NVIDIA - პირველი კომპანია ჩიპების ინდუსტრიის ისტორიაში, რომლის კაპიტალიზაციამ ტრილიონ დოლარს გადააჭარბა. რა არის წარმატების საიდუმლო?
დარწმუნებული ვარ, რომ ბევრ თქვენგანს გსმენიათ კომპანიის შესახებ NVIDIA და უმეტესობა მას უკავშირებს კონკრეტულად გრაფიკულ პროცესორებს, რადგან ფრაზა "NVIDIA GeForce“ თითქმის ყველამ მოისმინა.
NVIDIA ცოტა ხნის წინ შექმნეს ფინანსური ისტორია IT ინდუსტრიაში. ეს არის პირველი ინტეგრირებული მიკროსქემის კომპანია, რომლის საბაზრო ღირებულებამ ტრილიონ დოლარს გადააჭარბა. ის ასევე არის მეხუთე ტექნოლოგიასთან დაკავშირებული კომპანია ისტორიაში, რომელმაც მიაღწია ასეთ დიდ (საბაზრო კაპიტალიზაციის მიხედვით) წარმატებას. ადრე ასეთი მაღალი რეიტინგით მხოლოდ ხალხს შეეძლო დაიკვეხნა Apple, Microsoft, Alphabet (Google-ის მფლობელი) და Amazon. ამიტომაც ფინანსისტები მას ხანდახან „ოთხთა კლუბს“ უწოდებდნენ, რომელიც ახლა გაფართოვდა NVIDIA.
გარდა ამისა, საბაზრო კაპიტალიზაციის მხრივ, ის ბევრად ჩამორჩება AMD-ს, Intel-ს, Qualcomm-ს და სხვა ტექნოლოგიურ კომპანიებს. ეს შეუძლებელი იქნებოდა კომპანიის ხედვითი პოლიტიკის გარეშე, რომელიც ათი წლის წინ დაინერგა.
ასევე წაიკითხეთ: აქვს თუ არა მომავალი ელონ მასკის TruthGPT-ს?
წარმოუდგენელი მოთხოვნა NVIDIA H100 ტენსორის ბირთვი
რა არის კაპიტალიზაციის ასეთი ზრდის საიდუმლო? პირველ რიგში, ეს არის საფონდო ბირჟის რეაქცია ჩიპის წარმატებაზე NVIDIA H100 Tensor Core, რომელიც დიდი მოთხოვნაა ღრუბლოვანი ინფრასტრუქტურისა და ონლაინ სერვისების წამყვან პროვაიდერებს შორის. ამ ჩიპებს ყიდულობს Amazon, Meta და Microsoft (საკუთარი საჭიროებისთვის და პარტნიორის - კომპანია OpenAI-ის საჭიროებებისთვის). ისინი განსაკუთრებით ენერგოეფექტურები არიან გენერაციული ხელოვნური ინტელექტის ტიპიური გამოთვლების დაჩქარებაში, როგორიცაა ChatGPT ან Dall-E. ეს არის წარმოუდგენელი ნახტომი სიდიდის ბრძანებით დაჩქარებული გამოთვლებისთვის. ჩვენ ვიღებთ უპრეცედენტო შესრულებას, მასშტაბურობას და უსაფრთხოებას ნებისმიერი დატვირთვისთვის NVIDIA H100 Tensor Core GPU.
გადართვის სისტემის გამოყენება NVIDIA NVLink შეიძლება დაუკავშირდეს 256 H100 GPU-ს, რათა დააჩქაროს სამუშაო დატვირთვა exa მასშტაბით. GPU ასევე შეიცავს სპეციალურ Transformer Engine-ს ტრილიონობით პარამეტრით ენობრივი მოდელების გადასაჭრელად. H100-ის კომბინირებულ ტექნოლოგიურ ინოვაციებს შეუძლია დააჩქაროს დიდი ენობრივი მოდელები (LLM) წინა თაობასთან შედარებით წარმოუდგენლად 30-ჯერ, რაც უზრუნველყოფს ინდუსტრიის წამყვან სასაუბრო AI-ს. დეველოპერები მას თითქმის იდეალურად თვლიან მანქანური სწავლისთვის.
თუმცა, H100 არსაიდან არ გამოჩნდა. და, სიმართლე გითხრათ, ეს არ არის განსაკუთრებით რევოლუციური. NVIDIA, როგორც არცერთი სხვა კომპანია, მრავალი წლის განმავლობაში ახორციელებს უზარმაზარ რესურსებს ხელოვნურ ინტელექტში. შედეგად, კომპანია, რომელიც პირველ რიგში ასოცირდება GeForce გრაფიკული ბარათის ბრენდთან, შეუძლია სამომხმარებლო ბაზარს თითქმის ჰობივით მოეპყროს. ყოველივე ამის შემდეგ, ეს ქმნის რეალურ ძალას IT გიგანტების ბაზარზე NVIDIA უკვე შეუძლია მათთან თანასწორად ლაპარაკი.
ასევე საინტერესოა: რა არის 6G ქსელები და რატომ არის საჭირო?
არის თუ არა ხელოვნური ინტელექტი მომავალი?
დღეს ამაში თითქმის ყველა დარწმუნებულია, ამ დარგის სკეპტიკურად განწყობილი ექსპერტებიც კი. ახლა ეს თითქმის აქსიომაა, ტრუიზმი. მიუხედავად იმისა NViDIA იცოდა ამის შესახებ 20 წლის წინ. გაგაოცეთ?
ტექნიკურად, პირველი ახლო კონტაქტი NVIDIA ხელოვნური ინტელექტით მოხდა 1999 წელს, როდესაც ბაზარზე გამოჩნდა GeForce 256 პროცესორი, რომელსაც შეუძლია დააჩქაროს მანქანათმცოდნეობის გამოთვლები. თუმცა NVIDIA დაიწყო სერიოზული ინვესტიციები ხელოვნურ ინტელექტში მხოლოდ 2006 წელს, როდესაც მან შემოიტანა CUDA არქიტექტურა, რამაც საშუალება მისცა გამოეყენებინა გრაფიკული პროცესორების პარალელური დამუშავების შესაძლებლობები ტრენინგისა და კვლევისთვის.
რა არის CUDA? ის საუკეთესოდ განისაზღვრება, როგორც პარალელური გამოთვლითი პლატფორმა და აპლიკაციის პროგრამირების ინტერფეისი (API), რომელიც საშუალებას აძლევს პროგრამულ უზრუნველყოფას გამოიყენოს ზოგადი დანიშნულების გრაფიკული დამუშავების ერთეულები (GPGPU). ამ მიდგომას ეწოდება ზოგადი დანიშნულების გამოთვლა GPU-ებზე. გარდა ამისა, CUDA არის პროგრამული უზრუნველყოფის ფენა, რომელიც უზრუნველყოფს პირდაპირ წვდომას გრაფიკული პროცესორის ვირტუალურ ინსტრუქციების კომპლექტზე და პარალელურ გამოთვლით ელემენტებზე. იგი შექმნილია პროგრამირების ენებთან მუშაობისთვის, როგორიცაა C, C++ და Fortran.
სწორედ ეს ხელმისაწვდომობა უადვილებს პარალელურ დეველოპერებს GPU რესურსებით სარგებლობას, წინა API-ებისგან განსხვავებით, როგორიცაა Direct3D და OpenGL, რომლებიც საჭიროებდნენ გრაფიკული პროგრამირების გაფართოებულ უნარებს.
მნიშვნელოვანი მიღწევა იყო კომპანიის მიერ მიწოდება NVIDIA გამოთვლითი ძალა ინოვაციური AlexNet ნერვული ქსელისთვის. ეს არის კონვოლუციური ნერვული ქსელი (CNN), რომელიც შემუშავებულია უკრაინელი ალექს კრიჟევსკის მიერ ილია სუცკევერთან და ჯეფრი გინტონთან თანამშრომლობით.
