NVIDIA - siruteollisuuden historian ensimmäinen yritys, jonka pääoma ylitti biljoonan dollarin. Mikä on menestyksen salaisuus?
Olen varma, että monet teistä ovat kuulleet yrityksestä NVIDIA ja useimmat teistä yhdistävät sen erityisesti näytönohjainprosessoreihin, koska lause "NVIDIA GeForce" on kuullut melkein kaikki.
NVIDIA teki hiljattain taloushistoriaa IT-alalla. Se on ensimmäinen integroitujen piirien yritys, jonka markkina-arvo on ylittänyt biljoonan dollarin. Se on myös historian viides teknologiaan liittyvä yritys, joka on saavuttanut näin suuren (markkina-arvoltaan) menestyksen. Aiemmin vain ihmiset saattoivat ylpeillä näin korkealla arvosanalla Apple, Microsoft, Alphabet (Googlen omistaja) ja Amazon. Siksi rahoittajat kutsuivat sitä joskus "neljän klubiksi", jota on nyt laajennettu NVIDIA.
Lisäksi markkina-arvoltaan se on kaukana AMD:stä, Intelistä, Qualcommista ja muista teknologiayrityksistä. Tämä ei olisi ollut mahdollista ilman yrityksen vuosikymmen sitten käyttöön otettua visionääristä politiikkaa.
Lue myös: Onko Elon Muskin TruthGPT:llä tulevaisuutta?
Uskomaton kysyntä NVIDIA H100 Tensoriydin
Mikä on tällaisen pääoman lisäyksen salaisuus? Ensinnäkin tämä on pörssin reaktio sirun menestykseen NVIDIA H100 Tensor Core, jolla on suuri kysyntä johtavien pilviinfrastruktuurin ja verkkopalvelujen tarjoajien keskuudessa. Näitä siruja ostavat Amazon, Meta ja Microsoft (omiin tarpeisiinsa ja kumppaninsa tarpeisiin - yritys OpenAI). Ne ovat erityisen energiatehokkaita nopeuttamaan generatiiviselle tekoälylle tyypillisiä laskelmia, kuten ChatGPT tai Dall-E. Tämä on uskomaton, suuruusluokkaa oleva harppaus kiihdytetylle laskennalle. Saamme ennennäkemättömän suorituskyvyn, skaalautuvuuden ja tietoturvan kaikkiin työkuormiin NVIDIA H100 Tensor Core GPU.
Kytkinjärjestelmän käyttö NVIDIA NVLink voidaan liittää jopa 256 H100-grafiikkasuorittimeen nopeuttaakseen työkuormia exa-mittakaavassa. GPU sisältää myös erillisen Transformer Enginen kielimallien ratkaisemiseen biljoonien parametrien kanssa. H100:n yhdistetyt teknologiainnovaatiot voivat nopeuttaa suuria kielimalleja (LLM) uskomattoman 30-kertaisesti edelliseen sukupolveen verrattuna, mikä tarjoaa alan johtavan keskustelun tekoälyn. Kehittäjät pitävät sitä lähes ihanteellisena koneoppimiseen.
H100 ei kuitenkaan ilmestynyt tyhjästä. Ja totta puhuen, se ei ole erityisen vallankumouksellinen. NVIDIA, kuten mikään muu yritys, on investoinut valtavia resursseja tekoälyyn useiden vuosien ajan. Tästä johtuen ensisijaisesti GeForce-näytönohjainbrändiin liittyvä yritys voi kohdella kuluttajamarkkinoita melkein kuin harrastuksena. Tämä rakentaa todellista valtaa IT-jättiläisten markkinoille NVIDIA voi jo puhua heidän kanssaan tasavertaisina.
Mielenkiintoista myös: Mitä 6G-verkot ovat ja miksi niitä tarvitaan?
Onko tekoäly tulevaisuus?
Nykyään melkein kaikki ovat vakuuttuneita tästä, jopa tämän alan skeptiset asiantuntijat. Nyt se on melkein aksiooma, totuus. Siitä huolimatta NViDIA tiesi siitä 20 vuotta sitten. Yllätinkö sinut?
Teknisesti ensimmäinen lähikontakti NVIDIA tekoälyn kanssa tapahtui vuonna 1999, kun markkinoille ilmestyi GeForce 256 -prosessori, joka kykeni nopeuttamaan koneoppimislaskelmia. kuitenkin NVIDIA aloitti vakavasti panostamisen tekoälyyn vasta vuonna 2006, kun se esitteli CUDA-arkkitehtuurin, joka mahdollisti grafiikkaprosessorien rinnakkaiskäsittelyominaisuuksien käytön koulutuksessa ja tutkimuksessa.
