании ответить на давление китайских открытых моделей вроде DeepSeek, Qwen и Kimi. Но главное в новости не сумма, а конструкция: Nvidia не покупает Poolside.

Что именно происходит

Разложим сделку по частям, как её описывает само письмо акционерам:

  • 6 млрд долларов — плата за неисключительную лицензию на Model Factory. Неисключительная значит, что Poolside вправе лицензировать ту же технологию и другим покупателям.
  • 1 млрд долларов — отдельная инвестиция в капитал Poolside при оценке 12 млрд долларов pre-money. Для сравнения: в раунде Series B в октябре 2024 года компания привлекла 500 млн долларов при оценке около 3 млрд.
  • 109 человек из примерно 115 инженеров и исследователей получают офферы Nvidia и переходят в команду Nemotron.
  • Основатели остаются. Эйсо Кант и Джейсон Уорнер (в прошлом технический директор GitHub) сохраняют компанию за собой и продолжают работать независимо.
  • Деньги уйдут инвесторам. Poolside планирует распределить полученные 6 млрд долларов среди акционеров до конца 2026 года.

В письме прямо сказано: «Это не поглощение и не acqui-hire» (покупка компании ради команды). Формулировка не случайная — к ней мы ещё вернёмся.

Почему Poolside перестала обучать собственные модели

Самая содержательная часть письма — не про деньги, а про то, как стартап выпал из гонки. Poolside описывает это почти дословно так: у компании было шестинедельное окно, чтобы привлечь 2 млрд долларов и оплатить кластер из 40 000 ускорителей GB300, который должен был выйти в строй в январе. Раунд не закрылся вовремя — и кластер компания потеряла.

Это очень наглядная иллюстрация того, во что превратилось обучение фронтир-моделей к 2026 году. Poolside — не аутсайдер: компанию основали в 2023 году, она подняла деньги от сильных инвесторов, у неё был партнёрский контур с AWS и оборонные контракты. И всё равно порог входа оказался выше: чтобы остаться на переднем крае, требовалось уже не «ещё немного вычислений», а следующий кластер, и следующий после него. Не собрал деньги в срок — выбыл, независимо от качества команды.

Отсюда и сделка. Poolside по сути признаёт: обучать собственные фронтир-модели она больше не будет, зато у неё осталось то, за что готовы платить, — отлаженная инфраструктура обучения и люди, которые умеют ей пользоваться.

Что такое Model Factory и зачем она Nvidia

Model Factory — это не модель и не набор весов. Это внутренняя машинерия: конвейер, который проводит модель через весь жизненный цикл — сбор и подготовку данных, предобучение, дообучение, обучение с подкреплением, оценку качества, воспроизводимые запуски на больших кластерах. У Poolside она была заточена под модели для написания кода: компания делала ассистента разработчика и серию открытых моделей Laguna, которые, по описанию, рассчитаны на эффективную работу на одной ускорительной системе Nvidia DGX.

Именно такой конвейер — самое дорогое и самое плохо копируемое, что есть у любой команды, обучающей большие модели. Веса можно скачать, статью — прочитать, а вот годы отладки того, как данные, гиперпараметры и RL-этапы складываются в стабильный результат, коротким путём не повторяются. Nvidia покупает не продукт, а способность выпускать модели ритмично.

Nemotron: куда всё это встраивается

У Nvidia уже есть собственная линейка открытых моделей. Семейство Nemotron 3, представленное в декабре 2025 года, включает три размера с архитектурой MoE (mixture of experts, «смесь экспертов» — когда на каждый токен активируется лишь часть параметров):

  • Nano — около 30 млрд параметров, из них 3 млрд активных;
  • Super — около 100 млрд параметров, 10 млрд активных;
  • Ultra — около 500 млрд параметров, 50 млрд активных.

Открывались не только веса: Nvidia выложила порядка 3 трлн токенов датасетов для предобучения, дообучения и RL, а также библиотеки NeMo Gym, NeMo RL и NeMo Evaluator и рецепты обучения. В августе 2026 года линейка пополнилась моделью Nemotron 3.5 Lightning.

Логика Nvidia здесь та же, что когда-то с CUDA: раздать разработчикам бесплатный софт, чтобы вырос спрос на железо, на котором этот софт работает лучше всего. Дженсен Хуанг формулирует это так: лидерство США в ИИ будет измеряться «не одной фронтир-моделью, а тем, построит ли страна сильную открытую экосистему». Открытые Nemotron — это ещё и способ вернуть в американскую орбиту тех разработчиков, кто последние полтора года уходил на открытые китайские модели: мы уже писали про Kimi K3 на 2,8 трлн параметров и первую open-weight модель Max-класса от Alibaba.

Почему это лицензия, а не покупка

Схема «заплатить за неисключительную лицензию, нанять команду, вложиться в остаток компании» — уже не разовая находка, а фирменный приём Nvidia. Незадолго до этого компания похожим образом договорилась с Groq: около 20 млрд долларов за неисключительную лицензию на технологию инференса, при том что Groq остаётся независимой (по словам Nvidia, стойки на этой технологии заработают до конца 2026 года). Раньше по сопоставимой схеме прошла сделка с сетевым стартапом Enfabrica примерно на 900 млн долларов.

Практический смысл конструкции простой: покупатель получает и технологию, и людей, но формально слияния не происходит — а значит, нет и полноценной антимонопольной процедуры, которую влечёт поглощение. Именно поэтому в письме Poolside так настойчиво повторяется «это не поглощение». Регуляторы к таким схемам присматриваются всё внимательнее, и сделка с Groq уже привлекла внимание законодателей, так что считать вопрос закрытым рано.

Отдельная деталь: инфраструктурное направление Poolside выделено в самостоятельную компанию — Poolside Infrastructure Company, которая строит крупный дата-центр в Техасе. В сделку с Nvidia она не входит и работает дальше со своим руководством.

Что это значит для разработчиков и бизнеса

Для тех, кто пишет код и строит продукты, у новости три практических следствия.

Открытых моделей для кода станет больше — и они будут «под Nvidia»

Команда, которая несколько лет занималась именно моделями для разработки, теперь работает над Nemotron. Ожидаемо, что следующие релизы семейства усилятся как раз в коде и агентных сценариях. Плюс для тех, кто разворачивает модели у себя: открытые веса можно запускать локально или в своём контуре — без отправки исходников во внешний API. Минус, который стоит держать в голове: линейка оптимизируется под собственное железо вендора, и «открытая» модель не означает «нейтральная к инфраструктуре».

Ставка на маленького вендора модели стала рискованнее

История Poolside — предупреждение для всех, кто завязывает продукт на API одного независимого разработчика моделей. Компания с оценкой в миллиарды долларов за считаные недели перешла из режима «обучаем свои фронтир-модели» в режим «лицензируем технологию и распределяем деньги инвесторам». Если модель — критичная часть вашего продукта, стоит закладывать возможность смены провайдера: держать слой абстракции над вызовами, не завязываться на уникальные для одного вендора форматы промптов и инструментов, проверять, есть ли у выбранной модели открытая альтернатива сопоставимого качества.

Nvidia всё меньше похожа на «просто производителя чипов»

За последние месяцы компания вложилась в технологию инференса, в открытые модели, в инфраструктуру и в поставщиков вокруг дата-центров. Для покупателя это удобно — стек собирается из одних рук. Для рынка это вопрос о том, сколько уровней ИИ-стека контролирует один поставщик: сначала ускорители, потом софт для обучения, потом сами модели. На этот вопрос ответят уже не пресс-релизы, а регуляторы и конкуренты.

Что дальше

Ни Nvidia, ни Poolside на момент первых публикаций официальных комментариев не давали — весь фактический контур сделки известен из письма акционерам и подтверждений Bloomberg и WSJ. Ближайший проверяемый сигнал — следующие релизы Nemotron: если в них заметно прибавят модели для кода, значит Model Factory действительно заработала внутри Nvidia. До этого момента 7 млрд долларов остаются очень дорогой заявкой на то, что открытая американская модель всё-таки будет.

Частые вопросы

Q.Nvidia купила Poolside?

Нет. Формально это не поглощение: Nvidia платит 6 млрд долларов за неисключительную лицензию на платформу обучения Model Factory, отдельно вкладывает 1 млрд долларов в капитал компании и нанимает 109 её инженеров. Poolside остаётся у основателей и вправе лицензировать ту же технологию другим.

Q.Что такое Model Factory?

Внутренняя платформа Poolside для обучения больших моделей: конвейер, который ведёт модель через подготовку данных, предобучение, дообучение, обучение с подкреплением и оценку качества на больших кластерах. У Poolside она была заточена под модели для написания кода.

Q.Почему Poolside перестала обучать собственные модели?

По словам самой компании, у неё было шесть недель, чтобы привлечь 2 млрд долларов на кластер из 40 000 ускорителей GB300 к январю. Раунд не закрылся вовремя, кластер компания потеряла — и продолжать гонку фронтир-моделей стало не на чем.

Q.Смогу ли я использовать эти модели у себя?

Речь идёт о семействе Nemotron с открытыми весами — их можно скачивать и запускать в собственном контуре. Уже доступна линейка Nemotron 3 (Nano, Super, Ultra) и Nemotron 3.5 Lightning; результаты работы команды Poolside стоит ждать в следующих релизах семейства.

Источники

Предыдущая
Waymo раскрыла собственный чип для роботакси: 5 нм, больше 1000 TOPS и 13 камер в реальном времени
Следующая
Wan3.0 от Alibaba: 30 секунд видео из PDF или презентации — но веса впервые закрыли

Читайте также

Пустое ночное рабочее место: потёртый ноутбук с сеткой мелких заданий на экране, остывшая кружка и гарнитура на столе, отодвинутый стул. Иллюстрация · изображение сгенерировано ИИCyber News
27 августа 2026 г.

Amazon закрывает Mechanical Turk: 21 год «искусственного искусственного интеллекта» заканчивается 30 сентября

AWS отключает краудсорсинговую площадку, запущенную в 2005 году: 30 сентября 2026 закрывается сама MTurk и тип исполнителей MTurk Worker в SageMaker Ground Truth и A2I. Разбираем календарь отключения, что успеть сделать заказчикам и исполнителям и почему платформу подкосил тот самый ИИ, который она помогала обучать.

Читать →
Рабочее место видеомонтажёра: широкий монитор с таймлайном видеоредактора и цветокоррекцией кадра, рядом на столе распечатанные слайды презентации с графиками. Иллюстрация сгенерирована ИИ.Cyber News
26 августа 2026 г.

Wan3.0 от Alibaba: 30 секунд видео из PDF или презентации — но веса впервые закрыли

Alibaba перевела Wan3.0 в общую доступность: до 30 секунд видео за один проход, на вход — PDF, презентации и таблицы, звук по умолчанию. 1080p стоит вдвое дешевле Veo 3.1, но веса модели впервые не выложили, а доступ выдают по заявке.

Читать →
Крупный план автомобильной вычислительной платы с большим процессорным чипом и снятой пластиной жидкостного охлаждения на лабораторном столе. Иллюстрация · изображение не отражает реальный продукт.Cyber News
24 августа 2026 г.

Waymo раскрыла собственный чип для роботакси: 5 нм, больше 1000 TOPS и 13 камер в реальном времени

Waymo десять лет не рассказывала, что стоит в багажнике её роботакси. Теперь компания раскрыла собственный 5-нанометровый ASIC: более 1000 TOPS, одновременная обработка 13 камер, временнóе шумоподавление и два независимых движка с горячим резервом. Разбираем, зачем эксплуатанту сервиса свой кремний и что из этого стоит забрать разработчикам.

Читать →