კონვოლუციური ნეირონული ქსელები (CNN) ყოველთვის იყო ობიექტების ამოცნობის საუკეთესო მოდელი - ისინი მძლავრი მოდელებია, რომელთა კონტროლი მარტივია და უფრო ადვილია მათი მომზადება. მილიონობით სურათზე გამოყენებისას ისინი არ განიცდიან ზედმეტად მორგებას რაიმე საგანგაშო ზომით. მათი შესრულება თითქმის იდენტურია იმავე ზომის სტანდარტული მიწოდების ნერვულ ქსელებთან. ერთადერთი პრობლემა ის არის, რომ მათი გამოყენება რთულია მაღალი რეზოლუციის სურათებზე. ImageNet-ის მასშტაბი მოითხოვდა ინოვაციებს, რომლებიც ოპტიმიზირებული იქნებოდა GPU-სთვის და შეამცირებდა ტრენინგის დროს მუშაობის გაუმჯობესებისას.
30 წლის 2012 სექტემბერს AlexNet-მა მონაწილეობა მიიღო ImageNet Large Scale Visual Recognition Challenge-ში. ქსელმა მიაღწია 15,3% შეცდომის ტესტში 10,8%-ს, რაც XNUMX%-ით ჩამორჩება მეორე ადგილზე გასულ ქულას.
თავდაპირველი ნამუშევრის მთავარი დასკვნა იყო, რომ მოდელის სირთულე განპირობებული იყო მისი მაღალი წარმადობით, რაც ასევე ძალიან ძვირი იყო გამოთვლით, მაგრამ შესაძლებელი გახდა გრაფიკული დამუშავების ერთეულების (GPU) გამოყენებით სასწავლო პროცესის დროს.
თავად AlexNet კონვოლუციური ნერვული ქსელი შედგება რვა ფენისგან; პირველი ხუთი არის კონვოლუციური ფენები, რომელთაგან ზოგიერთს წინ უძღვის მაქსიმალურად დაწყვილებული ფენები, ხოლო ბოლო სამი არის სრულად დაკავშირებული ფენები. ქსელი, გარდა ბოლო ფენისა, იყოფა ორ ეგზემპლარად, თითოეული მუშაობს ერთ GPU-ზე.
ანუ მისი წყალობით NVIDIA და მაინც, ექსპერტებისა და მეცნიერების უმეტესობა თვლის, რომ AlexNet არის წარმოუდგენლად ძლიერი მოდელი, რომელსაც შეუძლია მიაღწიოს მაღალი სიზუსტის ძალიან რთულ მონაცემთა ნაკრებებს. AlexNet არის წამყვანი არქიტექტურა ნებისმიერი ობიექტის ამოცნობის ამოცანისთვის და შეიძლება ჰქონდეს ძალიან ფართო აპლიკაციები კომპიუტერული ხედვის სექტორში ხელოვნური ინტელექტის პრობლემებისთვის. სამომავლოდ, AlexNet შეიძლება გამოყენებულ იქნას CNN-ზე მეტად გამოსახულების სფეროში.
ასევე საინტერესოა: Bluesky ფენომენი: რა სახის მომსახურებაა და არის ის დიდი ხნის განმავლობაში?
ხელოვნური ინტელექტი მხოლოდ ლაბორატორიებსა და მონაცემთა ცენტრებში არ არის
В NVIDIA დაინახა ხელოვნური ინტელექტის დიდი პერსპექტივები ასევე სამომხმარებლო მოწყობილობების ტექნოლოგიებში და ნივთების ინტერნეტში. მიუხედავად იმისა, რომ კონკურენტები ახლახან იწყებენ განიხილონ უფრო ფართო ინვესტიცია ახალი ტიპის ინტეგრირებულ წრეში, NVIDIA უკვე მუშაობს მათ მინიატურიზაციაზე. Tegra K1 ჩიპი, რომელიც შეიქმნა Tesla-სა და სხვა ავტომობილების კომპანიებთან თანამშრომლობით, ალბათ განსაკუთრებით მნიშვნელოვანია.
Tegra K1 პროცესორი ერთ-ერთი პირველია NVIDIA, შექმნილია სპეციალურად AI აპლიკაციებისთვის მობილურ და ჩაშენებულ მოწყობილობებში. Tegra K1 იყენებს იგივე GPU არქიტექტურას, როგორც გრაფიკული ბარათების და სისტემების სერია NVIDIA GeForce, Quadro და Tesla, რომელიც უზრუნველყოფს მაღალ შესრულებას და თავსებადობას გრაფიკასთან და გამოთვლით სტანდარტებთან, როგორიცაა OpenGL 4.4, DirectX 11.2, CUDA 6.5 და OpenCL 1.2. ამის წყალობით, Tegra K1 პროცესორს შეუძლია ხელი შეუწყოს მოწინავე ხელოვნური ინტელექტის ალგორითმებს, როგორიცაა ღრმა ნერვული ქსელები, გაძლიერების სწავლა, გამოსახულების და მეტყველების ამოცნობა და მონაცემთა ანალიზი. Tegra K1-ს აქვს 192 CUDA ბირთვი.
2016 წელს NVIDIA გამოუშვა Pascal პროცესორების სერია, რომელიც ოპტიმიზირებულია ღრმა ნერვული ქსელების და სხვა ხელოვნური ინტელექტის მოდელების მხარდასაჭერად. ერთი წლის განმავლობაში ბაზარზე გამოჩნდა ვოლტას პროცესორების სერია ხელოვნურ ინტელექტთან დაკავშირებული აპლიკაციებისთვის, რომლებიც კიდევ უფრო ეფექტური და ენერგიის დაზოგვაა. 2019 წელს NVIDIA ყიდულობს Mellanox Technologies, მაღალი ხარისხის კომპიუტერული ქსელების მწარმოებელს მონაცემთა ცენტრებისა და სუპერკომპიუტერებისთვის.
შედეგად, ისინი ყველა იყენებენ პროცესორებს NVIDIA. მაგალითად, სამომხმარებლო ბაზარზე, გეიმერები იყენებენ რევოლუციურ DLSS გამოსახულების რეკონსტრუქციის ალგორითმს, რომელიც საშუალებას აძლევს მათ ისარგებლონ თამაშებში უფრო მკვეთრი გრაფიკით, გრაფიკულ ბარათზე ბევრი ფულის დახარჯვის გარეშე. ბიზნეს ბაზარზე აღიარებულია, რომ ჩიპი NVIDIA ბევრი თვალსაზრისით, ვიდრე კონკურენტები გვთავაზობენ. მიუხედავად იმისა, რომ ინტელს და AMD-ს არ დაეძინა ინტელექტუალური რევოლუცია.
ასევე საინტერესოა: საუკეთესო ინსტრუმენტები ხელოვნური ინტელექტის საფუძველზე
Intel და AMD ხელოვნური ინტელექტის სფეროში
მოდით ვისაუბროთ პირდაპირ კონკურენტებზე NVIDIA ამ ბაზრის სეგმენტში. Intel და AMD აქ უფრო და უფრო აქტიურად მუშაობენ, მაგრამ დიდი დაგვიანებით.
Intel-მა შეიძინა რამდენიმე AI კომპანია, როგორიცაა Nervana Systems, Movidius, Mobileye და Habana Labs, რათა გააძლიეროს AI ტექნოლოგიებისა და გადაწყვეტილებების პორტფელი. Intel ასევე გთავაზობთ აპარატურულ და პროგრამულ პლატფორმებს ხელოვნური ინტელექტისთვის, როგორიცაა Xeon პროცესორები, FPGA, NNP ჩიპები და ოპტიმიზაციის ბიბლიოთეკები. Intel ასევე მუშაობს საჯარო და კერძო სექტორის პარტნიორებთან ხელოვნური ინოვაციებისა და განათლების განვითარების მიზნით.