Mikä on CUDA? Se määritellään parhaiten rinnakkaislaskenta-alustaksi ja sovellusohjelmointirajapinnaksi (API), jonka avulla ohjelmistot voivat käyttää yleiskäyttöisiä grafiikkaprosessointiyksiköitä (GPGPU). Tätä lähestymistapaa kutsutaan yleiskäyttöiseksi tietojenkäsittelyksi GPU:illa. Lisäksi CUDA on ohjelmistokerros, joka tarjoaa suoran pääsyn näytönohjaimen virtuaaliseen käskysarjaan ja rinnakkaisiin laskentaelementteihin. Se on suunniteltu toimimaan ohjelmointikielten, kuten C, C++ ja Fortran, kanssa.
Juuri tämä saavutettavuus tekee rinnakkaisten kehittäjien helpommaksi hyödyntää GPU-resursseja, toisin kuin aiemmat API:t, kuten Direct3D ja OpenGL, jotka vaativat edistyneitä grafiikkaohjelmointitaitoja.
Tärkeä läpimurto oli yhtiön tarjoama tarjous NVIDIA laskentatehoa uraauurtavaan AlexNet-hermoverkkoon. Se on konvoluutiohermoverkko (CNN), jonka on kehittänyt ukrainalainen Alex Kryzhevskyi yhteistyössä Ilya Sutzkeverin ja Jeffrey Gintonin kanssa.
Konvoluutiohermoverkot (CNN) ovat aina olleet kohteen tunnistuksen malli – ne ovat tehokkaita malleja, joita on helppo hallita ja vielä helpompi kouluttaa. Ne eivät koe ylisovitusta hälyttävässä määrin, kun niitä käytetään miljoonissa kuvissa. Niiden suorituskyky on lähes identtinen samankokoisten standardien myötäkytkentäisten hermoverkkojen kanssa. Ainoa ongelma on, että niitä on vaikea soveltaa korkearesoluutioisiin kuviin. ImageNetin mittakaava vaati innovaatioita, jotka olisivat optimoitu GPU:ille ja lyhentäneet harjoitusaikaa parantaen samalla suorituskykyä.
30. syyskuuta 2012 AlexNet osallistui ImageNet Large Scale Visual Recognition Challenge -haasteeseen. Verkosto saavutti viiden parhaan virhetestin 15,3 prosentin pistemäärän, mikä on yli 10,8 prosenttia pienempi kuin toisen sijan pisteet.
Alkuperäisen työn tärkein johtopäätös oli, että mallin monimutkaisuus johtui sen korkeasta suorituskyvystä, joka oli myös laskennallisesti erittäin kallista, mutta jonka mahdollisti graafisten prosessointiyksiköiden (GPU) käyttö koulutusprosessin aikana.
AlexNet-konvoluutiohermoverkko itsessään koostuu kahdeksasta kerroksesta; ensimmäiset viisi ovat konvoluutiokerroksia, joista joitakin edeltävät maksimaalisesti kytketyt kerrokset, ja viimeiset kolme ovat täysin yhdistettyjä kerroksia. Verkko on viimeistä kerrosta lukuun ottamatta jaettu kahteen kopioon, joista kukin toimii yhdellä GPU:lla.
Eli kiitos sen NVIDIA ja silti useimmat asiantuntijat ja tutkijat uskovat, että AlexNet on uskomattoman tehokas malli, joka pystyy saavuttamaan suuren tarkkuuden erittäin monimutkaisissa tietojoukoissa. AlexNet on johtava arkkitehtuuri missä tahansa objektintunnistustehtävässä, ja sillä voi olla erittäin laajat sovellukset tietokonenäkösektorilla tekoälyongelmiin. Tulevaisuudessa AlexNetiä voidaan käyttää enemmän kuin CNN:ää kuvantamisen alalla.
Mielenkiintoista myös: Bluesky-ilmiö: millaista palvelua ja onko pitkästä aikaa?
Tekoäly ei ole vain laboratorioissa ja datakeskuksissa
В NVIDIA näki tekoälylle suuria näkymiä myös kuluttajalaitteiden teknologioissa ja esineiden internetissä. Vaikka kilpailijat ovat juuri alkaneet harkita investoimista laajemmin uudentyyppiseen integroituun piiriin, NVIDIA työskentelee jo niiden pienentämiseksi. Tegra K1 -siru, joka on kehitetty yhteistyössä Teslan ja muiden autoyhtiöiden kanssa, on luultavasti erityisen tärkeä.
Tegra K1 -prosessori on yksi ensimmäisistä prosessoreista NVIDIA, suunniteltu erityisesti mobiili- ja sulautettujen laitteiden tekoälysovelluksiin. Tegra K1 käyttää samaa GPU-arkkitehtuuria kuin sarja näytönohjaimet ja järjestelmät NVIDIA GeForce, Quadro ja Tesla, joka tarjoaa korkean suorituskyvyn ja yhteensopivuuden grafiikka- ja laskentastandardien, kuten OpenGL 4.4, DirectX 11.2, CUDA 6.5 ja OpenCL 1.2, kanssa. Tämän ansiosta Tegra K1 -prosessori voi tukea kehittyneitä tekoälyalgoritmeja, kuten syviä hermoverkkoja, vahvistusoppimista, kuvan- ja puheentunnistusta sekä data-analyysiä. Tegra K1:ssä on 192 CUDA-ydintä.
Vuonna 2016 NVIDIA julkaisi sarjan Pascal-prosessoreita, jotka on optimoitu tukemaan syviä hermoverkkoja ja muita tekoälymalleja. Vuoden sisällä markkinoille ilmestyi sarja Volta-prosessoreita tekoälyyn liittyviin sovelluksiin, jotka ovat entistä tehokkaampia ja energiaa säästäviä. Vuonna 2019 NVIDIA ostaa Mellanox Technologiesin, joka valmistaa korkean suorituskyvyn tietokeskuksia ja supertietokoneita.
Tämän seurauksena ne kaikki käyttävät prosessoreita NVIDIA. Esimerkiksi kuluttajamarkkinoilla pelaajat käyttävät vallankumouksellista DLSS-kuvan jälleenrakennusalgoritmia, jonka avulla he voivat nauttia terävämmästä grafiikasta peleissä kuluttamatta paljon rahaa näytönohjainkorttiin. Yritysmarkkinoilla tunnustetaan, että pelimerkit NVIDIA monella tapaa kilpailijoiden tarjoaman lisäksi. Vaikka Intel ja AMD eivät ole täysin nukkuneet henkisen vallankumouksen läpi.
Mielenkiintoista myös: Parhaat tekoälyyn perustuvat työkalut
Intel ja AMD tekoälyn alalla
Puhutaanpa suorista kilpailijoista NVIDIA tällä markkinasegmentillä. Intel ja AMD työskentelevät täällä yhä aktiivisemmin, mutta pitkällä viiveellä.
Intel on ostanut useita tekoälyyrityksiä, kuten Nervana Systemsin, Movidiuksen, Mobileyen ja Habana Labsin vahvistaakseen tekoälyteknologioiden ja -ratkaisujen valikoimaansa. Intel tarjoaa myös laitteisto- ja ohjelmistoalustoja tekoälylle, kuten Xeon-prosessorit, FPGA:t, NNP-sirut ja optimointikirjastot. Intel työskentelee myös julkisen ja yksityisen sektorin kumppaneiden kanssa edistääkseen tekoälyn innovointia ja koulutusta.
AMD on kehittänyt sarjan Epyc-prosessoreja ja Radeon Instinct -näytönohjainkortteja, jotka on optimoitu tekoäly- ja syväoppimissovelluksia varten. AMD toimii myös yritysten, kuten Googlen, kanssa Microsoft, IBM ja Amazon, jotka tarjoavat pilviratkaisuja tekoälylle. AMD pyrkii myös osallistumaan tekoälytutkimukseen ja -kehitykseen tekemällä kumppanuuksia akateemisten laitosten ja alan organisaatioiden kanssa. Kaikki on kuitenkin erittäin hyvin NVIDIA jo paljon edellä heitä, ja sen menestys tekoälyalgoritmien kehittämisen ja tuen alalla on verrattoman suurempi.
Mielenkiintoista myös: Yhteenveto Google I/O 2023:sta: Android 14, pikseli ja paljon tekoälyä
NVIDIA on yhdistetty videopeleihin vuosikymmeniä
Tätäkään ei pidä unohtaa. NVIDIA ei anna tarkkaa jakautumistaan tuloistaan kuluttaja- ja yritysmarkkinoiden välillä, mutta ne voidaan arvioida yhtiön tilinpäätöksessä esittämien toimintasegmenttien perusteella. NVIDIA erottaa neljä toimintasegmenttiä: pelit, ammattimainen visualisointi, palvelinkeskukset ja autoteollisuus.
Voidaan olettaa, että pelisegmentti keskittyy pääasiassa kuluttajamarkkinoille, koska se sisältää GeForce-näytönohjainkorttien ja pelikonsoleiden Tegra-sirujen myynnin. Ammattimainen visualisointisegmentti on keskittynyt pääasiassa yritysmarkkinoille, sillä se sisältää Quadro-näytönohjainkorttien ja RTX-sirujen myynnin työasemiin ja ammattikäyttöön. Palvelinkeskussegmentti on myös pääosin keskittynyt yritysmarkkinoille, sillä se sisältää GPU:iden ja NPU:iden (eli seuraavan sukupolven sirujen - ei enää GPU:t, vaan suunniteltu yksinomaan tekoälyyn) myynnin palvelimia ja pilvipalveluita varten. Autosegmentti on suunnattu sekä kuluttaja- että yritysmarkkinoille, sillä se sisältää tietoviihde- ja autonomiseen ajamiseen tarkoitettujen Tegra- ja Drive-järjestelmien myynnin.
Näiden oletusten perusteella on mahdollista arvioida kuluttaja- ja yritysmarkkinoilta saatujen tulojen osuus kokonaistuloista NVIDIA. Viimeisimmän vuoden 2022 tilinpäätöksen mukaan yhtiön liikevaihto NVIDIA Toimintasegmenttien mukaan olivat seuraavat:
- Pelit: 12,9 miljardia dollaria
- Ammattimainen visualisointi: 1,3 miljardia dollaria
- Palvelinkeskukset: 9,7 miljardia dollaria
- Autot: 0,8 miljardia dollaria
- Kaikki muut segmentit: 8,7 miljardia dollaria
Kokonaistulot NVIDIA 33,4 miljardia dollaria. Jos oletetaan, että autosegmentti jakautuu suunnilleen tasan kuluttaja- ja yritysmarkkinoiden kesken, voidaan laskea seuraavat osuudet:
- Tulot kuluttajamarkkinoilta: (12,9 + 0,4) / 33,4 = 0,4 (40 %)
- Tuotot yritysmarkkinoilta: (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60 %)
Tämä tarkoittaa, että noin 40% tuloista NVIDIA tulee kuluttajamarkkinoilta ja noin 60 % yritysmarkkinoilta. Eli pääsuunta on liiketoimintasegmentti. Mutta peliteollisuus tuo myös melko hyviä tuloja. Tärkeintä on, että ne kasvavat joka vuosi.
Mielenkiintoista myös: Vanhan röyhkeän nörtin päiväkirja: Bing vs Google
Mitä tulevaisuus tuo meille?
On selvää, että NVIDIA on jo suunnitelma osallistua tekoälyalgoritmien kehittämiseen. Ja se on paljon laajempi ja lupaavampi kuin mikään sen suorista kilpailijoista.
Vain viimeisen kuukauden aikana NVIDIA ilmoitti lukuisista uusista investoinneista tekoälyyn. Yksi niistä on GET3D-mekanismi, joka pystyy luomaan monimutkaisia kolmiulotteisia malleja erilaisista esineistä ja hahmoista, jotka heijastavat uskollisesti todellisuutta. GET3D voi tuottaa noin 20 objektia sekunnissa käyttämällä yhtä grafiikkasirua.
Yksi mielenkiintoinen projekti on myös mainittava. Tietoja Israel-1 on tekoälyohjelmien supertietokone, joka NVIDIA on luotu yhteistyössä Israelin tiede- ja teknologiaministeriön ja Mellanox-yhtiön kanssa. Koneessa odotetaan olevan yli 7 petaflopsia laskentatehoa ja yli 1000 GPU:ta NVIDIA A100 Tensoriydin. Israel-1:tä käytetään tutkimukseen ja kehitykseen muun muassa lääketieteen, biologian, kemian, fysiikan ja kyberturvallisuuden aloilla. Ja nämä ovat jo nyt erittäin lupaavia pääomasijoituksia pitkän aikavälin näkymiin nähden.
Lisäksi on jo toinen projekti - NVIDIA ÄSSÄ. Se on uusi tekniikka, joka on asetettu mullistamaan pelialan antamalla pelaajalle mahdollisuuden olla vuorovaikutuksessa ei-pelaajahahmon (NPC) kanssa luonnollisella ja realistisella tavalla. Nämä hahmot voivat käydä avointa vuoropuhelua pelaajan kanssa, reagoida hänen tunteisiinsa ja eleisiinsä ja jopa ilmaista omia tunteitaan ja ajatuksiaan. NVIDIA ACE käyttää edistyneitä kielimalleja ja tekoälypohjaisia kuvageneraattoreita.
Ensimmäinen triljoona dollaria NVIDIA. Näyttää siltä, että niitä tulee pian lisää. Seuraamme varmasti yrityksen kehitystä ja ilmoitamme sinulle.
Lue myös: