NVIDIA - az első cég a chipipar történetében, amelynek kapitalizációja meghaladta a billió dollárt. Mi a siker titka?
Biztos vagyok benne, hogy sokan hallottatok már a cégről NVIDIA és a legtöbben kifejezetten a grafikus processzorokra asszociálnak, mert a "NVIDIA GeForce" szinte mindenki hallotta.
NVIDIA nemrégiben pénzügyi történelmet írt az IT-iparban. Ez az első integrált áramköröket gyártó cég, amelynek piaci értéke meghaladta a billió dollárt. Ez egyben az ötödik technológiai vonatkozású vállalat a történelemben, amely ekkora (piaci kapitalizáció szerint) sikert ért el. Korábban csak az emberek büszkélkedhettek ilyen magas minősítéssel Apple, Microsoft, Alphabet (a Google tulajdonosa) és az Amazon. Ezért nevezték a finanszírozók néha "Négyek Klubjának", amelyet mostanra kibővítettek NVIDIA.
Ráadásul a piaci kapitalizációt tekintve messze elmarad az AMD, Intel, Qualcomm és más technológiai cégek mögött. Ez nem jöhetett volna létre a cég egy évtizede bevezetett, jövőbe látó politikája nélkül.
Olvassa el még: Van jövője Elon Musk TruthGPT-jének?
Hihetetlen kereslet NVIDIA H100 tenzormag
Mi a titka a kapitalizáció ilyen növekedésének? Először is ez a tőzsde reakciója a chip sikerére NVIDIA H100 Tensor Core, amelyre nagy a kereslet a felhő infrastruktúra és az online szolgáltatások vezető szolgáltatói között. Ezeket a chipeket az Amazon, a Meta és a Microsoft (saját igényeire és partnere igényeire - az OpenAI cég). Különösen energiahatékonyak a generatív mesterséges intelligenciára jellemző számítások gyorsításában, mint például a ChatGPT vagy a Dall-E. Ez egy nagyságrendű hihetetlen ugrás a gyorsított számítástechnika terén. Példátlan teljesítményt, méretezhetőséget és biztonságot kapunk bármilyen munkaterheléshez NVIDIA H100 Tensor Core GPU.
Kapcsolórendszer használata NVIDIA Az NVLink akár 256 H100 GPU-hoz is csatlakoztatható, hogy felgyorsítsa a munkaterhelést exa léptékben. A GPU egy dedikált Transformer Engine-t is tartalmaz a nyelvi modellek megoldásához billió paraméterekkel. A H100 kombinált technológiai újításai az előző generációhoz képest hihetetlenül 30-szorosára képesek felgyorsítani a nagy nyelvi modelleket (LLM), így iparágvezető társalgási mesterséges intelligencia érhető el. A fejlesztők szinte ideálisnak tartják a gépi tanuláshoz.
A H100 azonban nem a semmiből jelent meg. És az igazat megvallva nem különösebben forradalmi. NVIDIA, mint egyetlen cég sem, évek óta hatalmas erőforrásokat fektet a mesterséges intelligenciába. Ennek köszönhetően egy elsősorban a GeForce grafikus kártya márkához köthető cég szinte hobbiként kezelheti a fogyasztói piacot. Ez végül is valódi hatalmat épít ki az IT-óriások piacán NVIDIA már egyenlő félként beszélhet velük.
Szintén érdekes: Mik azok a 6G hálózatok és miért van szükség rájuk?
A mesterséges intelligencia a jövő?
Ma már szinte mindenki meg van róla győződve, még a szkeptikus szakértők is ezen a területen. Ma már szinte axióma, közhely. Habár NViDIA 20 éve tudott róla. Megleptelek?
Technikailag az első szoros kapcsolat NVIDIA A mesterséges intelligenciával 1999-ben történt, amikor megjelent a piacon a GeForce 256 processzor, amely képes felgyorsítani a gépi tanulási számításokat. azonban NVIDIA csak 2006-ban kezdett komolyan befektetni a mesterséges intelligenciába, amikor bevezette a CUDA architektúrát, amely lehetővé tette a grafikus processzorok párhuzamos feldolgozási képességeinek használatát képzési és kutatási célokra.