AMD-მ შეიმუშავა Epyc პროცესორების და Radeon Instinct გრაფიკული ბარათების სერია, რომლებიც ოპტიმიზირებულია AI და ღრმა სწავლის აპლიკაციებისთვის. AMD ასევე მუშაობს კომპანიებთან, როგორიცაა Google, Microsoft, IBM და Amazon, რომლებიც უზრუნველყოფენ ღრუბლოვან გადაწყვეტილებებს AI-სთვის. AMD ასევე ცდილობს მონაწილეობა მიიღოს AI კვლევასა და განვითარებაში აკადემიურ ინსტიტუტებთან და ინდუსტრიულ ორგანიზაციებთან პარტნიორობის გზით. თუმცა ეს ყველაფერი ძალიან კარგადაა NVIDIA მათ უკვე ბევრად უსწრებს და მისი წარმატება ხელოვნური ინტელექტის ალგორითმების შემუშავებისა და მხარდაჭერის სფეროში შეუდარებლად დიდია.
ასევე საინტერესოა: Google I/O 2023-ის შეჯამება: Android 14, პიქსელი და უამრავი AI
NVIDIA ათწლეულების განმავლობაში ასოცირდება ვიდეო თამაშებთან
ეს არც უნდა დაგვავიწყდეს. NVIDIA არ იძლევა მისი შემოსავლების ზუსტ განაწილებას სამომხმარებლო და ბიზნეს ბაზრებს შორის, მაგრამ მათი შეფასება შესაძლებელია საოპერაციო სეგმენტების საფუძველზე, რომელსაც კომპანია აქვეყნებს თავის ფინანსურ ანგარიშგებაში. NVIDIA გამოყოფს ოთხ ოპერაციულ სეგმენტს: თამაშები, პროფესიონალური ვიზუალიზაცია, მონაცემთა ცენტრები და ავტომობილები.
შეიძლება ვივარაუდოთ, რომ სათამაშო სეგმენტი ძირითადად ორიენტირებულია სამომხმარებლო ბაზარზე, რადგან ის მოიცავს GeForce ვიდეო ბარათების და Tegra ჩიპების გაყიდვას სათამაშო კონსოლებისთვის. პროფესიონალური ვიზუალიზაციის სეგმენტი ძირითადად ორიენტირებულია ბიზნეს ბაზარზე, რადგან ის მოიცავს Quadro გრაფიკული ბარათების და RTX ჩიპების გაყიდვას სამუშაო სადგურებისა და პროფესიონალური აპლიკაციებისთვის. მონაცემთა ცენტრის სეგმენტი ასევე ძირითადად ორიენტირებულია ბიზნეს ბაზარზე, რადგან ის მოიცავს GPU-ების და NPU-ების გაყიდვას (ანუ შემდეგი თაობის ჩიპები - აღარ არის GPU, არამედ შექმნილია ექსკლუზიურად AI-სთვის) სერვერებისა და ღრუბლოვანი სერვისებისთვის. საავტომობილო სეგმენტი მიზნად ისახავს როგორც სამომხმარებლო, ისე ბიზნეს ბაზრებს, რადგან ის მოიცავს Tegra და Drive სისტემების გაყიდვებს ინფო-გასართობი და ავტონომიური მართვისთვის.
ამ დაშვებებზე დაყრდნობით, შესაძლებელია შეფასდეს სამომხმარებლო და ბიზნეს ბაზრებიდან მიღებული შემოსავლების წილი მთლიან შემოსავლებში. NVIDIA. 2022 წლის ბოლო ფინანსური ანგარიშის მიხედვით, კომპანიის შემოსავლები NVIDIA საოპერაციო სეგმენტების მიხედვით იყო შემდეგი:
- თამაშები: $12,9 მილიარდი
- პროფესიონალური ვიზუალიზაცია: $1,3 მილიარდი
- მონაცემთა ცენტრები: $9,7 მილიარდი
- ავტომობილები: $0,8 მილიარდი
- ყველა სხვა სეგმენტი: $8,7 მილიარდი
Სრული შემოსავალი NVIDIA შეადგინა $33,4 მილიარდი, თუ დავუშვებთ, რომ საავტომობილო სეგმენტი იყოფა დაახლოებით თანაბრად სამომხმარებლო და ბიზნეს ბაზრებს შორის, შეიძლება გამოითვალოს შემდეგი პროპორციები:
- შემოსავალი სამომხმარებლო ბაზრიდან: (12,9 + 0,4) / 33,4 = 0,4 (40%)
- შემოსავალი ბიზნეს ბაზრიდან: (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60%)
ეს ნიშნავს, რომ შემოსავლის დაახლოებით 40%. NVIDIA მოდის სამომხმარებლო ბაზრიდან, ხოლო დაახლოებით 60% ბიზნეს ბაზრიდან. ანუ მთავარი მიმართულება ბიზნეს სეგმენტია. მაგრამ თამაშის ინდუსტრიას ასევე მოაქვს საკმაოდ კარგი შემოსავალი. ყველაზე მნიშვნელოვანი ის არის, რომ ისინი ყოველწლიურად იზრდებიან.
ასევე საინტერესოა: Grumpy Old Geek-ის დღიური: Bing vs Google
რას მოგვიტანს მომავალი?
აშკარაა რომ NVIDIA უკვე არსებობს გეგმა, მონაწილეობა მიიღოს ხელოვნური ინტელექტის ალგორითმების შემუშავებაში. და ის ბევრად უფრო ფართო და პერსპექტიულია, ვიდრე მისი ნებისმიერი პირდაპირი კონკურენტი.
მხოლოდ ბოლო თვეში NVIDIA გამოაცხადა მრავალი ახალი ინვესტიცია ხელოვნურ ინტელექტში. ერთ-ერთი მათგანია GET3D მექანიზმი, რომელსაც შეუძლია შექმნას სხვადასხვა ობიექტებისა და პერსონაჟების რთული სამგანზომილებიანი მოდელები, რომლებიც ერთგულად ასახავს რეალობას. GET3D-ს შეუძლია შექმნას დაახლოებით 20 ობიექტი წამში ერთი გრაფიკული ჩიპის გამოყენებით.
უნდა აღინიშნოს კიდევ ერთი საინტერესო პროექტი. ისრაელ-1-ის შესახებ არის სუპერკომპიუტერი ხელოვნური ინტელექტის პროგრამებისთვის, რომელიც NVIDIA შექმნილია ისრაელის მეცნიერებისა და ტექნოლოგიების სამინისტროსთან და კომპანია Mellanox-თან თანამშრომლობით. სავარაუდოდ, მანქანას ექნება 7 პეტაფლოპზე მეტი გამოთვლითი სიმძლავრე და გამოიყენებს 1000-ზე მეტ GPU-ს. NVIDIA A100 ტენსორის ბირთვი. Israel-1 გამოყენებული იქნება კვლევისა და განვითარებისთვის ისეთ სფეროებში, როგორიცაა მედიცინა, ბიოლოგია, ქიმია, ფიზიკა და კიბერუსაფრთხოება. და ეს უკვე ძალიან პერსპექტიული კაპიტალის ინვესტიციებია, გრძელვადიანი პერსპექტივის გათვალისწინებით.
ასევე, უკვე არის კიდევ ერთი პროექტი - NVIDIA ACE. ეს არის ახალი ტექნოლოგია, რომელიც რევოლუციას მოახდენს სათამაშო ინდუსტრიაში და საშუალებას აძლევს მოთამაშეს დაუკავშირდეს არამოთამაშის პერსონაჟს (NPC) ბუნებრივი და რეალისტური გზით. ეს პერსონაჟები შეძლებენ მოთამაშესთან ღია დიალოგის გამართვას, მის ემოციებსა და ჟესტებზე რეაგირებას და საკუთარი გრძნობებისა და აზრების გამოხატვასაც კი. NVIDIA ACE იყენებს მოწინავე ენის მოდელებს და AI-ზე დაფუძნებულ გამოსახულების გენერატორებს.
პირველი ტრილიონი დოლარი NVIDIA. როგორც ჩანს, მალე კიდევ იქნება. ჩვენ აუცილებლად მივყვებით კომპანიის პროგრესს და შეგატყობინებთ.
ასევე წაიკითხეთ: