NVIDIA – pirmoji įmonė lustų pramonės istorijoje, kurios kapitalizacija viršijo trilijoną dolerių. Kokia sėkmės paslaptis?
Esu tikras, kad daugelis iš jūsų esate girdėję apie įmonę NVIDIA ir dauguma iš jūsų tai sieja būtent su grafikos procesoriais, nes frazė "NVIDIA GeForce“ yra girdėję beveik visi.
NVIDIA neseniai pateko į finansinę IT pramonės istoriją. Tai pirmoji integrinių grandynų įmonė, kurios rinkos vertė viršijo trilijoną dolerių. Tai taip pat penkta su technologijomis susijusi įmonė istorijoje, pasiekusi tokią didelę (pagal rinkos kapitalizaciją) sėkmę. Anksčiau tokiu aukštu įvertinimu galėjo pasigirti tik žmonės Apple, Microsoft, „Alphabet“ („Google“ savininkas) ir „Amazon“. Todėl kartais finansininkai jį vadindavo „Keturių klubu“, kuris dabar buvo išplėstas NVIDIA.
Be to, pagal rinkos kapitalizaciją gerokai atsilieka nuo AMD, Intel, Qualcomm ir kitų technologijų kompanijų. Tai nebūtų buvę įmanoma be prieš dešimtmetį įvestos vizionieriškos įmonės politikos.
Taip pat skaitykite: Ar Elono Musko „TruthGPT“ yra ateitis?
Neįtikėtina paklausa NVIDIA H100 tenzorinė šerdis
Kokia tokio kapitalizacijos didinimo paslaptis? Visų pirma, tai biržos reakcija į lusto sėkmę NVIDIA H100 Tensor Core, kuris yra labai paklausus tarp pirmaujančių debesų infrastruktūros ir internetinių paslaugų teikėjų. Šiuos lustus perka Amazon, Meta ir Microsoft (savo ir partnerio – įmonės OpenAI – poreikiams). Jie ypač taupo energiją spartindami generatyviniam dirbtiniam intelektui būdingus skaičiavimus, tokius kaip ChatGPT ar Dall-E. Tai neįtikėtinas šuolis pagreitinto skaičiavimo srityje. Mes gauname precedento neturintį našumą, mastelį ir saugumą bet kokiam darbo krūviui NVIDIA H100 Tensor Core GPU.
Naudojant perjungimo sistemą NVIDIA NVLink gali būti prijungtas prie iki 256 H100 GPU, kad būtų paspartintas darbo krūvis egzamine masto. GPU taip pat yra specialus Transformer Engine, skirtas spręsti kalbų modelius su trilijonais parametrų. „H100“ kombinuotos technologijos naujovės gali neįtikėtinai 30 kartų pagreitinti didelių kalbų modelius (LLM), palyginti su ankstesne karta, ir tai suteikia pramonėje pirmaujančią pokalbio AI. Kūrėjai mano, kad tai beveik ideali mašininiam mokymuisi.
Tačiau H100 atsirado ne iš niekur. Ir, tiesą pasakius, tai nėra itin revoliucinga. NVIDIA, kaip jokia kita įmonė, daug metų investuoja didžiulius resursus į dirbtinį intelektą. Dėl to įmonė, pirmiausia susijusi su „GeForce“ vaizdo plokštės prekės ženklu, vartotojų rinką gali traktuoti beveik kaip hobį. Galų gale, tai sukuria realią galią IT gigantų rinkoje NVIDIA jau gali su jais kalbėtis kaip su lygiais.
Taip pat įdomu: Kas yra 6G tinklai ir kam jie reikalingi?
Ar dirbtinis intelektas yra ateitis?
Šiandien tuo įsitikinę beveik visi, net skeptiškai nusiteikę šios srities žinovai. Dabar tai beveik aksioma, tiesa. Nors NViDIA apie tai žinojo prieš 20 metų. Ar aš tave nustebinau?
Techniškai pirmas artimas kontaktas NVIDIA su dirbtiniu intelektu įvyko 1999 m., kai rinkoje pasirodė GeForce 256 procesorius, galintis paspartinti mašininio mokymosi skaičiavimus. Tačiau NVIDIA rimtai investuoti į dirbtinį intelektą pradėjo tik 2006 m., kai pristatė CUDA architektūrą, kuri leido mokymams ir tyrimams panaudoti lygiagrečios grafikos procesorių apdorojimo galimybes.
Kas yra CUDA? Ją geriausia apibrėžti kaip lygiagrečią skaičiavimo platformą ir taikomųjų programų sąsają (API), leidžiančią programinei įrangai naudoti bendrosios paskirties grafikos apdorojimo įrenginius (GPGPU). Šis metodas vadinamas bendrosios paskirties GPU skaičiavimu. Be to, CUDA yra programinės įrangos sluoksnis, suteikiantis tiesioginę prieigą prie virtualių instrukcijų rinkinio ir lygiagrečių grafikos procesoriaus skaičiavimo elementų. Jis skirtas dirbti su tokiomis programavimo kalbomis kaip C, C++ ir Fortran.
Būtent šis prieinamumas leidžia lygiagrečiantiems kūrėjams lengviau pasinaudoti GPU ištekliais, skirtingai nei ankstesnėse API, tokiose kaip Direct3D ir OpenGL, kurioms reikėjo pažangių grafikos programavimo įgūdžių.
Svarbus proveržis buvo įmonės aprūpinimas NVIDIA skaičiavimo galia novatoriškam AlexNet neuroniniam tinklui. Tai konvoliucinis neuroninis tinklas (CNN), kurį sukūrė ukrainietis Alexas Kryzhevskyi, bendradarbiaudamas su Ilja Sutzkeveriu ir Jeffrey Gintonu.
Konvoliuciniai neuroniniai tinklai (CNN) visada buvo pagrindinis objektų atpažinimo modelis – tai galingi modeliai, kuriuos lengva valdyti ir dar lengviau mokyti. Kai naudojami milijonams vaizdų, jie nėra per daug priderinami. Jų veikimas yra beveik identiškas standartiniams tokio pat dydžio neuroniniams tinklams. Vienintelė problema yra ta, kad juos sunku pritaikyti didelės raiškos vaizdams. „ImageNet“ mastas reikalavo naujovių, kurios būtų optimizuotos GPU ir sumažintų treniruočių laiką bei pagerintų našumą.
30 m. rugsėjo 2012 d. AlexNet dalyvavo „ImageNet Large Scale Visual Recognition Challenge“. Tinklas pasiekė 15,3% penkių geriausių klaidų testo balą, daugiau nei 10,8% mažiau nei antrosios vietos balas.
Pagrindinė pirminio darbo išvada buvo ta, kad modelio sudėtingumą lėmė didelis jo našumas, kuris taip pat buvo labai brangus skaičiavimo požiūriu, tačiau tai buvo įmanoma dėl grafikos apdorojimo blokų (GPU) naudojimo mokymo procese.
Pats AlexNet konvoliucinis neuroninis tinklas susideda iš aštuonių sluoksnių; pirmieji penki yra konvoliuciniai sluoksniai, prieš kai kuriuos yra maksimaliai sujungti sluoksniai, o paskutiniai trys yra visiškai sujungti sluoksniai. Tinklas, išskyrus paskutinį sluoksnį, yra padalintas į dvi kopijas, kurių kiekviena veikia viename GPU.
Tai yra, jos dėka NVIDIA ir vis dar dauguma ekspertų ir mokslininkų mano, kad AlexNet yra neįtikėtinai galingas modelis, galintis pasiekti didelį tikslumą labai sudėtinguose duomenų rinkiniuose. AlexNet yra pirmaujanti architektūra atliekant bet kokią objektų aptikimo užduotį ir gali turėti labai platų pritaikymą kompiuterinio matymo sektoriuje dirbtinio intelekto problemoms spręsti. Ateityje AlexNet gali būti naudojamas daugiau nei CNN vaizdo gavimo srityje.
Taip pat įdomu: Bluesky fenomenas: kokia paslauga ir ar tai ilgam?
Dirbtinis intelektas yra ne tik laboratorijose ir duomenų centruose
В NVIDIA matė dideles AI perspektyvas ir vartotojų įrenginių technologijose bei daiktų internete. Nors konkurentai tik pradeda svarstyti galimybę plačiau investuoti į naujo tipo integrinius grandynus, NVIDIA jau dirba prie jų miniatiūrizavimo. Tegra K1 lustas, sukurtas bendradarbiaujant su Tesla ir kitomis automobilių kompanijomis, tikriausiai yra ypač svarbus.
Tegra K1 procesorius yra vienas pirmųjų procesorių NVIDIA, sukurtas specialiai dirbtinio intelekto programoms mobiliuosiuose ir įterptuosiuose įrenginiuose. Tegra K1 naudoja tą pačią GPU architektūrą kaip ir grafikos plokščių ir sistemų serija NVIDIA „GeForce“, „Quadro“ ir „Tesla“, kuri užtikrina didelį našumą ir suderinamumą su grafikos ir skaičiavimo standartais, tokiais kaip „OpenGL 4.4“, „DirectX 11.2“, „CUDA 6.5“ ir „OpenCL 1.2“. Dėl šios priežasties Tegra K1 procesorius gali palaikyti pažangius dirbtinio intelekto algoritmus, tokius kaip gilieji neuroniniai tinklai, sustiprinimo mokymasis, vaizdo ir kalbos atpažinimas bei duomenų analizė. Tegra K1 turi 192 CUDA branduolius.
2016 metais NVIDIA išleido seriją Pascal procesorių, optimizuotų palaikyti giluminius neuroninius tinklus ir kitus dirbtinio intelekto modelius. Per metus rinkoje pasirodė serija „Volta“ procesorių, skirtų su dirbtiniu intelektu susijusioms programoms, kurie yra dar efektyvesni ir taupesni. 2019 m NVIDIA perka didelio našumo duomenų centrams ir superkompiuteriams skirtus kompiuterių tinklus gaminančią įmonę Mellanox Technologies.
Dėl to jie visi naudoja procesorius NVIDIA. Pavyzdžiui, vartotojų rinkoje žaidėjai naudoja revoliucinį DLSS vaizdo atkūrimo algoritmą, leidžiantį mėgautis ryškesne grafika žaidimuose neišleidžiant daug pinigų grafinei plokštei. Verslo rinkoje pripažįstama, kad lustai NVIDIA daugeliu atžvilgių viršija tai, ką siūlo konkurentai. Nors nėra taip, kad „Intel“ ir „AMD“ visiškai užmigo intelektualinę revoliuciją.
Taip pat įdomu: Geriausi įrankiai, pagrįsti dirbtiniu intelektu
Intel ir AMD dirbtinio intelekto srityje
Pakalbėkime apie tiesioginius konkurentus NVIDIA šiame rinkos segmente. Intel ir AMD čia dirba vis aktyviau, bet su dideliu delsimu.
„Intel“ įsigijo kelias dirbtinio intelekto įmones, tokias kaip „Nervana Systems“, „Movidius“, „Mobileye“ ir „Habana Labs“, kad sustiprintų savo dirbtinio intelekto technologijų ir sprendimų portfelį. „Intel“ taip pat siūlo dirbtinio intelekto aparatinės ir programinės įrangos platformas, tokias kaip „Xeon“ procesoriai, FPGA, NNP lustai ir optimizavimo bibliotekos. „Intel“ taip pat bendradarbiauja su viešojo ir privataus sektoriaus partneriais, siekdama tobulinti dirbtinio intelekto naujoves ir švietimą.
AMD sukūrė Epyc procesorių ir Radeon Instinct vaizdo plokščių seriją, kurios yra optimizuotos dirbtiniam intelektui ir gilaus mokymosi programoms. AMD taip pat dirba su tokiomis įmonėmis kaip „Google“, Microsoft, IBM ir Amazon, teikiantys debesų sprendimus dirbtiniam intelektui. AMD taip pat stengiasi dalyvauti AI tyrimuose ir plėtroje bendradarbiaudama su akademinėmis institucijomis ir pramonės organizacijomis. Vis dėlto viskas labai gerai NVIDIA jau gerokai lenkia juos, o jos sėkmė dirbtinio intelekto algoritmų kūrimo ir palaikymo srityje yra nepalyginamai didesnė.
Taip pat įdomu: „Google I/O 2023“ santrauka: Android 14, pikselių ir daug dirbtinio intelekto
NVIDIA dešimtmečius buvo siejamas su vaizdo žaidimais
To taip pat nereikėtų pamiršti. NVIDIA nepateikia tikslaus savo pajamų paskirstymo tarp vartotojų ir verslo rinkų, tačiau jas galima apskaičiuoti pagal veiklos segmentus, kuriuos įmonė atskleidžia savo finansinėse ataskaitose. NVIDIA išskiria keturis veiklos segmentus: Žaidimai, Profesionali vizualizacija, Duomenų centrai ir Automobiliai.
Galima daryti prielaidą, kad žaidimų segmentas daugiausia orientuotas į vartotojų rinką, nes jis apima „GeForce“ vaizdo plokščių ir „Tegra“ lustų, skirtų žaidimų konsolėms, pardavimą. Profesionalios vizualizacijos segmentas daugiausia orientuotas į verslo rinką, nes apima Quadro vaizdo plokščių ir RTX lustų, skirtų darbo stotims ir profesionalioms programoms, pardavimą. Duomenų centrų segmentas taip pat daugiausia orientuotas į verslo rinką, nes jis apima GPU ir NPU (tai yra naujos kartos lustų – nebe GPU, o skirtų išskirtinai dirbtiniam intelektui) pardavimą serveriams ir debesijos paslaugoms. Automobilių segmentas skirtas tiek vartotojų, tiek verslo rinkoms, nes jis apima informacinių pramogų ir autonominio vairavimo sistemų „Tegra“ ir „Drive“ pardavimą.
Remiantis šiomis prielaidomis, galima įvertinti pajamų iš vartotojų ir verslo rinkų dalį visose pajamose NVIDIA. Remiantis naujausia 2022 metų finansine ataskaita, įmonės pajamos NVIDIA pagal veiklos segmentus buvo tokie:
- Žaidimai: 12,9 mlrd
- Profesionali vizualizacija: 1,3 mlrd
- Duomenų centrai: 9,7 mlrd
- Automobiliai: 0,8 mlrd
- Visi kiti segmentai: 8,7 mlrd
Bendros pajamos NVIDIA siekė 33,4 milijardo JAV dolerių. Jei darysime prielaidą, kad automobilių segmentas vartotojų ir verslo rinkoms pasiskirstęs maždaug po lygiai, galima apskaičiuoti tokias proporcijas:
- Pajamos iš vartotojų rinkos: (12,9 + 0,4) / 33,4 = 0,4 (40 %)
- Pajamos iš verslo rinkos: (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60 %)
Tai reiškia, kad apie 40% pajamų NVIDIA ateina iš vartotojų rinkos, o apie 60% – iš verslo rinkos. Tai yra, pagrindinė kryptis yra verslo segmentas. Tačiau žaidimų pramonė taip pat neša gana geras pajamas. Svarbiausia, kad jie kasmet augtų.
Taip pat įdomu: Paniurusio seno geiko dienoraštis: Bing vs Google
Ką mums atneš ateitis?
Akivaizdu, kad NVIDIA jau planuojama dalyvauti kuriant dirbtinio intelekto algoritmus. Ir jis yra daug platesnis ir perspektyvesnis nei bet kuris jo tiesioginis konkurentas.
Tik pastarąjį mėnesį NVIDIA paskelbė apie daugybę naujų investicijų į dirbtinį intelektą. Vienas iš jų – GET3D mechanizmas, galintis generuoti sudėtingus trimačius įvairių objektų ir simbolių modelius, kurie tiksliai atspindi tikrovę. GET3D gali generuoti apie 20 objektų per sekundę naudodamas vieną grafikos lustą.
Reikėtų paminėti ir dar vieną įdomų projektą. Apie Izraelį-1 yra dirbtinio intelekto programų superkompiuteris, kuris NVIDIA kuria bendradarbiaudama su Izraelio mokslo ir technologijų ministerija bei įmone Mellanox. Tikimasi, kad įrenginys turės daugiau nei 7 petaflopus skaičiavimo galios ir naudos daugiau nei 1000 GPU NVIDIA A100 tenzorinė šerdis. Izraelis-1 bus naudojamas moksliniams tyrimams ir plėtrai tokiose srityse kaip medicina, biologija, chemija, fizika ir kibernetinis saugumas. Ir tai jau yra labai perspektyvios kapitalo investicijos, atsižvelgiant į ilgalaikes perspektyvas.
Be to, jau yra kitas projektas - NVIDIA ACE. Tai nauja technologija, kuri turi sukelti revoliuciją žaidimų pramonėje, leisdama žaidėjui natūraliai ir tikroviškai bendrauti su ne žaidėjo personažu (NPC). Šie personažai galės vesti atvirą dialogą su žaidėju, reaguoti į jo emocijas ir gestus, netgi išreikšti savo jausmus ir mintis. NVIDIA ACE naudoja pažangius kalbų modelius ir AI pagrįstus vaizdų generatorius.
Pirmasis trilijonas dolerių NVIDIA. Panašu, kad greitai jų bus daugiau. Būtinai stebėsime įmonės pažangą ir informuosime jus.
Taip pat skaitykite:
