NVIDIA - บริษัทแรกในประวัติศาสตร์ของอุตสาหกรรมชิป ซึ่งมีมูลค่าหลักทรัพย์เกินล้านล้านดอลลาร์ ความลับของความสำเร็จคืออะไร?
ฉันแน่ใจว่าหลายท่านเคยได้ยินเกี่ยวกับบริษัทนี้ NVIDIA และพวกคุณส่วนใหญ่เชื่อมโยงมันเข้ากับโปรเซสเซอร์กราฟิกโดยเฉพาะ เพราะวลี "NVIDIA GeForce" เป็นที่รู้จักของเกือบทุกคน
NVIDIA เพิ่งสร้างประวัติศาสตร์ทางการเงินในอุตสาหกรรมไอที เป็นบริษัทวงจรรวมแห่งแรกที่มีมูลค่าตลาดเกินล้านล้านดอลลาร์ นอกจากนี้ยังเป็นบริษัทที่เกี่ยวข้องกับเทคโนโลยีแห่งที่ 5 ในประวัติศาสตร์ที่ประสบความสำเร็จอย่างมาก (ตามมูลค่าหลักทรัพย์ตามราคาตลาด) ก่อนหน้านี้มีเพียงคนเท่านั้นที่สามารถอวดเรตติ้งที่สูงขนาดนี้ได้ Apple, Microsoft, ตัวอักษร (เจ้าของ Google) และ Amazon นั่นเป็นสาเหตุที่นักการเงินบางครั้งเรียกมันว่า "Club of Four" ซึ่งปัจจุบันได้ขยายออกไปแล้ว NVIDIA.
นอกจากนี้ ในแง่ของมูลค่าหลักทรัพย์ตามราคาตลาด ยังตามหลัง AMD, Intel, Qualcomm และบริษัทเทคโนโลยีอื่นๆ อยู่มาก สิ่งนี้จะเกิดขึ้นไม่ได้เลยหากปราศจากนโยบายที่มีวิสัยทัศน์ของบริษัทซึ่งเปิดตัวเมื่อทศวรรษที่แล้ว
อ่าน: TruthGPT ของ Elon Musk มีอนาคตหรือไม่
ความต้องการที่เหลือเชื่อสำหรับ NVIDIA แกนเทนเซอร์ H100
ความลับของการเพิ่มทุนดังกล่าวคืออะไร? ประการแรก นี่คือปฏิกิริยาของตลาดหลักทรัพย์ต่อความสำเร็จของชิป NVIDIA H100 Tensor Core ซึ่งเป็นที่ต้องการสูงในหมู่ผู้ให้บริการโครงสร้างพื้นฐานคลาวด์และบริการออนไลน์ชั้นนำ ชิปเหล่านี้ถูกซื้อโดย Amazon, Meta และ Microsoft (สำหรับความต้องการของตนเองและความต้องการของพันธมิตร - บริษัท OpenAI) ประหยัดพลังงานเป็นพิเศษในการเร่งการคำนวณตามแบบฉบับของปัญญาประดิษฐ์เชิงสร้างสรรค์ เช่น ChatGPT หรือ Dall-E นี่เป็นการก้าวกระโดดอย่างเหลือเชื่อสำหรับการประมวลผลที่เร่งความเร็ว เราได้รับประสิทธิภาพ ความสามารถในการปรับขนาด และความปลอดภัยที่ไม่เคยมีมาก่อนสำหรับปริมาณงานใดๆ ด้วย NVIDIA H100 เทนเซอร์คอร์ GPU
การใช้ระบบสวิตชิ่ง NVIDIA NVLink สามารถเชื่อมต่อกับ GPU H256 ได้สูงสุด 100 ตัวเพื่อเร่งปริมาณงานในระดับ exa GPU ยังมี Transformer Engine เฉพาะสำหรับการแก้ปัญหาโมเดลภาษาด้วยพารามิเตอร์นับล้านล้าน นวัตกรรมเทคโนโลยีที่ผสมผสานกันของ H100 สามารถเร่งความเร็วโมเดลภาษาขนาดใหญ่ (LLM) ได้สูงถึง 30 เท่าอย่างเหลือเชื่อเมื่อเทียบกับรุ่นก่อนหน้า โดยส่งมอบ AI การสนทนาระดับแนวหน้าของอุตสาหกรรม นักพัฒนาคิดว่ามันเกือบจะเหมาะอย่างยิ่งสำหรับการเรียนรู้ของเครื่อง
อย่างไรก็ตาม H100 ไม่ได้ปรากฏมาจากไหนเลย และบอกตามตรงว่ามันไม่ใช่การปฏิวัติโดยเฉพาะ NVIDIAไม่เหมือนบริษัทอื่นๆ ที่ได้ลงทุนทรัพยากรจำนวนมหาศาลในด้านปัญญาประดิษฐ์มาเป็นเวลาหลายปี เป็นผลให้บริษัทที่เกี่ยวข้องกับแบรนด์กราฟิกการ์ด GeForce เป็นหลักสามารถปฏิบัติต่อตลาดผู้บริโภคได้เกือบเป็นงานอดิเรก สิ่งนี้สร้างพลังที่แท้จริงในตลาดของยักษ์ใหญ่ด้านไอที NVIDIA สามารถพูดคุยกับพวกเขาอย่างเท่าเทียมได้แล้ว
ที่น่าสนใจเช่นกัน: เครือข่าย 6G คืออะไรและทำไมจึงจำเป็น
ปัญญาประดิษฐ์คืออนาคตหรือไม่?
ทุกวันนี้ เกือบทุกคนมั่นใจในเรื่องนี้ แม้แต่ผู้เชี่ยวชาญที่ไม่เชื่อในสาขานี้ก็ตาม ตอนนี้มันเกือบจะเป็นความจริงและเป็นความจริงแล้ว แม้ว่า NViDIA รู้เรื่องเมื่อ 20 ปีที่แล้ว ฉันทำให้คุณประหลาดใจหรือเปล่า?
ในทางเทคนิคแล้วการติดต่อใกล้ชิดครั้งแรก NVIDIA ด้วยปัญญาประดิษฐ์เกิดขึ้นในปี 1999 เมื่อโปรเซสเซอร์ GeForce 256 ปรากฏตัวในตลาดซึ่งสามารถเร่งการคำนวณการเรียนรู้ของเครื่องได้ อย่างไรก็ตาม NVIDIA เริ่มลงทุนอย่างจริงจังในปัญญาประดิษฐ์เฉพาะในปี 2006 เมื่อเปิดตัวสถาปัตยกรรม CUDA ซึ่งอนุญาตให้ใช้ความสามารถในการประมวลผลแบบขนานของโปรเซสเซอร์กราฟิกสำหรับการฝึกอบรมและการวิจัย
CUDA คืออะไร? คำจำกัดความที่ดีที่สุดคือแพลตฟอร์มการประมวลผลแบบขนานและอินเทอร์เฟซการเขียนโปรแกรมแอปพลิเคชัน (API) ที่อนุญาตให้ซอฟต์แวร์ใช้หน่วยประมวลผลกราฟิกทั่วไป (GPGPU) วิธีการนี้เรียกว่าการประมวลผลเพื่อวัตถุประสงค์ทั่วไปบน GPU นอกจากนี้ CUDA ยังเป็นเลเยอร์ซอฟต์แวร์ที่ให้การเข้าถึงโดยตรงไปยังชุดคำสั่งเสมือนและองค์ประกอบการประมวลผลแบบขนานของโปรเซสเซอร์กราฟิก ออกแบบมาเพื่อทำงานกับภาษาโปรแกรม เช่น C, C++ และ Fortran
ความสามารถในการเข้าถึงนี้ช่วยให้นักพัฒนาคู่ขนานสามารถใช้ประโยชน์จากทรัพยากร GPU ได้ง่ายขึ้น ซึ่งแตกต่างจาก API ก่อนหน้านี้ เช่น Direct3D และ OpenGL ซึ่งต้องใช้ทักษะการเขียนโปรแกรมกราฟิกขั้นสูง
ความก้าวหน้าที่สำคัญคือการจัดเตรียมโดยบริษัท NVIDIA พลังการประมวลผลสำหรับโครงข่ายประสาทเทียม AlexNet ที่ก้าวล้ำ เป็นเครือข่ายประสาทเทียม (CNN) ที่พัฒนาโดยชาวยูเครน Alex Kryzhevskyi โดยร่วมมือกับ Ilya Sutzkever และ Jeffrey Ginton
Convolutional Neural Networks (CNNs) เป็นโมเดลไปสู่การจดจำวัตถุเสมอมา—เป็นโมเดลที่ทรงพลังที่ควบคุมได้ง่ายและฝึกได้ง่ายยิ่งขึ้น พวกเขาไม่พบปัญหามากเกินไปจนน่าตกใจเมื่อใช้กับภาพหลายล้านภาพ ประสิทธิภาพเกือบจะเหมือนกันกับเครือข่ายนิวรัลฟีดฟอร์เวิร์ดมาตรฐานที่มีขนาดเท่ากัน ปัญหาเดียวคือนำไปใช้กับภาพความละเอียดสูงได้ยาก ขนาดของ ImageNet ต้องการนวัตกรรมที่จะปรับให้เหมาะสมสำหรับ GPU และลดเวลาการฝึกอบรมในขณะที่ปรับปรุงประสิทธิภาพ
เมื่อวันที่ 30 กันยายน พ.ศ. 2012 AlexNet ได้เข้าร่วมการแข่งขัน ImageNet Large Scale Visual Recognition Challenge เครือข่ายได้รับคะแนน 15,3% ในการทดสอบข้อผิดพลาดห้าอันดับแรก ซึ่งต่ำกว่าคะแนนอันดับสองมากกว่า 10,8%
ข้อสรุปหลักจากงานต้นฉบับคือความซับซ้อนของโมเดลนั้นเกิดจากประสิทธิภาพสูง ซึ่งมีราคาแพงมากในการคำนวณ แต่ก็ทำให้เป็นไปได้โดยการใช้หน่วยประมวลผลกราฟิก (GPU) ในระหว่างกระบวนการฝึกอบรม
โครงข่ายประสาทเทียมของ AlexNet ประกอบด้วยแปดชั้น ห้าชั้นแรกคือชั้นการม้วนงอ บางชั้นนำหน้าด้วยชั้นคู่สูงสุด และสามชั้นสุดท้ายเป็นชั้นที่เชื่อมต่อกันอย่างสมบูรณ์ เครือข่าย ยกเว้นชั้นสุดท้าย แบ่งออกเป็นสองสำเนา แต่ละชุดทำงานบน GPU เดียว
นั่นคือต้องขอบคุณมัน NVIDIA และผู้เชี่ยวชาญและนักวิทยาศาสตร์ส่วนใหญ่ยังเชื่อว่า AlexNet เป็นโมเดลที่ทรงพลังอย่างเหลือเชื่อที่สามารถบรรลุความแม่นยำสูงบนชุดข้อมูลที่ซับซ้อนมาก AlexNet เป็นสถาปัตยกรรมชั้นนำสำหรับงานตรวจจับวัตถุใดๆ และสามารถมีการใช้งานที่กว้างขวางมากในภาคการมองเห็นของคอมพิวเตอร์สำหรับปัญหาปัญญาประดิษฐ์ ในอนาคต AlexNet อาจจะถูกนำมาใช้มากกว่า CNN ในด้านการถ่ายภาพ
ที่น่าสนใจเช่นกัน: ปรากฎการณ์ฟ้าใส บริการแบบไหน อยู่ได้นานไหม?
ปัญญาประดิษฐ์ไม่ได้มีเฉพาะในห้องปฏิบัติการและศูนย์ข้อมูลเท่านั้น
В NVIDIA มองเห็นโอกาสที่ดีสำหรับ AI ในด้านเทคโนโลยีของอุปกรณ์ผู้บริโภคและอินเทอร์เน็ตของสรรพสิ่ง ในขณะที่คู่แข่งเพิ่งเริ่มพิจารณาการลงทุนในวงกว้างมากขึ้นในวงจรรวมรูปแบบใหม่ NVIDIA กำลังทำงานเกี่ยวกับการย่อส่วนอยู่แล้ว ชิป Tegra K1 ที่พัฒนาร่วมกับ Tesla และบริษัทรถยนต์อื่นๆ อาจมีความสำคัญเป็นพิเศษ
โปรเซสเซอร์ Tegra K1 เป็นหนึ่งในโปรเซสเซอร์รุ่นแรกๆ NVIDIAซึ่งออกแบบมาโดยเฉพาะสำหรับแอปพลิเคชัน AI ในอุปกรณ์พกพาและอุปกรณ์ฝังตัว Tegra K1 ใช้สถาปัตยกรรม GPU แบบเดียวกับซีรีส์กราฟิกการ์ดและระบบ NVIDIA GeForce, Quadro และ Tesla ซึ่งมอบประสิทธิภาพสูงและความเข้ากันได้กับมาตรฐานกราฟิกและการประมวลผล เช่น OpenGL 4.4, DirectX 11.2, CUDA 6.5 และ OpenCL 1.2 ด้วยเหตุนี้ โปรเซสเซอร์ Tegra K1 จึงสามารถรองรับอัลกอริธึมปัญญาประดิษฐ์ขั้นสูง เช่น โครงข่ายประสาทเทียมเชิงลึก การเรียนรู้แบบเสริมแรง การจดจำภาพและคำพูด และการวิเคราะห์ข้อมูล Tegra K1 มี 192 CUDA cores
ในปี 2016 NVIDIA เปิดตัวซีรีส์โปรเซสเซอร์ Pascal ที่ได้รับการปรับให้รองรับโครงข่ายประสาทเชิงลึกและโมเดลปัญญาประดิษฐ์อื่นๆ ภายในหนึ่งปี ซีรีส์โปรเซสเซอร์ Volta สำหรับแอปพลิเคชันที่เกี่ยวข้องกับปัญญาประดิษฐ์ปรากฏตัวในตลาด ซึ่งมีประสิทธิภาพและประหยัดพลังงานมากยิ่งขึ้น ในปี 2019 NVIDIA ซื้อ Mellanox Technologies ผู้ผลิตเครือข่ายคอมพิวเตอร์ประสิทธิภาพสูงสำหรับศูนย์ข้อมูลและซูเปอร์คอมพิวเตอร์
เป็นผลให้พวกเขาทั้งหมดใช้โปรเซสเซอร์ NVIDIA. ตัวอย่างเช่น ในตลาดผู้บริโภค เกมเมอร์ใช้อัลกอริธึมการสร้างภาพ DLSS ที่ปฏิวัติวงการ ซึ่งช่วยให้พวกเขาเพลิดเพลินไปกับกราฟิกที่คมชัดยิ่งขึ้นในเกมโดยไม่ต้องเสียเงินจำนวนมากกับการ์ดกราฟิก ในตลาดธุรกิจก็ได้รับการยอมรับว่าชิป NVIDIA ในหลาย ๆ ด้านนอกเหนือจากที่คู่แข่งเสนอให้ แม้ว่าจะไม่ใช่ว่า Intel และ AMD หลับใหลไปตลอดการปฏิวัติทางปัญญาก็ตาม
ที่น่าสนใจเช่นกัน: เครื่องมือที่ดีที่สุดบนพื้นฐานของปัญญาประดิษฐ์
Intel และ AMD ในด้านปัญญาประดิษฐ์
พูดคุยเกี่ยวกับคู่แข่งโดยตรง NVIDIA ในส่วนของตลาดนี้ Intel และ AMD กำลังทำงานที่นี่มากขึ้นเรื่อยๆ แต่ด้วยความล่าช้าที่ยาวนาน
Intel ได้เข้าซื้อกิจการบริษัท AI หลายแห่ง เช่น Nervana Systems, Movidius, Mobileye และ Habana Labs เพื่อเสริมความแข็งแกร่งของกลุ่มผลิตภัณฑ์เทคโนโลยีและโซลูชัน AI นอกจากนี้ Intel ยังมีแพลตฟอร์มฮาร์ดแวร์และซอฟต์แวร์สำหรับปัญญาประดิษฐ์ เช่น โปรเซสเซอร์ Xeon, FPGA, ชิป NNP และไลบรารีการปรับให้เหมาะสม Intel ยังทำงานร่วมกับพันธมิตรภาครัฐและเอกชนเพื่อพัฒนานวัตกรรม AI และการศึกษา
AMD ได้พัฒนาซีรีส์โปรเซสเซอร์ Epyc และกราฟิกการ์ด Radeon Instinct ที่ได้รับการปรับให้เหมาะกับแอปพลิเคชัน AI และการเรียนรู้เชิงลึก AMD ยังทำงานร่วมกับบริษัทต่างๆ เช่น Google Microsoft, IBM และ Amazon ให้บริการโซลูชั่นคลาวด์สำหรับ AI AMD ยังมุ่งมั่นที่จะมีส่วนร่วมในการวิจัยและพัฒนา AI ผ่านการร่วมมือกับสถาบันการศึกษาและองค์กรอุตสาหกรรม แม้ว่าทุกอย่างจะเป็นไปด้วยดีก็ตาม NVIDIA นำหน้าพวกเขาไปไกลแล้วและความสำเร็จในด้านการพัฒนาและการสนับสนุนอัลกอริธึม AI นั้นยิ่งใหญ่กว่าอย่างไม่มีใครเทียบได้
ที่น่าสนใจเช่นกัน: สรุป Google I/O 2023: Android 14, Pixel และ AI มากมาย
NVIDIA มีความเกี่ยวข้องกับวิดีโอเกมมานานหลายทศวรรษ
สิ่งนี้ก็ไม่ควรลืมเช่นกัน NVIDIA ไม่ได้ให้รายละเอียดรายได้ที่แน่นอนระหว่างตลาดผู้บริโภคและตลาดธุรกิจ แต่สามารถประมาณได้จากส่วนการดำเนินงานที่บริษัทเปิดเผยในงบการเงิน NVIDIA แยกส่วนปฏิบัติการสี่ส่วน: เกม การแสดงภาพระดับมืออาชีพ ศูนย์ข้อมูล และยานยนต์
สันนิษฐานได้ว่ากลุ่มเกมส่วนใหญ่มุ่งเน้นไปที่ตลาดผู้บริโภคเนื่องจากมีการขายการ์ดวิดีโอ GeForce และชิป Tegra สำหรับคอนโซลเกม ส่วนการแสดงภาพระดับมืออาชีพนั้นเน้นที่ตลาดธุรกิจเป็นหลัก เนื่องจากมีการขายการ์ดวิดีโอ Quadro และชิป RTX สำหรับเวิร์กสเตชันและแอปพลิเคชันระดับมืออาชีพ กลุ่มศูนย์ข้อมูลยังเน้นที่ตลาดธุรกิจเป็นหลัก เนื่องจากมีการขาย GPU และ NPU (นั่นคือชิปรุ่นต่อไป - ไม่ใช่ GPU อีกต่อไป แต่ออกแบบมาโดยเฉพาะสำหรับ AI) สำหรับเซิร์ฟเวอร์และบริการคลาวด์ กลุ่มยานยนต์มีเป้าหมายทั้งตลาดผู้บริโภคและธุรกิจ เนื่องจากมีการขาย Tegra และระบบ Drive สำหรับระบบสาระบันเทิงและการขับขี่อัตโนมัติ
จากสมมติฐานเหล่านี้ คุณสามารถประมาณส่วนแบ่งรายได้จากตลาดผู้บริโภคและตลาดธุรกิจในรายได้ทั้งหมดได้ NVIDIA. จากรายงานทางการเงินล่าสุดประจำปี 2022 รายได้ของบริษัท NVIDIA โดยแยกตามส่วนงานมีดังนี้
- เกม: 12,9 พันล้านดอลลาร์
- การสร้างภาพอย่างมืออาชีพ: 1,3 พันล้านเหรียญ
- ศูนย์ข้อมูล: 9,7 พันล้านดอลลาร์
- รถยนต์: 0,8 พันล้านเหรียญสหรัฐ
- ส่วนอื่นๆ ทั้งหมด: 8,7 พันล้านดอลลาร์
รายได้ทั้งหมด NVIDIA มีมูลค่า 33,4 พันล้านดอลลาร์ หากเราถือว่ากลุ่มยานยนต์มีการแบ่งส่วนตลาดผู้บริโภคและธุรกิจเท่าๆ กันโดยประมาณ สัดส่วนต่อไปนี้สามารถคำนวณได้:
- รายได้จากตลาดผู้บริโภค: (12,9 + 0,4) / 33,4 = 0,4 (40%)
- รายได้จากตลาดธุรกิจ: (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60%)
ซึ่งหมายความว่าประมาณ 40% ของรายได้ NVIDIA มาจากตลาดผู้บริโภค และประมาณ 60% มาจากตลาดธุรกิจ นั่นคือทิศทางหลักคือส่วนธุรกิจ แต่อุตสาหกรรมเกมก็สร้างรายได้ค่อนข้างดีเช่นกัน สิ่งที่สำคัญที่สุดคือพวกมันเติบโตทุกปี
ที่น่าสนใจเช่นกัน: ไดอารี่ของ Geek เก่าที่ไม่พอใจ: Bing กับ Google
อนาคตจะนำเราไปสู่อะไร?
เห็นได้ชัดว่า NVIDIA มีแผนที่จะมีส่วนร่วมในการพัฒนาอัลกอริธึมปัญญาประดิษฐ์อยู่แล้ว และกว้างกว่าและมีแนวโน้มมากกว่าคู่แข่งโดยตรงรายอื่นมาก
เฉพาะในเดือนที่ผ่านมาเท่านั้น NVIDIA ประกาศการลงทุนครั้งใหม่มากมายในด้านปัญญาประดิษฐ์ หนึ่งในนั้นคือกลไก GET3D ซึ่งสามารถสร้างแบบจำลองสามมิติที่ซับซ้อนของวัตถุและตัวละครต่างๆ ที่สะท้อนความเป็นจริงได้อย่างสมจริง GET3D สามารถสร้างวัตถุได้ประมาณ 20 ชิ้นต่อวินาทีโดยใช้ชิปกราฟิกตัวเดียว
ควรกล่าวถึงอีกโครงการหนึ่งที่น่าสนใจ เกี่ยวกับ Israel-1 เป็นซูเปอร์คอมพิวเตอร์สำหรับโปรแกรมปัญญาประดิษฐ์ซึ่ง NVIDIA สร้างขึ้นในความร่วมมือกับกระทรวงวิทยาศาสตร์และเทคโนโลยีของอิสราเอลและบริษัท Mellanox คาดว่าเครื่องจะมีพลังการประมวลผลมากกว่า 7 petaflops และใช้ GPU มากกว่า 1000 ตัว NVIDIA แกนเทนเซอร์ A100 Israel-1 จะถูกใช้สำหรับการวิจัยและพัฒนาในสาขาต่างๆ เช่น การแพทย์ ชีววิทยา เคมี ฟิสิกส์ และความปลอดภัยทางไซเบอร์ และสิ่งเหล่านี้ถือเป็นการลงทุนที่มีแนวโน้มดีอยู่แล้ว เมื่อพิจารณาจากโอกาสระยะยาว
นอกจากนี้ยังมีอีกโครงการหนึ่งแล้ว - NVIDIA เอซ. เป็นเทคโนโลยีใหม่ที่ถูกกำหนดขึ้นเพื่อปฏิวัติอุตสาหกรรมเกมโดยให้ผู้เล่นโต้ตอบกับตัวละครที่ไม่ใช่ผู้เล่น (NPC) ได้อย่างเป็นธรรมชาติและสมจริง ตัวละครเหล่านี้จะสามารถทำการสนทนาอย่างเปิดเผยกับผู้เล่น ตอบสนองต่ออารมณ์และท่าทางของเขา และแม้กระทั่งแสดงความรู้สึกและความคิดของตนเอง NVIDIA ACE ใช้โมเดลภาษาขั้นสูงและเครื่องสร้างรูปภาพที่ใช้ AI
ล้านล้านเหรียญแรกเข้ามา NVIDIA. ดูเหมือนว่าจะมีอีกในเร็วๆ นี้ เราจะติดตามความคืบหน้าของบริษัทและแจ้งให้คุณทราบอย่างแน่นอน
อ่าน:
