NVIDIA on siruteollisuuden historian ensimmäinen yritys, jonka pääoma ylitti biljoonan dollarin. Mikä on menestyksen salaisuus?
Olen varma, että monet teistä ovat kuulleet NVIDIA-yhtiöstä, ja useimmat teistä yhdistävät sen näytönohjainprosessoreihin, koska melkein kaikki ovat kuulleet lauseen "NVIDIA GeForce".
NVIDIA teki äskettäin taloushistoriaa IT-alalla. Se on ensimmäinen integroitujen piirien yritys, jonka markkina-arvo on ylittänyt biljoonan dollarin. Se on myös historian viides teknologiaan liittyvä yritys, joka on saavuttanut näin suuren (markkina-arvoltaan) menestyksen. Aiemmin vain ihmiset saattoivat ylpeillä näin korkealla arvosanalla Apple, Microsoft, Alphabet (Googlen omistaja) ja Amazon. Siksi rahoittajat kutsuivat sitä joskus "neljän klubiksi", joka sisältää nyt NVIDIAn.
Lisäksi markkina-arvoltaan se on kaukana AMD:stä, Intelistä, Qualcommista ja muista teknologiayrityksistä. Tämä ei olisi ollut mahdollista ilman yrityksen vuosikymmen sitten käyttöön otettua visionääristä politiikkaa.
Lue myös: Onko Elon Muskin TruthGPT:llä tulevaisuutta?
Uskomaton kysyntä NVIDIA H100 Tensor Corelle
Mikä on tällaisen pääoman lisäyksen salaisuus? Ensinnäkin tämä on pörssin reaktio NVIDIA H100 Tensor Core -sirun menestykseen, jolla on suuri kysyntä johtavien pilviinfrastruktuurin ja verkkopalvelujen tarjoajien keskuudessa. Näitä siruja ostavat Amazon, Meta ja Microsoft (omiin tarpeisiinsa ja kumppaninsa - OpenAI -yrityksen tarpeisiin). Ne ovat erityisen energiatehokkaita nopeuttamaan generatiiviselle tekoälylle tyypillisiä laskelmia, kuten ChatGPT tai Dall-E. Tämä on uskomaton, suuruusluokkaa oleva harppaus kiihdytetylle laskennalle. NVIDIA H100 Tensor Core -grafiikkasuoritin tarjoaa ennennäkemättömän suorituskyvyn, skaalautuvuuden ja suojauksen jokaiseen työmäärään.
NVIDIA NVLink -kytkennän avulla jopa 256 H100 GPU:ta voidaan liittää työkuormituksen nopeuttamiseksi exa-mittakaavassa. GPU sisältää myös erityisen muuntajan Engkielimallien ratkaiseminen biljoonien parametrien kanssa. H100:n yhdistetyt teknologiainnovaatiot voivat nopeuttaa suuria kielimalleja (LLM) uskomattoman 30-kertaisesti edelliseen sukupolveen verrattuna, mikä tarjoaa alan johtavan keskustelun tekoälyn. Kehittäjät pitävät sitä lähes ihanteellisena koneoppimiseen.
H100 ei kuitenkaan ilmestynyt tyhjästä. Ja totta puhuen, se ei ole erityisen vallankumouksellinen. NVIDIA, kuten mikään muu yritys, on investoinut valtavia resursseja tekoälyyn useiden vuosien ajan. Tästä johtuen ensisijaisesti GeForce-näytönohjainbrändiin liittyvä yritys voi kohdella kuluttajamarkkinoita melkein kuin harrastuksena. Tämä rakentaa todellista valtaa IT-jättiläisten markkinoille, koska NVIDIA voi jo nyt puhua heidän kanssaan tasavertaisesti.
Mielenkiintoista myös: Mitä 6G-verkot ovat ja miksi niitä tarvitaan?
Onko tekoäly tulevaisuus?
Nykyään melkein kaikki ovat vakuuttuneita tästä, jopa tämän alan skeptiset asiantuntijat. Nyt se on melkein aksiooma, totuus. Vaikka NViDIA tiesi siitä 20 vuotta sitten. Yllätinkö sinut?
Teknisesti NVIDIAn ensimmäinen läheinen kosketus tekoälyyn tapahtui vuonna 1999, kun markkinoille ilmestyi GeForce 256 -prosessori, joka kykeni nopeuttamaan koneoppimislaskelmia. NVIDIA alkoi kuitenkin panostaa vakavasti tekoälyyn vasta vuonna 2006, kun se esitteli CUDA-arkkitehtuurin, joka mahdollisti grafiikkaprosessorien rinnakkaiskäsittelyominaisuuksien käytön koulutuksessa ja tutkimuksessa.
Mikä on CUDA? Se määritellään parhaiten rinnakkaislaskenta-alustaksi ja sovellusohjelmointirajapinnaksi (API), jonka avulla ohjelmistot voivat käyttää yleiskäyttöisiä grafiikkaprosessointiyksiköitä (GPGPU). Tätä lähestymistapaa kutsutaan yleiskäyttöiseksi tietojenkäsittelyksi GPU:illa. Lisäksi CUDA on ohjelmistokerros, joka tarjoaa suoran pääsyn näytönohjaimen virtuaaliseen käskysarjaan ja rinnakkaisiin laskentaelementteihin. Se on suunniteltu toimimaan ohjelmointikielten, kuten C, C++ ja Fortran, kanssa.
Juuri tämä saavutettavuus helpottaa rinnakkaisten kehittäjien GPU-resurssien käyttöä toisin kuin aiemmissa API:issa, kuten Direct3D ja Op.enGL, joka vaati edistyneitä graafisen ohjelmoinnin taitoja.
Tärkeä läpimurto oli NVIDIA:n laskentateho uraauurtavaan AlexNet-hermoverkkoon. Se on konvoluutiohermoverkko (CNN), jonka on kehittänyt ukrainalainen Alex Kryzhevsky yhteistyössä Ilya Sutzkeverin ja Jeffrey Gintonin kanssa.
Konvoluutiohermoverkot (CNN) ovat aina olleet kohteen tunnistuksen malli – ne ovat tehokkaita malleja, joita on helppo hallita ja vielä helpompi kouluttaa. Ne eivät koe ylisovitusta hälyttävässä määrin, kun niitä käytetään miljoonissa kuvissa. Niiden suorituskyky on lähes identtinen samankokoisten standardien myötäkytkentäisten hermoverkkojen kanssa. Ainoa ongelma on, että niitä on vaikea soveltaa korkearesoluutioisiin kuviin. ImageNetin mittakaava vaati innovaatioita, jotka olisivat optimoitu GPU:ille ja lyhentäneet harjoitusaikaa parantaen samalla suorituskykyä.
30. syyskuuta 2012 AlexNet osallistui ImageNet Large Scale Visual Recognition Challenge -haasteeseenenge. Verkosto saavutti viiden parhaan virhetestin 15,3 prosentin pistemäärän, mikä on yli 10,8 prosenttia pienempi kuin toisella sijalla.
Alkuperäisen työn tärkein johtopäätös oli, että mallin monimutkaisuus johtui sen korkeasta suorituskyvystä, joka oli myös laskennallisesti erittäin kallista, mutta jonka mahdollisti graafisten prosessointiyksiköiden (GPU) käyttö koulutusprosessin aikana.
AlexNet-konvoluutiohermoverkko itsessään koostuu kahdeksasta kerroksesta; ensimmäiset viisi ovat konvoluutiokerroksia, joista joitakin edeltävät maksimaalisesti kytketyt kerrokset, ja viimeiset kolme ovat täysin yhdistettyjä kerroksia. Verkko on viimeistä kerrosta lukuun ottamatta jaettu kahteen kopioon, joista kukin toimii yhdellä GPU:lla.
Eli NVIDIA:n ansiosta useimmat asiantuntijat ja tutkijat uskovat edelleen, että AlexNet on uskomattoman tehokas malli, joka pystyy saavuttamaan suuren tarkkuuden erittäin monimutkaisissa tietosarjoissa. AlexNet on johtava arkkitehtuuri missä tahansa objektintunnistustehtävässä, ja sillä voi olla erittäin laajat sovellukset tietokonenäkösektorilla tekoälyongelmiin. Tulevaisuudessa AlexNetiä voidaan käyttää enemmän kuin CNN:ää kuvantamisen alalla.
Mielenkiintoista myös: Bluesky-ilmiö: millaista palvelua ja onko pitkästä aikaa?
Tekoäly ei ole vain laboratorioissa ja datakeskuksissa
NVIDIA näki tekoälylle suuria näkymiä myös kuluttajalaiteteknologioissa ja esineiden internetissä. Vaikka kilpailijat ovat juuri alkaneet harkita laajempia investointeja uudentyyppisiin integroituihin piireihin, NVIDIA työskentelee jo niiden pienentämiseksi. Tegra K1 -siru, joka on kehitetty yhteistyössä Teslan ja muiden autoyhtiöiden kanssa, on luultavasti erityisen tärkeä.
Tegra K1 -prosessori on yksi NVIDIAn ensimmäisistä prosessoreista, jotka on suunniteltu erityisesti mobiili- ja sulautettujen laitteiden tekoälysovelluksiin. Tegra K1 käyttää samaa GPU-arkkitehtuuria kuin NVIDIA GeForce-, Quadro- ja Tesla-sarjan näytönohjaimet ja -järjestelmät, mikä tarjoaa korkean suorituskyvyn ja yhteensopivuuden grafiikka- ja laskentastandardien, kuten Op:n, kanssa.enGL 4.4, DirectX 11.2, CUDA 6.5 ja OpenCL 1.2. Tämän ansiosta Tegra K1 -prosessori voi tukea kehittyneitä tekoälyalgoritmeja, kuten syviä hermoverkkoja, vahvistusoppimista, kuvan- ja puheentunnistusta sekä data-analyysiä. Tegra K1:ssä on 192 CUDA-ydintä.
Vuonna 2016 NVIDIA julkaisi sarjan Pascal-prosessoreita, jotka on optimoitu tukemaan syviä hermoverkkoja ja muita tekoälymalleja. Vuoden sisällä markkinoille tuli sarja Volta-prosessoreita tekoälyyn liittyville sovelluksille, jotka ovat entistä tehokkaampia ja energiaa säästäviä. Vuonna 2019 NVIDIA ostaa Mellanox Technologiesin, joka valmistaa korkean suorituskyvyn tietokoneverkkoja datakeskuksiin ja supertietokoneisiin.
Tämän seurauksena ne kaikki käyttävät NVIDIA-prosessoreita. Esimerkiksi kuluttajamarkkinoilla pelaajat käyttävät vallankumouksellista DLSS-kuvan jälleenrakennusalgoritmia, jonka avulla he voivat nauttia terävämmästä grafiikasta peleissä kuluttamatta paljon rahaa näytönohjainkorttiin. Yritysmarkkinoilla tunnustetaan, että NVIDIA-sirut ylittävät monella tapaa kilpailijan tarjoamat. Vaikka Intel ja AMD eivät ole täysin nukkuneet henkisen vallankumouksen läpi.
Mielenkiintoista myös: Parhaat tekoälyyn perustuvat työkalut
Intel ja AMD tekoälyn alalla
Puhutaanpa NVIDIAn suorista kilpailijoista tällä markkinasegmentillä. Intel ja AMD työskentelevät täällä yhä aktiivisemmin, mutta pitkällä viiveellä.
Intel on ostanut useita tekoälyyrityksiä, kuten Nervana Systemsin, Movidiuksen, Mobileyen ja Habana Labsin vahvistaakseen tekoälyteknologioiden ja -ratkaisujen valikoimaansa. Intel tarjoaa myös laitteisto- ja ohjelmistoalustoja tekoälylle, kuten Xeon-prosessorit, FPGA:t, NNP-sirut ja optimointikirjastot. Intel työskentelee myös julkisen ja yksityisen sektorin kumppaneiden kanssa edistääkseen tekoälyn innovointia ja koulutusta.
AMD on kehittänyt sarjan Epyc-prosessoreja ja Radeon Instinct -näytönohjainkortteja, jotka on optimoitu tekoäly- ja syväoppimissovelluksia varten. AMD on myös tehnyt yhteistyötä yritysten, kuten Googlen, Microsoftin, IBM:n ja Amazonin kanssa tarjotakseen pilvipohjaisia tekoälyratkaisuja. AMD pyrkii myös osallistumaan tekoälytutkimukseen ja -kehitykseen tekemällä kumppanuuksia akateemisten laitosten ja alan organisaatioiden kanssa. Tämä on kaikki erittäin hyvin, vaikka NVIDIA onkin jo paljon edellä heitä, ja sen menestys tekoälyalgoritmien kehittämisen ja tuen alalla on verrattomasti suurempi.
Mielenkiintoista myös: Google I/O 2023 -kooste: Android 14, Pixel ja paljon tekoälyä
NVIDIA on liitetty videopeleihin vuosikymmeniä
Tätäkään ei pidä unohtaa. NVIDIA ei anna tarkkaa jakautumistaan tuloistaan kuluttaja- ja yritysmarkkinoiden välillä, mutta ne voidaan arvioida yhtiön tilinpäätöksessään ilmoittamien toimintasegmenttien perusteella. NVIDIA erottaa neljä toimintasegmenttiä: pelit, ammattimainen visualisointi, datakeskukset ja autot.
Voidaan olettaa, että pelisegmentti keskittyy pääasiassa kuluttajamarkkinoille, koska se sisältää GeForce-näytönohjainkorttien ja pelikonsoleiden Tegra-sirujen myynnin. Ammattimainen visualisointisegmentti on keskittynyt pääasiassa yritysmarkkinoille, sillä se sisältää Quadro-näytönohjainkorttien ja RTX-sirujen myynnin työasemiin ja ammattikäyttöön. Palvelinkeskussegmentti on myös pääosin keskittynyt yritysmarkkinoille, sillä se sisältää GPU:iden ja NPU:iden (eli seuraavan sukupolven sirujen - ei enää GPU:t, vaan suunniteltu yksinomaan tekoälyyn) myynnin palvelimia ja pilvipalveluita varten. Autosegmentti on suunnattu sekä kuluttaja- että yritysmarkkinoille, sillä se sisältää tietoviihde- ja autonomiseen ajamiseen tarkoitettujen Tegra- ja Drive-järjestelmien myynnin.
Näiden oletusten perusteella on mahdollista arvioida kuluttaja- ja yritysmarkkinoilta saatujen tulojen osuus NVIDIAn kokonaistuloista. Viimeisimmän vuoden 2022 taloudellisen raportin mukaan NVIDIAn liikevaihdot toimintasegmenteissä olivat seuraavat:
- Pelit: 12,9 miljardia dollaria
- Ammattimainen visualisointi: 1,3 miljardia dollaria
- Palvelinkeskukset: 9,7 miljardia dollaria
- Autot: 0,8 miljardia dollaria
- Kaikki muut segmentit: 8,7 miljardia dollaria
NVIDIAn kokonaistulot olivat 33,4 miljardia dollaria. Olettaen, että autosegmentti jakautuu suunnilleen tasan kuluttaja- ja yritysmarkkinoiden kesken, voidaan laskea seuraavat osuudet:
- Tulot kuluttajamarkkinoilta: (12,9 + 0,4) / 33,4 = 0,4 (40 %)
- Tuotot yritysmarkkinoilta: (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60 %)
Tämä tarkoittaa, että noin 40 % NVIDIAn tuloista tulee kuluttajamarkkinoilta ja noin 60 % yritysmarkkinoilta. Eli pääsuunta on liiketoimintasegmentti. Mutta peliteollisuus tuo myös melko hyviä tuloja. Tärkeintä on, että ne kasvavat joka vuosi.
Mielenkiintoista myös: Vanhan röyhkeän nörtin päiväkirja: Bing vs Google
Mitä tulevaisuus tuo meille?
Ilmeisesti NVIDIAlla on jo suunnitelma osallistua tekoälyalgoritmien kehittämiseen. Ja se on paljon laajempi ja lupaavampi kuin mikään sen suorista kilpailijoista.
Vain viimeisen kuukauden aikana NVIDIA on ilmoittanut lukuisista uusista investoinneista tekoälyyn. Yksi niistä on GET3D-mekanismi, joka pystyy luomaan monimutkaisia kolmiulotteisia malleja erilaisista kohteista ja hahmoista, jotka heijastavat tarkasti todellisuutta. GET3D voi tuottaa noin 20 objektia sekunnissa käyttämällä yhtä grafiikkasirua.
Yksi mielenkiintoinen projekti on myös mainittava. Israel-1 on tekoälysovelluksiin tarkoitettu supertietokone, jota NVIDIA rakentaa yhteistyössä Israelin tiede- ja teknologiaministeriön ja Mellanoxin kanssa. Koneessa odotetaan olevan yli 7 petaflopsia laskentatehoa ja yli 1000 NVIDIA A100 Tensor Core -grafiikkasuoritinta. Israel-1:tä käytetään tutkimukseen ja kehitykseen muun muassa lääketieteen, biologian, kemian, fysiikan ja kyberturvallisuuden aloilla. Ja nämä ovat jo nyt erittäin lupaavia pääomasijoituksia pitkän aikavälin näkymiin nähden.
Lisäksi on jo toinen projekti - NVIDIA ACE. Se on uusi tekniikka, joka on asetettu mullistamaan pelialan antamalla pelaajalle mahdollisuuden olla vuorovaikutuksessa ei-pelaajahahmon (NPC) kanssa luonnollisella ja realistisella tavalla. Nämä hahmot voivat käydä avointa vuoropuhelua pelaajan kanssa, reagoida hänen tunteisiinsa ja eleisiinsä ja jopa ilmaista omia tunteitaan ja ajatuksiaan. NVIDIA ACE käyttää kehittyneitä kielimalleja ja tekoälyyn perustuvia kuvageneraattoreita.
NVIDIAn ensimmäinen biljoona dollaria. Näyttää siltä, että niitä tulee pian lisää. Seuraamme varmasti yrityksen menestystä ja kerromme sinulle.
Lue myös:
