💎 DigiTimes сообщает, за последние несколько кварталов в поставках ИИ видеокарт начались улучшения. NVIDIA наконец-то наладила цепочки поставок и привлекла дополнительных партнеров.
💰 Год назад рынок отчаянно нуждался в Nvidia H100, но Куртке якобы не удавалось покрыть спрос, бизнес модель как в буме майнинга на RTX 3000 дала свои плоды. Сейчас количество ожидающих выполнения заказов существенно снизилось. Во втором квартале 2024 года этот показатель составил менее 10 % против 40 % за тот же период прошлого года. В теории к моменту выхода серии Blackwell отставание станет практически нулевым.
💭 Согласно аналитикам, на будущие ИИ-ускорители B200 компании NVIDIA поступит более миллиона заказов, что принесет производителю небывалую прибыль. Куртка уже заявлял что Blackwell - будет самым успешным продуктом зелёной компании.
💎 Куртка активно ищет способы обойти санкции США, чтобы продать побольше карточек Китаю и странам Ближнего Востока. Пока специалисты Nvidia налаживают новые каналы поставок, компания поддерживает рынок Китая «специальными» компонентами.
☝️ Financial Times сообщает, что NVIDIA в ближайшие месяцы планирует поставить более 1 миллиона ИИ видеокарт в Китай. Это будут видеокарты H20 — специальные версии устройств, которые соответствуют новым правилам экспортного контроля США и адаптированы для поставок в подсанкционные регионы.
💭 Это будет одной из самых крупных сделок NVIDIA, которая принесет компании более 12 млрд $ США. Для пониманья, данная сумма превышает те самые 10,3 млрд $ США, которые Куртка заработал в Китае на продажах всей своей продукции за последний финансовый год.
🔻 Первые H20 начали появляться в Китае еще в феврале этого года как отдельные компоненты и в составе серверов.
Конференция продолжается, и на ней представлены захватывающие анонсы для сферы искусственного интеллекта
Приготовьтесь ознакомиться с последними новинками в области искусственного интеллекта, представленными на GTC 2024, ведущей конференции для разработчиков, бизнес-лидеров и исследователей этой области. На этом мероприятии были представлены содержательные вебинары, образовательные сессии и передовые демонстрационные материалы, а также многое другое. Мы собираемся рассказать о всех ключевых моментах и инновациях, представленных на этой конференции в этом году.
NVIDIA представляет сетевые коммутаторы серии X800, обладающие непревзойденной сквозной пропускной способностью 800 Гбит / с и передовыми сетевыми решениями для инфраструктур искусственного интеллекта.
Microsoft и NVIDIA расширяют сотрудничество, в рамках которого искусственный интеллект и технологии Omniverse от NVIDIA интегрируются в Microsoft Azure, Azure AI и Microsoft 365.
NVIDIA представляет Omniverse Cloud API, графической платформы NVIDIA Blackwell GPU в инфраструктуру AWS, расширяющей возможности искусственного интеллекта.
DRIVE Thor от NVIDIA преобразует транспорт, централизованный автомобильный компьютер,предназначенный для автопарков следующего поколения, от электромобилей до автономных грузовиков и роботакси.
NVIDIA анонсирует проект GR00T для человекоподобных роботов
NVIDIA представляет проект GR00T, базовую модель для человекоподобных роботов, а также компьютер Jetson Thor и обновления платформы Isaac Robotics. GR00T помогает роботам понимать естественный язык и имитировать движения человека, повышая их адаптивность и возможности взаимодействия. Компьютер Jetson Thor может похвастаться усовершенствованным SoC, оптимизированным для повышения производительности и безопасности, что упрощает интеграцию для решения сложных задач.
Project GR00T
Сотрудничество с ведущими компаниями-производителями роботов направлено на продвижение робототехники на основе искусственного интеллекта для различных приложений. Основные обновления платформы Isaac включают Isaac Lab для моделирования и OSMO для управления данными, облегчающие обучение роботов. Манипулятор Isaac повышает ловкость и возможности искусственного интеллекта для манипуляторов-роботов, в то время как Isaac Perceptor обеспечивает трехмерное окружающее зрение для автономных мобильных роботов, что способствует производству и выполнению работ. Эти инновации обещают произвести революцию в робототехнике и внедренном искусственном интеллекте с потенциальными последствиями для различных отраслей промышленности.
NVIDIA представляет суперкомпьютер с искусственным интеллектом DGX SuperPod
Компания NVIDIA представила DGX SuperPod, передовой суперкомпьютер нового поколения для искусственного интеллекта, оснащенный новейшими суперчипами GB200 Grace Blackwell. Эти чипы идеально подходят для выполнения масштабных генеративных задач искусственного интеллекта. СуперПод имеет уникальную архитектуру с жидкостным охлаждением в стойке, обладает мощностью искусственного интеллекта в 11,5 exaflops и обеспечивает 240 терабайт памяти, которую можно масштабировать с помощью дополнительных стоек. Каждая система GB200 оснащена 36 процессорами Grace и 72 графическими процессорами Blackwell, что обеспечивает до 30 раз более высокую производительность для моделей с большими языковыми возможностями.
Архитектура объединяет NVIDIA BlueField-3 DPU и Quantum-X800 InfiniBand для увеличения пропускной способности и проведения внутрисетевых вычислений. Возможности прогнозного управления обеспечивают бесперебойную работу за счет обнаружения и устранения потенциальных проблем. Кроме того, NVIDIA представляет систему DGX B200, разработанную для различных задач искусственного интеллекта на базе архитектуры Blackwell, обеспечивающую производительность искусственного интеллекта на уровне 144 петафлопс и расширенные сетевые возможности. Обе системы поставляются с корпоративным программным обеспечением NVIDIA для искусственного интеллекта и экспертной поддержкой. Они будут доступны у глобальных партнеров NVIDIA позже в этом году.
NVIDIA представляет сетевые коммутаторы серии X800
NVIDIA представляет сетевые коммутаторы серии X800: Quantum-X800 InfiniBand и Spectrum-X800 Ethernet, обладающие непревзойденной сквозной пропускной способностью 800 Гбит/с, что имеет важное значение для обработки искусственного интеллекта и вычислительных нагрузок. Эти коммутаторы значительно ускоряют работу приложений искусственного интеллекта, облачных вычислений и HPC, особенно в ЦОД, использующих новые продукты на базе архитектуры Blackwell. Microsoft Azure, Oracle Cloud Infrastructure и Coreweave являются первыми компаниями, которые внедряют эти передовые сетевые решения, подчеркивая важность надежных сетей для масштабирования инфраструктуры искусственного интеллекта.
Quantum-X800
Платформа Quantum-X800 устанавливает новый стандарт с пятью кратно большей пропускной способностью и девятью кратно большими вычислительными возможностями внутри сети по сравнению с предыдущим поколением, в то время как Spectrum-X800 оптимизирует производительность сети для облаков искусственного интеллекта и предприятий, обеспечивая изоляцию производительности в многопользовательских средах. NVIDIA предоставляет комплексную поддержку программного обеспечения, включая библиотеку коллективных коммуникаций, что повышает программируемость сети и эффективность работы. Quantum-X800 и Spectrum-X800 будут доступны у различных поставщиков инфраструктуры по всему миру в следующем году, включая Dell Technologies, Lenovo и Hewlett Packard Enterprise.
Microsoft и NVIDIA расширяют сотрудничество
На GTC Microsoft и NVIDIA объявили о расширении сотрудничества и интеграции технологий искусственного интеллекта и Omniverse от NVIDIA в Microsoft Azure, Azure AI и Microsoft 365. Это включает внедрение NVIDIA Grace Blackwell GB200 и Quantum-X800 InfiniBand в Azure для передовых моделей искусственного интеллекта. Партнерство также охватывает здравоохранение, где Azure и NVIDIA DGX Cloud используются для стимулирования инноваций. В Microsoft Azure будут размещены облачные API NVIDIA Omniverse, обеспечивающие взаимодействие с данными и визуализацию.
Сервер логического вывода Triton поддерживает прогнозы искусственного интеллекта в Microsoft Copilot для повышения производительности в Microsoft 365. Кроме того, в Azure AI появятся микросервисы NVIDIA NIM inference, ускоряющие развертывание искусственного интеллекта за счет оптимизированного вывода данных для различных моделей.
NVIDIA представляет Omniverse Cloud API
NVIDIA представляет на GTC универсальные облачные API, расширяющие возможности своей промышленной цифровой платформы-близнеца для бесшовной интеграции в существующие программные приложения. Крупные игроки отрасли, такие как Siemens, Ansys и Cadence, используют эти API для рендеринга в реальном времени, модификации данных и совместной работы в цифровых двойных экосистемах. Siemens интегрирует облачные API Omniverse в свою платформу Xcelerator, Ansys использует их для взаимодействия данных при моделировании автономных транспортных средств, а Cadence внедряет их в свою платформу Reality Digital Twin для оптимизации центров обработки данных.
Другие партнеры, такие как Trimble, Hexagon и Rockwell Automation, используют облачные API Omniverse Cloud API для революционизации проектирования и автоматизации. Кроме того, API ускоряют автономную разработку компьютеров, позволяя проводить обучение и тестирование с использованием полного стека с помощью высокоточного моделирования датчиков. Благодаря внедрению в различных отраслях, включая WPP, медиа.Monks, как и Continental, Omniverse преобразует цифровизацию, расширяя масштабы и оптимизируя производственные рабочие
AWS и NVIDIA объявили о сотрудничестве в области генеративного искусственного интеллекта.
AWS и NVIDIA объявили о партнерстве, которое включает интеграцию новой графической платформы NVIDIA Blackwell GPU в инфраструктуру AWS. Это сотрудничество предлагает суперчипы GB200 Grace Blackwell и графические процессоры B100 Tensor Core, что расширяет возможности генеративного искусственного интеллекта. За счет объединения многоузловых систем NVIDIA с системой Nitro от AWS и сетевым адаптером Elastic Fabric Adapter (EFA), партнерство создает возможность для выполнения вывода на многотриллионных языковых моделях в реальном времени с несколькими параметрами в масштабе.
Адам Селипски, генеральный директор AWS, подчеркнул важность этого сотрудничества для развития вычислений с искусственным интеллектом. Платформа Blackwell, оснащенная GB200 NVL72 и поддерживаемая функциями AWS для работы с сетями и виртуализации, позволяет реализовывать мощные вычисления на языковых моделях в реальном времени.
AWS планирует предоставить инстансы EC2 с графическими процессорами B100 для ускорения генеративного обучения ИИ и вывода данных. Кроме того, облачные инстансы NVIDIA DGX на AWS будут поддерживать разработку передовых моделей ИИ. Меры безопасности, такие как шифрование и AWS Nitro Enclaves, обеспечивают защиту данных клиентов и весовых коэффициентов моделей.
Проект Ceiba, совместная инициатива по созданию мощного суперкомпьютера с искусственным интеллектом исключительно на AWS, направлена на продвижение различных приложений с искусственным интеллектом. Кроме того, AWS и NVIDIA сотрудничают в расширении возможностей автоматизированного поиска лекарств и запуске микросервисов с генеративным ИИ в здравоохранении, демонстрируя свою приверженность продвижению ИИ во всех отраслях.
NVIDIA запускает климатическую платформу Earth-2
NVIDIA представляет Earth-2, облачную платформу, которая направлена на компенсацию экономических потерь, вызванных экстремальными погодными условиями, связанными с изменением климата, стоимостью 140 миллиардов долларов. Earth-2 использует микросервисы NVIDIA CUDA-X и предлагает облачные API в NVIDIA DGX Cloud для моделирования погоды и климата в высоком разрешении. Благодаря использованию генеративного ИИ CorrDiff, эти симуляции позволяют создавать изображения с разрешением в 12,5 раза выше, в 1000 раз быстрее и в 3000 раз более энергоэффективно, чем текущие модели.
Центральное метеорологическое управление Тайваня планирует использовать Earth-2 для более точных прогнозов тайфунов с целью минимизации потерь за счет заблаговременной эвакуации. Кроме того, Earth-2 интегрирует NVIDIA Omniverse, что позволяет визуализировать воздействие погоды в режиме реального времени. Метеорологическая компания намерена использовать API Earth-2 для улучшения своих сервисов Weatherverse. Среди первых пользователей платформы – компании для анализа погоды, такие как Spire и Meteomatics, а также стартапы, занимающиеся разработкой климатических технологий. Earth-2 использует облачную платформу NVIDIA DGX Cloud для ускорения работы с полным стеком, обеспечивая моделирование с безупречной скоростью и масштабированием.
NVIDIA Healthcare представляет микросервисы с генеративным искусственным интеллектом
NVIDIA представляет на GTC более двух десятков медицинских микросервисов, расширяя возможности глобальных медицинских предприятий благодаря инновациям в области искусственного интеллекта, доступным на любой облачной платформе. Эти микросервисы, включая NVIDIA NIM, ускоряют поиск лекарств, медицинскую визуализацию и геномный анализ благодаря оптимизированным моделям искусственного интеллекта и рабочим процессам. Среди известных приложений – интеграция микросервисов NVIDIA BioNeMo в платформу молекулярного проектирования Cadence для разработки лекарств и развертывание медицинских агентов с генеративным искусственным интеллектом для решения конкретных задач от Hippocratic AI.
Abridge использует искусственный интеллект для создания клинических заметок, в то время как Flywheel преобразует модели в микросервисы, улучшая медицинскую визуализацию и управление данными. Эти инновации призваны революционизировать уход за пациентами и исследования в области здравоохранения, удовлетворяя важнейшие потребности отрасли и улучшая результаты. Разработчики могут получить доступ к этим микросервисам и развернуть их с помощью NVIDIA AI Enterprise 5.0 в различных сертифицированных системах и облачных платформах, способствуя широкому внедрению и интеграции в экосистеме здравоохранения.
DRIVE Thor от NVIDIA преобразует транспорт
На конференции GTC компания NVIDIA представляет централизованный автомобильный компьютер DRIVE Thor, спроектированный для использования в автопарках следующего поколения, включая электромобили, автономные грузовики и роботаксы. Используя приложения искусственного интеллекта, DRIVE Thor обещает многофункциональные кабины и безопасное автономное вождение на одной централизованной платформе. Ведущие транспортные компании, такие как BYD, Hyper и XPENG, уже внедряют DRIVE Thor для своих автопарков следующего поколения электромобилей. Кроме того, компании Nuro, Plus, Waabi и WeRide применяют его в решениях для автономного вождения грузовиков и роботакси 4-го уровня. Благодаря новой архитектуре NVIDIA Blackwell, DRIVE Thor гарантирует производительность в 1000 терафлопс, обеспечивая безопасную автономную работу.
DRIVE Thor
Oracle и NVIDIA предлагают суверенные решения в области искусственного интеллекта
Oracle и NVIDIA объединяют усилия с целью предоставления суверенных решений в области искусственного интеллекта по всему миру, помогая правительствам и предприятиям развертывать фабрики искусственного интеллекта с операционным контролем для поддержки цифрового суверенитета. Используя распределенное облако Oracle и инфраструктуру искусственного интеллекта, а также программное обеспечение NVIDIA для ускоренных вычислений и генеративного искусственного интеллекта, это сотрудничество обеспечивает возможность выполнять операции с искусственным интеллектом на местном или локальном уровне. Такие решения способствуют экономическому росту, при этом обеспечивая суверенитет данных. Ключевые предложения включают корпоративный искусственный интеллект Oracle и платформу искусственного интеллекта NVIDIA с полным стеком, которые могут быть развернуты в различных облачных регионах для миграции, модернизации и внедрения инноваций в области информационных технологий.
Организации, такие как Avaloq, TEAM IM и e & UAE, уже внедрили эти решения для цифровой трансформации и расширения возможностей искусственного интеллекта, сохраняя при этом контроль над данными. Кроме того, Oracle планирует интегрировать вычислительную платформу NVIDIA Grace Blackwell в свои OCI Supercluster и OCI Compute для повышения производительности моделей искусственного интеллекта и энергоэффективности. Сотрудничество также распространяется на NVIDIA DGX Cloud на OCI, предоставляя доступ к NVIDIA Grace Blackwell для решения энергоэффективных задач искусственного интеллекта. Таким образом, эти суверенные решения для искусственного интеллекта доступны организациям, позволяя им использовать искусственный интеллект, сохраняя при этом суверенитет данных.
Google Cloud и NVIDIA масштабируют разработку искусственного интеллекта
Google Cloud и NVIDIA углубили свое партнерство для поддержки сообщества машинного обучения (ML), упрощая разработку, масштабирование и управление генеративными приложениями искусственного интеллекта. Google объявила о внедрении новой вычислительной платформы NVIDIA Grace Blackwell с искусственным интеллектом и доступности облачного сервиса NVIDIA DGX в Google Cloud. Кроме того, Google будет использовать облачную платформу DGX на базе NVIDIA H100, которая теперь обычно доступна на виртуальных машинах Google Cloud A3.
Google Cloud & NVIDIA
SAP и NVIDIA ускоряют внедрение генеративного искусственного интеллекта
SAP SE и NVIDIA объявили о расширенном партнерстве, нацеленном на ускорение внедрения генеративного искусственного интеллекта на предприятиях и преобразование данных в облачных решениях SAP. Сотрудничество направлено на интеграцию масштабируемых возможностей генерации искусственного интеллекта для конкретного бизнеса в портфолио SAP, включая Joule Copilot, с использованием SAP Generative AI Hub.
SAP & NVIDIA
Целью этой инициативы является помощь клиентам в масштабном использовании искусственного интеллекта и углублении их понимания данных. Ключевые моменты включают создание дополнительных возможностей генерации искусственного интеллекта в SAP Business Technology Platform (SAP BTP) с использованием сервиса Foundry от NVIDIA, инновационные варианты использования с облачными решениями SAP и объединение источников данных искусственного интеллекта с SAP Datasphere. Кроме того, SAP планирует использовать корпоративное программное обеспечение NVIDIA AI для генерации искусственного интеллекта производственного уровня в своих облачных решениях. Ожидается, что эти разработки станут доступны к концу 2024 года. Чтобы получить дополнительную информацию, зрители могут посмотреть повтор основного выступления Дженсена Хуанга на GTC.
NVIDIA представляет исследовательскую облачную платформу 6G
NVIDIA представляет исследовательскую облачную платформу 6G, цель которой состоит в изменении беспроводных технологий с помощью инноваций, основанных на искусственном интеллекте. Платформа, одобренная лидерами отрасли, такими как Ansys, Samsung и Keysight, предоставляет исследователям набор инструментов для продвижения разработок в области 6G. Ключевые элементы включают Aerial Omniverse Digital Twin для моделирования, Aerial с ускорением CUDA RAN для настраиваемого тестирования сети и Sionna Neural Radio Framework для интеграции с искусственным интеллектом.
Платформа способствует конвергенции 6G и искусственного интеллекта, обещая преобразовательные возможности подключения и интеллектуальные системы. Тестированию и моделированию, которые имеют решающее значение для эволюции 6G, уделяется значительное внимание благодаря вкладам ведущих поставщиков. Исследователи могут получить доступ к платформе через программу для разработчиков NVIDIA 6G, способствующую сотрудничеству и инновациям в области беспроводных технологий.
NVIDIA вносит свой вклад в японский суперкомпьютер ABCI-Q
Компания NVIDIA объявляет, что японский суперкомпьютер ABCI-Q, созданный для продвижения национальной инициативы в области квантовых вычислений, будет использовать платформы NVIDIA для ускоренных и квантовых вычислений. ABCI-Q, оснащенный более чем 2000 графическими процессорами с тензорным ядром NVIDIA H100 и работающий на CUDA-Q, гибридной платформе квантовых вычислений с открытым исходным кодом, будет способствовать высокоточному квантовому моделированию в различных отраслях промышленности. Интегрированный с NVIDIA Quantum-2 InfiniBand, он обеспечивает масштабируемую производительность для решения самых сложных задач в области квантовых вычислений.
Ожидается, что ABCI-Q будет запущен в начале следующего года. Цель ABCI-Q заключается в продвижении исследований в области квантовых технологий и их практических применений в соответствии со стратегией Японии по изучению потенциала квантовых вычислений в области искусственного интеллекта, энергетики и биологии. Система будет поддерживать моделирование квантовых схем, квантовое машинное обучение, гибридные системы классического и квантового типа, а также разработку алгоритмов.
Компания NVIDIA запустила облачный сервис NVIDIA Quantum Cloud, предназначенный для расширения возможностей исследователей и разработчиков в области квантовых вычислений в таких научных областях, как химия, биология и материаловедение. Построенный на платформе квантовых вычислений CUDA-Q, он позволяет пользователям создавать и тестировать новые квантовые алгоритмы и приложения в облаке, включая симуляторы и инструменты для гибридного квантово-классического программирования.
Ключевые функции включают генеративный квантовый собственный преобразователь, интеграцию Classiq и QC Ware Promethium для решения сложных задач квантовой химии. У NVIDIA более 160 партнеров, интегрирующих Quantum Cloud в свои предложения, включая поставщиков облачных услуг, таких как Google Cloud и Microsoft Azure, а также ведущие квантовые компании. Ранний доступ к NVIDIA Quantum Cloud доступен для новаторов в области квантовых вычислений.
Nvidia - одна из ключевых компаний мира прямо сейчас. Существует популярное мнение, что они просто везунчики, которые всегда оказываются с нужным продуктом в нужное время. Однако, если историю развития этой компании, то станет отчетливо видно, что эти ребята умеют мастерски конкурировать, делают полезные выводы из провалов и отлично "ловят волны". Сегодня разберемся, как им это удается.
Главный секрет Nvidia в том, что её основатель ходит с стильной кожанке. Спасибо за внимание. Ладно, шучу, сейчас во всем разберемся.
Nvidia обогнала по стоимости Saudi Aramco, и теперь выше детища Дженсена Хуанга лишь Microsoft да Apple. Microsoft за последние годы ИИ-бума влезли в очень плотную зависимость от чипов Nvidia, из-за чего сейчас экстренно пилят собственную замену. Apple же слез с чипов Nvidia в 2010-х, но, уверен, у Nvidia неплохие шансы пободаться и с этим гигантом.
Возможно, кто-то спросит "Аффтар, почему ты так уверено назвал Nvidia главной компанией нашего будущего?". Отвечу: "Потому что Nvidia продает те самые пресловутые лопаты современным золотоискателям. А это самая надежная и устойчивая бизнес-стратегия независимо от эпохи и контекста".
Ладно, к делу. Изучая материалы про Nvidia, я регулярно сталкивался со следующим лейтмотивом:
"Да просто чуваки каждый раз оказывались вовремя с востребованным продуктом. Они просто крайне везучие".
Так вот, если компания умудряется несколько раз подряд оказаться с востребованным продуктом (причем, самым популярным на рынке, или одним из самых) в нужные моменты времени, то это означает, что у компании офигеть какая мощная стратегия, а СЕО - крутой визионер.
Поэтому, в этом материале я хочу не просто рассказать историю развития компании и основные этапы её развития. Но также понять, как Дженсену и ко. удавалось делать настолько верные и точные стратегические ставки. А еще, по ходу дела расскажу, что же за продукцию такую производит эта Nvidia, что на неё всегда есть устойчивый спрос в самых разных индустриях и сегментах рынка.
Disclaimer. История Nvidia - это большой и яркий путь с россыпью крутых бизнес-решений. Так что, я поделю материал на две части. Сегодня расскажу, как из небольшого перспективного "стартапа из кафешки" Nvidia превратилась в важнейшего производителя железа для современной технологических отраслей. А во второй части (coming soon) мы разберемся, как Nvidia из просто крупной и важного игрока превратилась в главную компанию будущего, которая (очень возможно), скоро станет самой дорогой корпорацией в истории.
Этап первый. Как жизнь Nvidia чуть не закончилась после первого же выпущенного чипа
Думаю, многие из вас слышали историю, как Дженсен Хуанг, Крис Малаховски и Кертис Прэм сели за столик в дешевой кафешке в Сан-Хосе и стали думать, какая технология станет the next big thing в этом мире. Еще ходит байка, что эта забегаловка была в таком суровом районе, что в её стенах зияли дырки от гангстерских пуль.
Последний факт, наверно, должен был символизировать стартаперский дух начинания, но на самом деле все трое фаундеров на тот момент уже были состоявшимися взрослыми спецами. Например, наш главный герой трудился руководителем направления в LSI Logic - довольно крупном производителе интегральных схем, а два других партнера инженерили в Sun Microsystems (эту компанию позже поглотит Oracle). В общем, ребята были весьма матерыми профи, а не какими-то оборванцами, бросившими колледж ради стартапа в гараже.
Приятели сходились во мнении, что компьютерная отрасль только набирает обороты, и что в самое ближайшее время машины будут использоваться для все более широкого спектра вычислительных задач. А значит, центральным процессорам (CPU) явно понадобится помощь. Эта помощь называется аппаратное ускорение вычисления.
В двух словах. CPU - это такой "мозг компьютера". Он обрабатывает сигналы и распределяет вычислительные команды. А теперь представьте, что вам на работе подкинули 10-20 задач одновременно. Что случится с вашим мозгом? Правильно, он "перегреется" и вы поймаете мощный приступ прокрастинации (=зависнете). То же самое и с центральным процессором компьютера, который должен выполнять все больше и больше задач одновременно.
Так вот, элементы аппаратного ускорения - это такие вспомогательные мини-мозги, призванные разгрузить основной мыслительный центр.
Без этих штук мы едва бы смогли параллельно запустить на ноутбуке несколько вкладок браузера, эксель, фотошоп, Телегу, и игру в отдельном окошке.
Кстати, на счет игр. Дженсен, Крис и Кертис не сомневались, что за аппаратным ускорением будущее. Оставалось лишь выбрать направление внутри этого тренда. Решили, что это будет гейминг. Если конкретнее, то их особенно привлекала бурно развивающаяся 3D-графика для этого самого гейминга. Продвинутый графон - это штука энергозатратная, вычислительные мощности она жрет как конь. Так что, друзья решили софкусироваться на графических процессорах (GPU).
В 1995 г. Nvidia выпустила свой первый продукт - мультимедийную видеокарту NV1.
Вот так она выглядела.
NV1 отличалась от аналогов тем, что на одной плате размещалось сразу несколько модулей - блок обработи 2D-графики, ускоритель 3D-графики, звуковая карта и порт для игрового геймпада приставки Sega Saturn. Кстати, в рамках этой карты Nvidia сотрудничала с Sega, что позволило портировать некоторые популярные эксклюзивы для этой консоли на ПК.
Нужно отметить, что Nvidia - это fabless (=fabricless) company, т.е. компания без своего производства. По сути, это просто конструкторское бюро. Очень большое и крутое конструкторское бюро! Они всего лишь (ну, если сравнивать с полноценной сборкой) придумывают и разрабатывают свои технологии и продукты, а непосредственной изготовкой занимаются подрядчики по контракту. Например, первый чип NV1 для Nvidia производила компания SGS Thomson-Microelectronics на своем заводе во Франции. Сейчас, конечно, у Nvidia есть кое-какие собственные производственные мощности, но львиная доля производства все равно происходит на стороне - например, с помощью тайваньских компаний.
В итоге NV1 стал прорывом и принес компании известность... хотелось бы мне написать. Но нет, он провалился! Да-да, история третьей по стоимости компании в мире началась с провала.
Дело в том, что NV1 был больше всего заточен на игровую консоль Sega. А в те годы происходит бум ПК-гейминга. Большинство ПК же работает на операционной системе Microsoft. NV1 вышел в мае 1995, а уже в сентября Microsoft представил свой API под названием DirectX.
Если упрощенно, DirectX - это специальный модуль, позволяющий разработчикам задействовать все мощности железа без написания специального кода под каждый элемент комплектующих.
Помните, большинство игрух на ПК в конце 1990-х и начале 2000-х требовали вместе с установкой самой игры поставить DirectX?
Так вот, принцип ускорения графики у чипсета NV1 принципиально расходился с таковым у DirectX. Следовательно, первый продукт Nvidia оказался принипицально несовместим с подавляющим большинством игр, которые геймеры ставили на ПК!
А учитывая, что в создание NV1 стартап бахнул почти все первые привлеченные инвестиции (первый раунд был 10 миллионов долларов - довольно серьезная сумма по тем временам), это был epic fail. Хуангу даже пришлось сократить половину сотрудников, которых к тому моменту уже успели нанять... Был момент, когда у Nvidia хватало денег всего лишь на один месяц зарплат. Тогда родился негласный девиз компании: "У нас есть всего лишь 30 дней, чтобы продолжать делать бизнес".
Так что, да, в начале своего пути сооснователи получили довольно мощный апперкот от жестоких реалий рыночной экономики.
Впрочем, Nvidia сделала правильные выводы. С пор они редко промахивались с трендами рынка, особенно в сегменте ПК.
Интересный факт. Первые годы у Nvidia не было названия. В рабочих переписках компания называла свои первые продукты "NV" - Next Version. Ну типа, новая версия этих ваших видеокарт. Когда компания развилась до такого масштаба, что без названия уже было сложно, основатели решили открыть словарь и найти что-то прикольное из похожего на NV. В итоге остановились на слове "'invidia"', что на латыни значит... "зависть". Да-да, тот самый дух неуёмной конкурентной борьбы, который позже проявился в схватках с 3dfx, ATI, AMD и другими крутыми компаниями.
Этап второй. Первый большой успех и победа над Voodoo
Есть такой миф, что Nvidia придумала видеокарты. На самом деле, это не так. Первый графический видеоадаптеры с поддержкой 3D-графики еще в бородатом 1982 году запилила IBM. Чуть позже многие другие компании выпустили свои версии. Однако первые версии были очень дорогими и не слишком производительными. В общем, узкоспециализированная история для избранных.
Действительно массовые, доступные, универсальные и широкосовместимые 3D-видеокарты появились во второй половине девяностых. Первый образец выпустила та же IBM в 1995 г., был еще чипсет S3 ViRGE от компании S3 Graphics (сейчас принадлежит тайваньской HTC). Еще было сразу несколько популярных моделей от компании Matrox, да и японцы из Yamaha тоже что-то делали... В общем, хотя океан еще не был алым, он уже стремительно краснел.
В 1996 г. на рынок выбрасывается сразу несколько успешных моделей, но настоящий прорыв происходит, когда компания 3dfx выпускает свой 3D-ускоритель под названием Voodoo Graphics.
3dfx специализировалась на графике для игровых автоматов, и их чип выдавал скорость и качество рендера, близкое к автоматам. Тогда это была вершина крутости. К тому же, их карты хорошо совмещались с ПК-играми.
Справа - графон в Quake 1 на чипсете Voodoo, слева - без оного. Как говорится, почувствуйте разницу.
Короче говоря, это был очень крутой 3D-ускоритель, который быстро завоевал популярность. Сначала среди производителей видеокарт, а позже и среди геймдев-компаний, которые целенаправленно начали оптимизировать графон своих проектов под него.
В 1998 г. 3dfx выпустила чипсет Voodoo2, который был еще производительнее первой версии. И вот с этой штукой Nvidia пришлось конкурировать. Скажу сразу, Nvidia выиграла, а позже вообще выкупила 3dfx, интегрировав к себе их наработки. Как же им это удалось?
Если вычленять самую суть, то более массовый и простой продукт победил более продвинутый. В общем, классика. Voodoo2 показывал исключительную производительность и качество текстур, к которым не могли приблизиться конкуренты. Однако Nvidia выпустил свой новый продукт - NV4, также известный как Riva TNT. Дело в том, что поверх набора ускорителей Voodoo2 нужно было отдельно прикрутить внешнюю видеокарту. А Riva TNT имела изначально встроенную видеокарту внутри своего набора (т.е. предлагала готовое решение под ключ). К тому же, Riva TNT была банально дешевле ("дешевые карты Nvidia" сейчас звучит как плохой анекдот, но тогда реально было так). Так что, Nvidia начал активно отжирать бюджетный и средний сегменты, которые благодаря растущей доступности 3D-игр росли быстрее всего.
Тем не менее, Nvidia и 3dfx активно конкурировали следующие 2-3 года. Но Дженсен Хуанг победил. Во-первых, пока у 3dfx каждый следующий чипсеть был масштабным мегапроектом, Nvidia намеренно минимизировал цикл разработки, научившись быстро выкатывать новые версии на рынок. Это позволяло еще быстрее отжимать бюджетный и средний сегмент. К тому же, Nvidia изначально заложила в конструкцию своих продуктов систему проверки чипов на брак, за счет чего у них была ниже доля неисправной продукции.
Закончилось все тем, что в 2002 г. 3dfx проиграла Дженсену Хуангу патентный спор, что окончательно добило некогда мощного игрока. В итоге Nvidia выкупила своего закадычного конкурента за 70 миллионов долларов. Первый громкий триумф.
В 1999 г. компания выпустила один из своих главных продуктов - GeForce 256, который Nvidia с гордостью называла "первым графическим процессором". На самом деле, это было не совсем так. Хотя GeForce 256 умел создавать более сложные и реалистичные трехмерные объекты за счет наложения структур, был способен обрабатывать солидный объем графических примитивов (примитивы - это простейшие объекты, из которых на экране складывается изображение), и вообще очень резво работал с графикой, он точно не был первым графическим процессором. Более того, он был даже не самым мощным в свое время. Однако, он точно выдавал оптимальную "цену-качество", а еще Nvidia весьма талантливо его пиарила (в хорошем смысле этого слова).
GeForce 256. Как говорится, найдите 10 отличий с фото NV1 выше. Но на самом деле, разница примерно как между Nokia 3310 и пятым (ну ладно, четвертым) Айфоном.
К тому моменту Nvidia уже стала крупным поставщиком графических ускорителей и видеокарт. Её выручка была в районе 200 миллионов в год, капитализация достигала 700 млн долл., а в 1999 г. компания провела IPO на NASDAQ, окончательно перестав быть стартапом.
Этап третий. Новая конкуренция на зрелом рынке
В начале 2000-х на рынке графических процессоров уже миновал этап бешеной конкуренции между кучей стартапов. Сформировались три явных лидера - Nvidia, Intel и ATI. У Nvidia и Intel было примерно по 30% рынка, у ATI - чуть меньше. Однако в 1998 г. Intel выпустил неудачный внешний ускоритель i740, так что, через некоторое время решил забить на рынок дискретных (т.е. внешних) видеокарт, состредоточившись на внутренней графике, а также других направлениях, коих у этого диверсифицированного гиганта было предостаточно.
В итоге в сегменте внешних графических модулей образовалась дуополия - Nvidia против ATI. Тут-то Дженсен Хуанг и попал в свою любимую среду ультраконкуренции. В 2000 г. ATI как раз выпустила свой самый жирный продукт, название которого вы наверняка слышали - это чипсет Radeon (сейчас это флагман компании AMD, но об этом позже).
В общем, две компании начали бодаться за самые жирные сегменты и контракты.
Сначала Nvidia стала поставщиком чипов для консоли Xbox, которую только-только начинал развивать Microsoft. Однако в дальнейшем Microsoft ушел к конкурентам из ATI. Дженсен Хуанг подумал "А чем я хуже?", и пошел к Sony с их PlayStation. Вдобавок, Nvidia стала эксклюзивным поставщиком внешних видеокарт для компов Apple. Кстати, в рамках партнерства с Sony Хуанг поступил очень мудро - Nvidia не просто продавала свои чипы, но и помогала Sony разрабатывать собственную графику для PlayStation 3 и PSP. Конечно, в перспективе Sony мог полностью перейти на свои решения, но глава Nvidia понимал, что рано или поздно это случится в любом случае (так и случилось). Так что, лучше поучаствовать в процессе, выжав из сотрудничества максимум хотя бы до создания японцами своего GPU.
Параллельно, Nvidia начала себя вести как настоящая взрослая корпорация. Она начала скупать перспективные компании и стартапы, диверсифицируя технологическую и продуктовую базу. В частности, прикупили:
Exluna - разработчика оборудования для 3D-рендеров в кино.
MediaQ - производителя чипов, которые оптимизируют работу дисплеев и аккумуляторов мобильных телефонов и прочих "беспроводных устройств".
iReady - разработчика чипов, которые "разгружали мозги" сетевого адаптера (это штука внутри компьютера, с помощью которой он ловит сеть или вайфай).
А еще, что любопытно, в 2005 г. хитрая Nvidia купила некую тайваньскую компанию ULI Electronics (сейчас она называется чуть по-другому), которая была важным поставщиком компонентов для главного конкурента - ATI. Этот удар Хуанга был крайне чувствительным для конкурента.
Второй удар по себе нанесла сама ATI. Компания продалась диверсифицированному производителю микропроцессоров AMD. В итоге ATI стала "графическим юнитом" в составе AMD, при этом лишившись большинства контрактов со своим основным потребителем - Intel (ведь AMD - это уже прямой конкурент Intel, а не какой-то там поставщик графических чипов). Угадайте, кому после этого достались безхозные контракты от Intel?
В итоге получилась очень характерная ситуация. С одной стороны, огромный процессорный холдинг купил главного конкурента Nvidia (а также, соответственно, их главный продукт - чип Radeon). С другой стороны, сама Nvidia активно диверсифицировалась, скупала компании в смежных сегментах и готовилась играть по-крупному. Все это предзнаменовало главное противостояние в сегменте графики, рендеров, процессоров и всего что с этим связано - Nvidia vs AMD ("зеленые" против "красных").
Классическое противостояние, которое идет уже почти 20 лет. Иногда еще сюда добавляют Intel, но Intel - это все же прямой конкурент для AMD. Для Nvidia Intel и конкурент, и партнер и покупатель одновременно.
Кстати, есть версия, что AMD сначала хотели купить Nvidia, но Дженсен Хуанг их послал. Этот хитрый CEO что-то знал уже тогда.
Этап четвертый. Первые ростки в направлении ИИ
Середина 2000-х. Nvidia - уже совсем серьезная корпорация, зарабатывающая по 200-300 миллионов баксов за квартал.
В 2007 г. компания выпускает свой, возможно, самый важный продукт. Очень вероятно, что именно он открыл ей путь к нынешним триллионам. Он назывался CUDA (Compute Unified Device Architecture). CUDA - это GPGPU (General-purpose computing on graphics processing units). И здесь я остановлюсь подробнее.
Дженсен Хуанг понимал, что одними ускорениями графона и рендерами сыт не будешь. Так что, Nvidia выпустил, скажем так, адаптер (ну или прееходник), который позволял задействовать мощности большинства своих графическиих чипов для обработки математических вычислений, алгоритмов и прочих веселых штук, которыми занимаются разработчики самых продвинутых технологий.
Проще говоря, с помощью CUDA разрабы смогли делать запросы на упрощенных диалектах языков C, С++ и Fortran, которые обрабатывались прямо на мощностях чипов Nvidia. Позже прикрутили еще Python, MATLAB и другие популярные языки.
Отдельно выделю крайне удачное решение добавить язык Fortran. С одной стороны, этот язык сложно назвать самым популярным для разработки (видели хоть один войтивайтишный курс про Фортран?). С другой стороны, он считается "высоким языком", на котором программисты-ученые любят вести научные изыскания. В том числе, именно Fortran стал одним из ключевых языков для ранних наработок в области искусственного интеллекта и машинного обучения (есть версия, что это вообще первый язык для ИИ).
Таким образом, помимо очевидного стимулирования спроса на чипы, успешный выпуск CUDA, вероятно, стал фундаментом (или хотя бы первым кирпичиком) для лидерства компания в вычислительных мощностях для искусственного интеллекта.
Интересный факт. В 2012 г. прошел ImageNet Large Scale Visual Recognition Challenge - крупный конкурс, где разработчики соревновались, чья технология круче всех распознает разные картинки. Лучший результат показала нейронная модель AlexNet, которая обучалась через мощности графических чипов Nvidia с помощью CUDA. Тогда окончательно стало ясно, что графические чипы в целом и Nvidia в частности ой как пошумят по мере развития ИИ. Кстати, одним из создателей AlexNet был Илья Сутцкевер, который теперь нам известен как сооснователь OpenAI и один из самых важных людей в мире современных технологий.
Молодые Илья Сутцкевер и Алекс Крижевский, а также уже солидный Джеффри Хинтон (один из самых видных ученых в области deep learning) работают над AlexNet.
Этап пятый. Новые вызовы и работа с рисками
В конце 2000-х Nvidia продолжила усиленную диверсификацию. В частности, был куплен Ageia - разработчик движка PhysX, который позволяет моделировать и разрабатывать симуляции физических явлений. PhysX - крайне важная штука для гейминга, которую активно используют Unreal Engine, Unity и другие игровые движки. Он стал весьма важным продуктом для компании.
Однако, к началу 2010-х перед Nvidia встал серьезный вызов - стремительно набирал обороты сегмент интегрированной (внутренней) графики. Это означало, что диверсифицированный крупняк вроде Intel, Sony, Microsoft, Apple и прочих становились гораздо более самостоятельными в плане работе с графическими задачами. Если в 2007 г. Intel контролировал 30% рынка графики, то к началу 2010-х - уже более половины, и продолжал усиливать свои позиции за счет поглощения целой россыпи мелких производителей.
Позиции основного бизнеса Nvidia (дискретных, т.е. "встраиваемых", решений для графики) оказались под серьезной угрозой. К тому же, в 2008 г. Nvidia выпустила большую партию чипов с дефектами, которые отгрузили Apple, Dell, HP и другим крупным ребятам. В итоге Nvidia получила серьезный репутационный ущерб, а еще пришлось раскошелиться на компенсации.
Нужно было что-то менять. В первую очередь - еще активнее диверсифицироваться, чтобы сделать бизнес-модель прочной и устойчивой.
Действовать решили по всем фронтам:
Радикально усилили чипы и прочие вычислительные продукты для игр на ПК и консоли.
Активно пошли в мобильный сегмент. Еще в 2007 г. Nvidia купила разработчика системных чипов PortalPlayer. В 2010-х на основе технологий PortalPlayer была выпущена серия процессоров (не GPU, а полноценных CPU) для мобильных устройств под названием Tegra (их еще называют "кристаллы"). Правда, на мой взгляд, Nvidia слегка промахнулась с операционной системой, ведь большинство Tegra применялось в смарфтонах и планшетах на Windows. Впрочем, это сейчас мы видим, что мобильные потуги Microsoft оказались провалом, а в начале 2010-х это была весьма перспективная история с неплохой долей рынка. Так что, бизнес Nvidia неплохо на этом вырос. Даже CEO Microsoft Сатья Наделла недавно признавался, что сворачивание мобильного бизнеса Microsoft было главной стратегической ошибкой компании.
Nvidia даже отважилась на нетипичный для себя эксперимент - выпустила собственную портативную игровую консоль Nvidia Shield Portable:
Заряженная тем самым процессором Tegra. Работала на ОС Windows.
Вообще, консоль Shield - это крайне нетипичный продукт для Nvidia. Компания всегда отличалась высокой прагматичностью при выборе конфигурации продуктов и оценке будущего спроса, всегда стараясь сделать относительно доступный продукт, который найдет отклик у массовой аудитории. Но тут получилось с точностью до наоборот. Shield стоила дороже аналогов, а игр для неё было крайне мало (хотя Nvidia даже запилила собственную платформу для разработки). Так что, хотя эксперты и игровые издания хвалили консоль за весьма недурную графику и производительность, особой популярности продукт не сыскал. Что ж, видимо, если умеешь производить чипы и процессоры, то не стоит лезть в истории про платформы и пользовательские девайсы.
Еще Nvidia начал активничать в сегменте автомобильной электроники. В том числе, в области начинки для беспилотного управления.
Но про это я расскажу во второй части. Как и про конкуренцию с AMD, качели из-за криптомайнинга, партнерства с китайцами и, собственно, путь к триллионной капитализации за счет лидерства в ИИ в последние годы. Там много интересных историй. А на сегодня хватит.
Если эта статья круто зайдет, то я быстрее сяду за вторую часть. Так что, если вам понравилось, то можете подкинуть мне дополнительной мотивации в виде плюсов, комментов и репостов статьи друзьям.
Если вам заходит такой контент, то подпишитесь на мои тг-каналы. Мне будет приятно, а вы найдете там еще больше подобного:
На своем основном канале Дизраптор я простым человечьим языком разбираю инновации, технологические продукты и знаковые компании (а еще анонсирую все свои статьи, чтобы вы ничего не пропустили).
А на втором канале под названием Фичизм более точечно пишу про новые фичи и функции продвинутых компаний и сервисов.
Несмотря на то что Nvidia является лидером рынка ИИ ускорителей, AMD также производит конкурентоспособные решения под названием Radeon Instinct. В данном случае речь идёт о MI300X.
Из-за тотального беспредела Дженсена Хуанга aka Куртки и дефицита карточек для нейросетей, крупные игроки рынка, такие как IBM и Oracle заинтересовались ускорителями Radeon Instinct MI300X от AMD.
Скорее всего свободные производственные мощности AMD распределит для производства новых ИИ ускорителей, ведь сейчас рынок нейросетей испытывает самый настоящий бум "майнинга" и приносит сумасшедшие прибыли производителям видеокарт.
Очень хотелось бы увидеть MI300X в десктопном исполнении аля Radeon VII, но так как спрос на такие видеочипы сумасшедший, да и ценник откровенно шизофренический - увы, это маловероятно.
(Рейтер) Разработчик чипов Nvidia Corp заявила в среду, что официальные лица США приказали ей прекратить экспортировать в Китай два лучших вычислительных чипа для работы с искусственным интеллектом. бизнес в стране.
Объявление сигнализирует о серьезной эскалации подавления США технологических возможностей Китая, поскольку напряженность в отношении судьбы Тайваня, где производятся чипы для Nvidia и почти всех других крупных производителей чипов, нарастает.
Официальные лица США заявили, что новое правило «устранит риск того, что продукты могут быть использованы или перенаправлены для «военного конечного использования» или «военного конечного пользователя» в Китае».
Противостояние Запада и России в телеграм "Бизнес-войны"