Mi az a CUDA? A legjobban úgy definiálható, mint egy párhuzamos számítási platform és alkalmazásprogramozási interfész (API), amely lehetővé teszi a szoftverek számára általános célú grafikus feldolgozó egységek (GPGPU) használatát. Ezt a megközelítést GPU-kon általános célú számítástechnikának nevezik. Ezenkívül a CUDA egy olyan szoftverréteg, amely közvetlen hozzáférést biztosít a grafikus processzor virtuális utasításkészletéhez és párhuzamos számítási elemeihez. Úgy tervezték, hogy olyan programozási nyelvekkel működjön együtt, mint a C, C++ és Fortran.
Ez az akadálymentesítés teszi könnyebbé a párhuzamos fejlesztők számára a GPU-erőforrások kihasználását, ellentétben a korábbi API-kkal, mint például a Direct3D és az OpenGL, amelyek fejlett grafikus programozási ismereteket igényeltek.
Fontos áttörést jelentett a társaság rendelkezése NVIDIA számítási teljesítmény az úttörő AlexNet neurális hálózat számára. Ez egy konvolúciós neurális hálózat (CNN), amelyet az ukrán Alex Kryzhevskyi fejlesztett ki Ilya Sutzkeverrel és Jeffrey Gintonnal együttműködésben.
A konvolúciós neurális hálózatok (CNN-ek) mindig is az objektumfelismerés fő modelljei voltak – ezek olyan hatékony modellek, amelyek könnyen vezérelhetők és még könnyebben betaníthatóak. Nem tapasztalnak riasztó mértékű túlillesztést, ha több millió képen használják. Teljesítményük szinte megegyezik az azonos méretű szabványos előrecsatolt neurális hálózatokkal. A probléma csak az, hogy nehezen alkalmazhatók nagy felbontású képekre. Az ImageNet skálája olyan újításokat igényelt, amelyek a GPU-kra lettek optimalizálva, és csökkentik a képzési időt, miközben javítják a teljesítményt.
30. szeptember 2012-án az AlexNet részt vett az ImageNet Large Scale Visual Recognition Challenge-ben. A hálózat 15,3%-ot ért el az első öt hibatesztben, ami több mint 10,8%-kal alacsonyabb, mint a második helyezett pontszáma.
Az eredeti munka fő következtetése az volt, hogy a modell összetettségét a nagy teljesítményének köszönheti, amely számítási szempontból is igen költséges, de a betanítási folyamat során grafikus feldolgozó egységek (GPU) használata tette lehetővé.
Maga az AlexNet konvolúciós neurális hálózat nyolc rétegből áll; az első öt konvolúciós réteg, amelyek egy részét maximálisan összekapcsolt rétegek előzik meg, az utolsó három pedig teljesen összefüggő réteg. A hálózat az utolsó réteg kivételével két példányra van osztva, amelyek mindegyike egyetlen GPU-n fut.
Vagyis ennek köszönhetően NVIDIA és a legtöbb szakértő és tudós még mindig úgy véli, hogy az AlexNet egy hihetetlenül erős modell, amely képes nagy pontosságot elérni nagyon összetett adatkészleteken. Az AlexNet a vezető architektúra minden objektumészlelési feladatban, és nagyon széles körű alkalmazásai lehetnek a számítógépes látásszektorban mesterséges intelligencia problémák megoldására. A jövőben az AlexNet a CNN-nél jobban használható lesz a képalkotás területén.
Szintén érdekes: A Bluesky-jelenség: milyen szolgáltatás és hosszú-e?
A mesterséges intelligencia nemcsak laboratóriumokban és adatközpontokban van jelen
В NVIDIA nagy kilátásokat látott a mesterséges intelligencia számára a fogyasztói eszközök technológiáiban és a tárgyak internete területén is. Míg a versenytársak most kezdik fontolóra venni az új típusú integrált áramkörökbe való szélesebb körű befektetést, NVIDIA már dolgozik a miniatürizálásukon. Valószínűleg különösen fontos a Tegra K1 chip, amelyet a Teslával és más autógyártó cégekkel együttműködésben fejlesztettek ki.
A Tegra K1 processzor az egyik első processzor NVIDIA, kifejezetten a mobil és beágyazott eszközök AI-alkalmazásaihoz készült. A Tegra K1 ugyanazt a GPU architektúrát használja, mint a grafikus kártyák és rendszerek sorozata NVIDIA GeForce, Quadro és Tesla, amely nagy teljesítményt és kompatibilitást biztosít az olyan grafikus és számítási szabványokkal, mint az OpenGL 4.4, DirectX 11.2, CUDA 6.5 és OpenCL 1.2. Ennek köszönhetően a Tegra K1 processzor olyan fejlett mesterséges intelligencia algoritmusokat tud támogatni, mint a mély neurális hálózatok, a megerősítő tanulás, a kép- és beszédfelismerés, valamint az adatelemzés. A Tegra K1 192 CUDA maggal rendelkezik.
2016-ban NVIDIA kiadott egy sor Pascal processzort, amelyeket a mély neurális hálózatok és más mesterséges intelligencia modellek támogatására optimalizáltak. Egy éven belül a mesterséges intelligenciával kapcsolatos alkalmazásokhoz készült Volta processzorok sorozata jelent meg a piacon, amelyek még hatékonyabbak és energiatakarékosabbak. 2019-ben NVIDIA megvásárolja az adatközpontok és szuperszámítógépek nagy teljesítményű számítógépes hálózatait gyártó Mellanox Technologies-t.
Ennek eredményeként mindegyik processzort használ NVIDIA. A fogyasztói piacon például a játékosok a forradalmi DLSS képrekonstrukciós algoritmust használják, amivel élesebb grafikát élvezhetnek a játékokban anélkül, hogy sok pénzt költenének egy grafikus kártyára. Az üzleti piacon elismert, hogy a chips NVIDIA sok tekintetben túlmutat azon, amit a versenytársak kínálnak. Bár nem arról van szó, hogy az Intel és az AMD teljesen átaludta a szellemi forradalmat.
Szintén érdekes: A legjobb mesterséges intelligencia alapú eszközök
Intel és AMD a mesterséges intelligencia területén
Beszéljünk a közvetlen versenytársakról NVIDIA ebben a piaci szegmensben. Egyre aktívabban, de nagy késéssel dolgozik itt az Intel és az AMD.
Az Intel több mesterségesintelligencia-vállalatot is felvásárolt, például a Nervana Systems-t, a Movidius-t, a Mobileye-t és a Habana Labst, hogy megerősítse mesterségesintelligencia-technológiáinak és -megoldásainak portfólióját. Az Intel emellett hardver- és szoftverplatformokat is kínál a mesterséges intelligenciához, például Xeon processzorokat, FPGA-kat, NNP chipeket és optimalizálási könyvtárakat. Az Intel a köz- és a magánszektorbeli partnerekkel is együttműködik az AI innováció és oktatás előmozdítása érdekében.
Az AMD egy sor Epyc processzort és Radeon Instinct grafikus kártyát fejlesztett ki, amelyek mesterséges intelligenciára és mély tanulási alkalmazásokra lettek optimalizálva. Az AMD olyan cégekkel is együttműködik, mint a Google, Microsoft, az IBM és az Amazon felhőmegoldásokat kínál a mesterséges intelligencia számára. Az AMD arra is törekszik, hogy részt vegyen a mesterséges intelligencia kutatásában és fejlesztésében egyetemi intézményekkel és iparági szervezetekkel kialakított partnerség révén. Pedig minden nagyon rendben van NVIDIA már messze megelőzte őket, és sikere az AI algoritmusok fejlesztése és támogatása terén összehasonlíthatatlanul nagyobb.
Szintén érdekes: A Google I/O 2023 összefoglalója: Android 14, pixel és sok mesterséges intelligencia
NVIDIA évtizedek óta kapcsolódik a videojátékokhoz
Ezt sem szabad elfelejteni. NVIDIA bevételeinek pontos megoszlását a fogyasztói és az üzleti piacok között nem adja meg, de azok a társaság pénzügyi kimutatásaiban közzétett működési szegmensek alapján becsülhetők. NVIDIA négy működési szegmenst választ el: Játék, Professzionális vizualizáció, Adatközpontok és Autóipar.
