7 dejstev o Nvidii: čipi, konkurenca in kapitalski premiki

Po silovitem vzponu delnic, zaradi katerega je Nvidia za kratek čas postala najbolj vredno podjetje na svetu, so vlagatelji vse bolj previdni pri dodatnem vlaganju v proizvajalca čipov. Zavedajo se namreč, da uvajanje računalništva z umetno inteligenco ne bo potekalo po enosmerni poti in da ne bo temeljilo izključno na tehnologiji podjetja Nvidia.

Za zdaj ostaja Nvidia vodilni dobavitelj osnovne strojne opreme v 'zlati mrzlici' umetne inteligence. Prihodki še naprej močno rastejo, naročila za serijo čipov Hopper in njenega naslednika, serijo Blackwell, pa so na rekordni ravni.

 

 

Nadaljnji uspeh podjetja bo odvisen od tega, ali bodo Microsoft, Google in drugi tehnološki velikani našli dovolj komercialnih primerov uporabe umetne inteligence, da bodo lahko unovčili ogromna vlaganja v čipe Nvidie. Tudi če jim to uspe, ni jasno, koliko najzmogljivejših in najdonosnejših čipov bo sploh potrebnih: januarja je kitajski startup DeepSeek predstavil AI-model, za katerega trdi, da dosega enako raven zmogljivosti kot modeli velikih ameriških podjetij, a je za razvoj porabil bistveno manj sredstev.

Po objavi znanstvenega članka, v katerem je DeepSeek podrobno opisal zmogljivosti svojega modela in način njegovega nastanka, je tržna vrednost Nvidie padla za 589 milijard dolarjev – kar je največja izguba vrednosti podjetja v enem dnevu v zgodovini. Do sredine maja je delnica večino izgubljene vrednosti že nadoknadila.

Pripravili smo pregled, kaj poganja izjemno rast Nvidie in s kakšnimi izzivi se podjetje sooča.

Kateri so najbolj priljubljeni AI-čipi podjetja Nvidia?

Trenutno največ prihodkov prinaša Hopper H100, poimenovan po pionirki računalništva Grace Hopper. Gre za nadgrajeno različico grafičnega procesorja (GPU), ki izvira iz osebnih računalnikov in je bil prvotno namenjen igralcem videoiger. Hopperja zdaj na vrhu linije postopno nadomešča nova serija čipov Blackwell, poimenovana po matematiku Davidu Blackwellu.

Tako Hopper kot Blackwell vključujeta tehnologijo, ki omogoča, da gruče računalnikov s čipi Nvidia delujejo kot enotna celota – s sposobnostjo obdelave ogromnih količin podatkov in izjemno hitrim računskim delovanjem. Zaradi tega sta idealna za energetsko zahtevno nalogo učenja nevronskih mrež, ki poganjajo najnovejšo generacijo produktov umetne inteligence.

Nvidia, ustanovljena leta 1993, je to področje začela razvijati že pred več kot desetletjem, ko je stavila na to, da bo paralelno računalništvo nekoč postalo ključno tudi zunaj sveta iger. Podjetje iz Santa Clare v Kaliforniji bo izdelke Blackwell ponujalo v različnih konfiguracijah, tudi kot del superčipa GB200, ki združuje dva Blackwell GPU-ja in en Grace CPU – procesor splošnega namena, prav tako poimenovan po Grace Hopper.

Zakaj so čipi Nvidia za umetno inteligenco posebni?

Generativne AI-platforme se nalog, kot so prevajanje besedil, povzemanje poročil in generiranje slik, učijo s pomočjo obdelave ogromnih količin že obstoječih podatkov – več kot 'vidijo', bolje delujejo. Razvijajo se s postopki preizkušanja in napak, kar pomeni milijarde poskusov in velikanske zahteve po računalniški moči.

Po podatkih podjetja Blackwell pri učenju AI-modelov doseže 2,5-krat boljšo zmogljivost kot Hopper. Novi čip vsebuje tolikšno število tranzistorjev – drobnih stikal, ki procesorjem omogočajo obdelavo informacij –, da ga ni mogoče izdelati kot enoten kos. Pravzaprav gre za dva čipa, povezana v eno funkcionalno enoto, ki delujeta usklajeno kot celota.

Za podjetja, ki hitijo s treniranjem svojih AI-sistemov za nove naloge, je zmogljivost Hopperja in Blackwella ključna. Ti čipi so tako strateško pomembni, da je ameriška vlada omejevala njihovo prodajo Kitajski.

Kako je Nvidia postala vodilna na področju umetne inteligence?

Nvidia je že prej dominirala na področju grafičnih čipov – to so komponente, ki ustvarjajo slike na zaslonih računalnikov. Najzmogljivejši med njimi imajo na tisoče procesorskih jeder, ki lahko hkrati obdelujejo več tokov podatkov. To jim omogoča ustvarjanje kompleksnih 3D-upodobitev, kot so sence in odsevi v sodobnih videoigrah.

Inženirji pri Nvidii so že na začetku tretjega tisočletja ugotovili, da je mogoče te grafične pospeševalnike prilagoditi za druge namene. Raziskovalci na področju umetne inteligence so medtem spoznali, da lahko prav s tovrstnimi čipi svoje delo končno prenesejo iz teorije v prakso.

Bloomberg

Kaj počne konkurenca podjetja Nvidia?

Po podatkih analitskega podjetja IDC Nvidia obvladuje približno 90 odstotkov trga podatkovno-centričnih grafičnih procesorjev (GPU). Vodilni ponudniki oblačnega računalništva in hkrati ključni kupci Nvidie – kot so Amazonov AWS, Google Cloud (Alphabet) in Microsoftov Azure – zato razvijajo lastne čipe, prav tako pa to počneta neposredna konkurenta AMD (Advanced Micro Devices) in Intel.

Na sejmu Computex v Tajvanu maja letos je Nvidia nakazala, da je pripravljena prilagoditi svojo strategijo glede na to, da si nekateri njeni kupci prizadevajo razviti lastne ključne komponente. Izvršni direktor Jensen Huang je napovedal, da bo Nvidijin NVLink, visokozmogljivi komunikacijski sistem, ki povezuje ključne čipe znotraj strežnikov, po novem odprt tudi za izdelke drugih proizvajalcev. Prej je bila ta tehnologija namenjena izključno Nvidijinim lastnim procesorjem in pospeševalnim enotam. Kljub tem pobudam pa razvoj alternativnih čipov za zdaj ni resno ogrozil prevlade Nvidie.

Kako Nvidia ohranja prednost pred konkurenti?

Nvidia posodablja svojo ponudbo – vključno s programsko opremo, ki podpira strojno opremo – z izjemnim tempom, ki mu drugi proizvajalci trenutno ne sledijo. Podjetje je razvilo tudi t. i. gručne sisteme, ki strankam omogočajo skupinski nakup in hitro uvedbo čipov H100 v podatkovnih centrih.

Čeprav procesorji, kot je Intelov Xeon, omogočajo zahtevno obdelavo podatkov, imajo manj jeder in so počasnejši pri nalogah, kot je treniranje AI-modelov, ki zahtevajo obdelavo velikanskih količin informacij. Intel, ki je nekoč prevladoval na trgu komponent za podatkovne centre, se še vedno trudi razviti pospeševalnike, ki bi jih kupci raje izbrali kot Nvidijine rešitve.

Kakšno je trenutno povpraševanje po čipih za umetno inteligenco?

Izvršni direktor Jensen Huang in njegova ekipa vztrajno poudarjajo, da ima podjetje več naročil, kot jih lahko izpolni, celo za starejše modele čipov. Microsoft, Amazon, Meta in Google so napovedali, da bodo skupaj v umetno inteligenco in podatkovne centre vložili več sto milijard dolarjev. A v zadnjem času so se pojavila ugibanja, da se zagon okoli podatkovnih centrov za AI vendarle že nekoliko umirja. Microsoft je v več delih sveta zmanjšal obseg projektov podatkovnih centrov, kar je sprožilo širša vprašanja, ali si podjetja dolgoročno zagotavljajo več kapacitet za AI, kot jih bodo dejansko potrebovala.

Zakaj je kitajski startup DeepSeek sprožil toliko pozornosti?

Objava novega odprtokodnega modela DeepSeek R1 je konkurenco spravila v tekmo zaradi vprašanja, kako je startupu uspelo doseči rezultate, primerljive z ameriškimi velikani, pri čemer je porabil le delček njihovih sredstev.

DeepSeek svoj AI-model prilagaja z dejanskimi vhodnimi podatki iz sveta, kar pomeni, da se zanaša na t. i. inferenčni pristop – ta je manj zamuden in manj podatkovno zahteven kot umetno učenje na velikih količinah podatkov, kot ga uporabljajo drugi. Nvidia, ki lahko zaradi teh premikov največ izgubi, je model DeepSeek označila kot "odličen napredek na področju umetne inteligence" – in pri tem poudarila, da je bil dosežen brez kršenja ameriških izvoznih omejitev.

Te namreč prepovedujejo izvoz najnaprednejših Nvidijinih čipov na Kitajsko, zato je bila izjava podjetja namenjena tudi pomirjanju dvomov nekaterih analitikov, ki so sumili, da bi lahko DeepSeek do preboja prišel z nezakonitim dostopom do tehnologije. Kljub temu Nvidia poudarja, da bodo njeni čipi ostali ključni, tudi če se pristopi k razvoju AI-modelov spremenijo. "Inferenca zahteva veliko količino Nvidijinih GPU-jev in visokozmogljivo omrežno infrastrukturo," so zapisali v podjetju.

Trenutno ni komentarjev za novico. Bodi prvi, ki bo komentiral ...

Pusti komentar