Jeudi 28 mars 2024

bureau v4.2.1

Root NationDes articlesEntreprisesDe CUDA à l’IA : les secrets du succès NVIDIA

De CUDA à l’IA : les secrets du succès NVIDIA

-

NVIDIA - la première entreprise de l'histoire de l'industrie des puces dont la capitalisation a dépassé le billion de dollars. Quel est le secret du succès ?

Je suis sûr que beaucoup d'entre vous ont entendu parler de l'entreprise NVIDIA et la plupart d'entre vous l'associent spécifiquement aux processeurs graphiques, car l'expression "NVIDIA Presque tout le monde a entendu parler de GeForce.

NVIDIA

NVIDIA a récemment marqué l’histoire financière du secteur informatique. Il s'agit de la première entreprise de circuits intégrés dont la valeur marchande dépasse le billion de dollars. C'est également la cinquième entreprise technologique de l'histoire à remporter un succès aussi important (en termes de capitalisation boursière). Auparavant, seules les personnes pouvaient se vanter d'une note aussi élevée Apple, Microsoft, Alphabet (propriétaire de Google) et Amazon. C'est pourquoi les financiers l'appelaient parfois le « Club des Quatre », aujourd'hui élargi NVIDIA.

De plus, en termes de capitalisation boursière, il est loin derrière AMD, Intel, Qualcomm et d'autres entreprises technologiques. Cela n'aurait pas été possible sans la politique visionnaire de l'entreprise, mise en place il y a une décennie.

Lisez aussi: Y a-t-il un avenir pour le TruthGPT d'Elon Musk ?

Une demande incroyable pour NVIDIA Noyau tenseur H100

Quel est le secret d’une telle augmentation de capitalisation ? Tout d’abord, c’est la réaction de la bourse au succès de la puce. NVIDIA H100 Tensor Core, très demandé par les principaux fournisseurs d'infrastructures cloud et de services en ligne. Ces puces sont achetées par Amazon, Meta et Microsoft (pour ses propres besoins et ceux de son partenaire - la société OpenAI). Ils sont particulièrement économes en énergie pour accélérer les calculs typiques de l’intelligence artificielle générative, comme ChatGPT ou Dall-E. Il s’agit d’un incroyable bond d’un ordre de grandeur pour le calcul accéléré. Nous obtenons des performances, une évolutivité et une sécurité sans précédent pour toute charge de travail avec NVIDIA GPU H100 Tensor Core.

NVIDIA-H100-Noyau Tenseur

Utiliser un système de commutation NVIDIA NVLink peut être connecté à jusqu'à 256 GPU H100 pour accélérer les charges de travail à grande échelle. Le GPU comprend également un Transformer Engine dédié pour résoudre des modèles de langage avec des milliards de paramètres. Les innovations technologiques combinées du H100 peuvent accélérer les grands modèles de langage (LLM) d'un facteur incroyable de 30 par rapport à la génération précédente, offrant ainsi une IA conversationnelle de pointe. Les développeurs le considèrent presque idéal pour l’apprentissage automatique.

- Publicité -

Pour autant, le H100 n’est pas sorti de nulle part. Et, à vrai dire, ce n’est pas spécialement révolutionnaire. NVIDIA, comme aucune autre entreprise, investit depuis de nombreuses années d’énormes ressources dans l’intelligence artificielle. En conséquence, une entreprise principalement associée à la marque de cartes graphiques GeForce peut traiter le marché grand public presque comme un passe-temps. Après tout, cela crée un véritable pouvoir sur le marché des géants de l’informatique. NVIDIA pouvons déjà leur parler d’égal à égal.

Intéressant aussi : Que sont les réseaux 6G et pourquoi sont-ils nécessaires ?

L'intelligence artificielle est-elle l'avenir ?

Aujourd’hui, presque tout le monde en est convaincu, même les experts sceptiques dans ce domaine. Aujourd’hui, c’est presque un axiome, un truisme. Bien que NViDIA je le savais il y a 20 ans. Est-ce que je t'ai surpris ?

Techniquement, le premier contact étroit NVIDIA avec l'intelligence artificielle s'est produit en 1999, lorsque le processeur GeForce 256 est apparu sur le marché, capable d'accélérer les calculs d'apprentissage automatique. Cependant NVIDIA n'a commencé à investir sérieusement dans l'intelligence artificielle qu'en 2006, lorsqu'elle a introduit l'architecture CUDA, qui permettait d'utiliser les capacités de traitement parallèle des processeurs graphiques pour la formation et la recherche.

NVIDIA-CUDA

Qu'est-ce que CUDA ? Il est mieux défini comme une plate-forme informatique parallèle et une interface de programmation d'application (API) qui permet aux logiciels d'utiliser des unités de traitement graphique à usage général (GPGPU). Cette approche est appelée informatique à usage général sur GPU. De plus, CUDA est une couche logicielle qui fournit un accès direct au jeu d'instructions virtuel et aux éléments de calcul parallèle du processeur graphique. Il est conçu pour fonctionner avec des langages de programmation tels que C, C++ et Fortran.

C'est cette accessibilité qui permet aux développeurs parallèles de tirer plus facilement parti des ressources GPU, contrairement aux API précédentes telles que Direct3D et OpenGL, qui nécessitaient des compétences avancées en programmation graphique.

NVIDIA-CUDA

Une avancée importante a été la mise à disposition par l'entreprise NVIDIA puissance de calcul pour le réseau neuronal révolutionnaire AlexNet. Il s'agit d'un réseau de neurones convolutifs (CNN), développé par l'Ukrainien Alex Kryzhevskyi en collaboration avec Ilya Sutzkever et Jeffrey Ginton.

Les réseaux de neurones convolutifs (CNN) ont toujours été le modèle de référence pour la reconnaissance d'objets. Ce sont des modèles puissants, faciles à contrôler et encore plus faciles à former. Ils ne subissent pas de surajustement dans une mesure alarmante lorsqu'ils sont utilisés sur des millions d'images. Leurs performances sont presque identiques aux réseaux de neurones feed-forward standard de même taille. Le seul problème est qu'ils sont difficiles à appliquer aux images haute résolution. L'échelle d'ImageNet nécessitait des innovations qui seraient optimisées pour les GPU et réduiraient le temps de formation tout en améliorant les performances.

AlexNet

Le 30 septembre 2012, AlexNet a participé au défi de reconnaissance visuelle à grande échelle ImageNet. Le réseau a obtenu un score de 15,3 % dans les cinq tests d'erreurs les plus importants, soit plus de 10,8 % de moins que le score de la deuxième place.

La principale conclusion du travail original était que la complexité du modèle était due à ses hautes performances, qui étaient également très coûteuses en calcul, mais ont été rendues possibles par l'utilisation d'unités de traitement graphique (GPU) pendant le processus de formation.

Le réseau neuronal convolutif AlexNet lui-même se compose de huit couches; les cinq premières sont des couches convolutives, dont certaines sont précédées de couches couplées au maximum, et les trois dernières sont des couches entièrement connectées. Le réseau, à l'exception de la dernière couche, est divisé en deux copies, chacune fonctionnant sur un seul GPU.

- Publicité -

Autrement dit, grâce à NVIDIA Et pourtant, la plupart des experts et des scientifiques pensent qu'AlexNet est un modèle incroyablement puissant, capable d'atteindre une grande précision sur des ensembles de données très complexes. AlexNet est l'architecture leader pour toute tâche de détection d'objets et peut avoir des applications très larges dans le secteur de la vision par ordinateur pour les problèmes d'intelligence artificielle. À l'avenir, AlexNet pourrait être plus utilisé que CNN dans le domaine de l'imagerie.

Intéressant aussi : Le phénomène Bluesky : de quel type de service s'agit-il et pour combien de temps ?

L'intelligence artificielle n'est pas seulement dans les laboratoires et les centres de données

В NVIDIA voit également de grandes perspectives pour l’IA dans les technologies des appareils grand public et l’Internet des objets. Alors que les concurrents commencent tout juste à envisager d'investir plus largement dans un nouveau type de circuits intégrés, NVIDIA travaille déjà à leur miniaturisation. La puce Tegra K1, développée en coopération avec Tesla et d’autres constructeurs automobiles, est probablement particulièrement importante.

NVIDIA-Tegra-K1

Le processeur Tegra K1 est l'un des premiers processeurs NVIDIA, conçu spécifiquement pour les applications d'IA sur les appareils mobiles et embarqués. Tegra K1 utilise la même architecture GPU que la série de cartes graphiques et de systèmes NVIDIA GeForce, Quadro et Tesla, qui offrent des performances élevées et une compatibilité avec les normes graphiques et informatiques telles que OpenGL 4.4, DirectX 11.2, CUDA 6.5 et OpenCL 1.2. Grâce à cela, le processeur Tegra K1 peut prendre en charge des algorithmes avancés d'intelligence artificielle tels que les réseaux neuronaux profonds, l'apprentissage par renforcement, la reconnaissance d'images et de parole et l'analyse de données. Tegra K1 possède 192 cœurs CUDA.

En 2016 NVIDIA a publié une série de processeurs Pascal optimisés pour prendre en charge les réseaux de neurones profonds et d'autres modèles d'intelligence artificielle. En un an, une série de processeurs Volta pour les applications liées à l'intelligence artificielle est apparue sur le marché, encore plus efficaces et économes en énergie. En 2019 NVIDIA rachète Mellanox Technologies, un fabricant de réseaux informatiques hautes performances pour centres de données et supercalculateurs.

NVIDIA

En conséquence, ils utilisent tous des processeurs NVIDIA. Sur le marché grand public, par exemple, les joueurs utilisent l'algorithme révolutionnaire de reconstruction d'image DLSS, qui leur permet de profiter de graphismes plus nets dans les jeux sans dépenser beaucoup d'argent en carte graphique. Sur le marché professionnel, il est reconnu que les puces NVIDIA à bien des égards au-delà de ce que proposent les concurrents. Même si Intel et AMD n’ont pas complètement dormi pendant la révolution intellectuelle.

Intéressant aussi : Les meilleurs outils basés sur l'intelligence artificielle

Intel et AMD dans le domaine de l'intelligence artificielle

Parlons des concurrents directs NVIDIA dans ce segment de marché. Intel et AMD y travaillent de plus en plus activement, mais avec beaucoup de retard.

Intel a acquis plusieurs sociétés d'IA telles que Nervana Systems, Movidius, Mobileye et Habana Labs pour renforcer son portefeuille de technologies et de solutions d'IA. Intel propose également des plates-formes matérielles et logicielles pour l'intelligence artificielle, telles que les processeurs Xeon, les FPGA, les puces NNP et les bibliothèques d'optimisation. Intel travaille également avec des partenaires des secteurs public et privé pour faire progresser l'innovation et l'éducation en matière d'IA.

Intel et AMD

AMD a développé une série de processeurs Epyc et de cartes graphiques Radeon Instinct optimisés pour les applications d'IA et d'apprentissage profond. AMD travaille également avec des sociétés telles que Google, Microsoft, IBM et Amazon, fournissant des solutions cloud pour l'IA. AMD s'efforce également de participer à la recherche et au développement de l'IA par le biais de partenariats avec des institutions universitaires et des organisations industrielles. Mais tout va très bien NVIDIA déjà loin devant eux, et son succès dans le domaine du développement et du support des algorithmes d’IA est incomparablement plus grand.

Intéressant aussi : Résumé de Google I/O 2023 : Android 14, Pixel et beaucoup d'IA

NVIDIA est associé aux jeux vidéo depuis des décennies

Cela ne doit pas non plus être oublié. NVIDIA ne fournit pas une répartition exacte de ses revenus entre les marchés grand public et professionnel, mais ils peuvent être estimés sur la base des secteurs opérationnels que la société divulgue dans ses états financiers. NVIDIA divise quatre secteurs opérationnels : les jeux, la visualisation professionnelle, les centres de données et l'automobile.

NVIDIA

On peut supposer que le segment des jeux est principalement axé sur le marché grand public, car il comprend la vente de cartes vidéo GeForce et de puces Tegra pour consoles de jeux. Le segment de la visualisation professionnelle est principalement axé sur le marché des entreprises, car il comprend la vente de cartes vidéo Quadro et de puces RTX pour les stations de travail et les applications professionnelles. Le segment des centres de données est également principalement axé sur le marché des entreprises, car il comprend la vente de GPU et de NPU (c'est-à-dire des puces de nouvelle génération - non plus des GPU, mais conçues exclusivement pour l'IA) pour les serveurs et les services cloud. Le segment automobile cible à la fois les marchés grand public et professionnels, car il comprend les ventes des systèmes Tegra et Drive pour l'infodivertissement et la conduite autonome.

NVIDIA

Sur la base de ces hypothèses, il est possible d'estimer la part des revenus des marchés de consommation et d'affaires dans les revenus totaux. NVIDIA. Selon le dernier rapport financier de l'année 2022, les revenus de l'entreprise NVIDIA par secteurs opérationnels sont les suivants :

  • Jeux : 12,9 milliards de dollars
  • Visualisation professionnelle : 1,3 milliard de dollars
  • Centres de données : 9,7 milliards de dollars
  • Automobiles : 0,8 milliard de dollars
  • Tous les autres segments : 8,7 milliards de dollars

Revenu total NVIDIA s'élevait à 33,4 milliards de dollars. Si l'on suppose que le segment automobile est réparti à peu près également entre les marchés grand public et professionnel, les proportions suivantes peuvent être calculées :

  • Revenu du marché de la consommation : (12,9 + 0,4) / 33,4 = 0,4 (40 %)
  • Revenus du marché des entreprises : (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60 %)

Cela signifie qu'environ 40 % des revenus NVIDIA provient du marché de consommation et environ 60 % du marché des entreprises. Autrement dit, la direction principale est le segment commercial. Mais l’industrie du jeu vidéo génère également d’assez bons revenus. Le plus important est qu’ils grandissent chaque année.

Intéressant aussi : Journal d'un vieux geek grincheux : Bing contre Google

Que nous apportera l'avenir ?

Il est évident que NVIDIA il existe déjà un projet de participation au développement d'algorithmes d'intelligence artificielle. Et il est bien plus vaste et prometteur que n’importe lequel de ses concurrents directs.

Seulement le mois dernier NVIDIA a annoncé de nombreux nouveaux investissements dans l’intelligence artificielle. L'un d'eux est le mécanisme GET3D, capable de générer des modèles tridimensionnels complexes de divers objets et personnages qui reflètent fidèlement la réalité. GET3D peut générer environ 20 objets par seconde en utilisant une seule puce graphique.

Un autre projet intéressant doit également être mentionné. À propos d'Israël-1 est un supercalculateur destiné aux programmes d'intelligence artificielle, qui NVIDIA est créé en coopération avec le ministère de la Science et de la Technologie d'Israël et la société Mellanox. La machine devrait disposer de plus de 7 pétaflops de puissance de calcul et utiliser plus de 1000 XNUMX GPU. NVIDIA Noyau tenseur A100. Israel-1 sera utilisé pour la recherche et le développement dans des domaines tels que la médecine, la biologie, la chimie, la physique et la cybersécurité. Et ce sont déjà des investissements en capital très prometteurs, compte tenu des perspectives à long terme.

NVIDIA

De plus, il existe déjà un autre projet - NVIDIA AS. Il s'agit d'une nouvelle technologie qui va révolutionner l'industrie du jeu vidéo en permettant au joueur d'interagir avec un personnage non-joueur (PNJ) de manière naturelle et réaliste. Ces personnages pourront engager un dialogue ouvert avec le joueur, réagir à ses émotions et à ses gestes, et même exprimer leurs propres sentiments et pensées. NVIDIA ACE utilise des modèles de langage avancés et des générateurs d'images basés sur l'IA.

Le premier billion de dollars en NVIDIA. Il semble qu’il y en aura d’autres bientôt. Nous ne manquerons pas de suivre les progrès de l'entreprise et de vous le faire savoir.

Lisez aussi:

Yuri Svitlyk
Yuri Svitlyk
Fils des Carpates, génie mathématique méconnu, « avocat »Microsoft, altruiste pratique, gauche-droite
Plus de l'auteur
- Publicité -
S'inscrire
Avertir de
invité

0 Commentaires
Avis intégrés
Voir tous les commentaires
Autres articles
Abonnez-vous pour les mises à jour

Commentaires récents

Populaire maintenant
0
Nous aimons vos pensées, veuillez commenter.x