Feltételezhető, hogy a játékszegmens elsősorban a fogyasztói piacra koncentrálódik, hiszen ide tartozik a GeForce videokártyák és a játékkonzolokhoz készült Tegra chipek értékesítése. A professzionális vizualizációs szegmens elsősorban az üzleti piacra koncentrálódik, mivel a Quadro videokártyák és RTX chipek értékesítését foglalja magában munkaállomásokhoz és professzionális alkalmazásokhoz. Az adatközponti szegmens is főként az üzleti piacra koncentrálódik, hiszen a GPU-k és NPU-k (vagyis a következő generációs chipek - már nem GPU-k, hanem kizárólag mesterséges intelligencia számára készült) értékesítését foglalja magában szerverek és felhőszolgáltatások számára. Az autóipari szegmens a fogyasztói és az üzleti piacokat egyaránt megcélozza, mivel magában foglalja az infotainment és az autonóm vezetés céljára szolgáló Tegra és Drive rendszerek értékesítését.
Ezen feltételezések alapján meg lehet becsülni, hogy a fogyasztói és üzleti piacokból származó bevételek hányada az összes bevételből NVIDIA. A legfrissebb, 2022-es pénzügyi jelentés szerint a társaság bevételei NVIDIA működési szegmensenként a következőképpen alakult:
- Játékok: 12,9 milliárd dollár
- Professzionális vizualizáció: 1,3 milliárd dollár
- Adatközpontok: 9,7 milliárd dollár
- Gépkocsik: 0,8 milliárd dollár
- Az összes többi szegmens: 8,7 milliárd dollár
Teljes bevétel NVIDIA 33,4 milliárd dollárt tett ki. Ha feltételezzük, hogy az autóipari szegmens megközelítőleg egyenlő arányban oszlik meg a fogyasztói és az üzleti piac között, akkor a következő arányokat számíthatjuk ki:
- Fogyasztói piacról származó bevétel: (12,9 + 0,4) / 33,4 = 0,4 (40%)
- Bevétel az üzleti piacról: (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60%)
Ez azt jelenti, hogy a bevétel mintegy 40%-a NVIDIA a fogyasztói piacról származik, és mintegy 60%-a az üzleti piacról. Vagyis a fő irány az üzleti szegmens. De a játékipar is elég jó bevételt hoz. A legfontosabb, hogy minden évben növekedjenek.
Szintén érdekes: Egy rosszkedvű öreg stréber naplója: Bing vs Google
Mit hoz nekünk a jövő?
Nyilvánvaló, hogy NVIDIA már tervben van a mesterséges intelligencia-algoritmusok fejlesztésében való részvétel. És sokkal szélesebb és ígéretesebb, mint bármelyik közvetlen versenytársa.
Csak az utolsó hónapban NVIDIA számos új beruházást jelentett be a mesterséges intelligencia területén. Az egyik a GET3D mechanizmus, amely képes különféle tárgyak és karakterek komplex, háromdimenziós modelljeit generálni, amelyek hűen tükrözik a valóságot. A GET3D körülbelül 20 objektumot képes generálni másodpercenként egyetlen grafikus chip használatával.
Meg kell említeni még egy érdekes projektet. Az Israel-1 egy szuperszámítógép mesterséges intelligencia programok számára, amely NVIDIA az izraeli Tudományos és Technológiai Minisztériummal és a Mellanox céggel együttműködésben hoz létre. A gép várhatóan több mint 7 petaflop számítási teljesítménnyel rendelkezik, és több mint 1000 GPU-t fog használni NVIDIA A100 tenzormag. Az Israel-1-et kutatásra és fejlesztésre fogják használni olyan területeken, mint az orvostudomány, a biológia, a kémia, a fizika és a kiberbiztonság. Ezek pedig a hosszú távú kilátásokat tekintve már nagyon ígéretes tőkebefektetések.
Emellett már van egy másik projekt is - NVIDIA ÁSZ. Ez egy új technológia, amely forradalmasítja a játékipart azáltal, hogy lehetővé teszi a játékos számára, hogy természetes és valósághű módon kommunikáljon egy nem játékos karakterrel (NPC). Ezek a karakterek képesek lesznek nyílt párbeszédet folytatni a játékossal, reagálni érzelmeire és gesztusaira, sőt saját érzéseiket és gondolataikat is kifejezhetik. NVIDIA Az ACE fejlett nyelvi modelleket és mesterséges intelligencia-alapú képgenerátorokat használ.
Az első billió dollár NVIDIA. Úgy tűnik, hamarosan több is lesz. Biztosan nyomon követjük a cég előrehaladását, és tájékoztatni fogjuk Önt.
Olvassa el még: