یک پیشرفت بزرگ در سال 2012 رخ داد، زمانی که محققان از پردازنده‌های گرافیکی برای دستیابی به دقت انسانی در کارهایی مانند تشخیص گربه در تصویر استفاده کردند – پیشروی پیشرفت‌های اخیر مانند تولید تصاویر از پیام‌های متنی.

انویدیا با تبدیل “همه جنبه های شرکت ما برای پیشرفت این حوزه جدید” پاسخ داد.

تلاشی که شرکت تخمین زد بیش از 30 میلیارد دلار در طول یک دهه هزینه داشته است، Nvidia را بیش از یک تامین کننده قطعات تبدیل کرد. علاوه بر همکاری با دانشمندان برجسته و استارت آپ ها، این شرکت تیمی را ایجاد کرد که مستقیماً در A.I شرکت می کند. فعالیت‌هایی مانند ایجاد و آموزش مدل‌های زبان.

اخطار قبلی درباره آنچه A.I. پزشکان به رهبری Nvidia نیاز دارند تا لایه های زیادی از نرم افزارهای کلیدی را فراتر از CUDA توسعه دهد. این شامل صدها قطعه کد از پیش ساخته شده به نام کتابخانه است که در کار برنامه نویسان صرفه جویی می کند.

در سخت افزار، انویدیا به دلیل ارائه مداوم تراشه های سریعتر هر چند سال یکبار شهرت پیدا کرد. در سال 2017، آن ​​را بهینه سازی پردازنده های گرافیکی برای مدیریت A.I خاص آغاز کرد. محاسبات.

در همان سال، انویدیا، که معمولا تراشه‌ها یا بردهای مدار را برای سیستم‌های شرکت‌های دیگر می‌فروخت، همچنین شروع به فروش رایانه‌های کامل برای انجام A.I کرد. وظایف کارآمدتر برخی از سیستم‌های آن اکنون به اندازه ابررایانه‌ها هستند که با استفاده از فناوری شبکه اختصاصی و هزاران GPU آنها را جمع‌آوری و کار می‌کند. چنین سخت افزاری ممکن است هفته ها برای آموزش آخرین A.I کار کند. مدل‌ها.

آقای هوانگ در مصاحبه گفت: «این نوع محاسبات به شما اجازه نمی‌دهد فقط یک تراشه بسازید و مشتریان از آن استفاده کنند. “شما باید کل مرکز داده را بسازید.”

سپتامبر گذشته، انویدیا از تولید تراشه‌های جدیدی به نام H100 خبر داد که آن‌ها را برای به اصطلاح ترانسفورماتور ارتقا داده است. عملیات معلوم شد که چنین محاسباتی پایه‌ای برای سرویس‌هایی مانند ChatGPT است که باعث شده است آنچه آقای هوانگ «لحظه آیفون» مولد A.I می‌نامد.

تا نفوذ خود را بیشتر کند. انویدیا همچنین اخیراً با شرکت های بزرگ فناوری همکاری کرده و در A.I با مشخصات بالا سرمایه گذاری کرده است. استارت آپ هایی که از تراشه های آن استفاده می کنند. یکی Inflection AI، که در ماه ژوئن 1.3 میلیارد دلار بودجه از Nvidia و دیگران اعلام کرد. این پول برای کمک به خرید 22000 تراشه H100 استفاده شد.

مصطفی سلیمان، مدیر اجرایی Inflection، گفت که هیچ اجباری برای استفاده از محصولات انویدیا وجود ندارد، اما رقبا پیشنهاد می کنند هیچ جایگزین مناسبی وجود ندارد او گفت: «هیچ یک از آنها نزدیک نمی شوند.

انویدیا همچنین اخیراً پول نقد و H100 های کمیاب را برای راه اندازی سرویس های ابری، مانند CoreWeave، که به شرکت ها اجازه می دهد زمان اجاره کنند، هدایت کرده است. به جای خرید کامپیوترهای خود. CoreWeave که سخت افزار Inflection را اداره می کند و بیش از 45000 تراشه انویدیا دارد، در این ماه 2.3 میلیارد دلار بدهی جمع کرد تا به خرید بیشتر کمک کند.

با توجه به تقاضا برای تراشه های آن، Nvidia باید تصمیم بگیرد که چه کسی چند عدد از آنها را دریافت می کند. این قدرت برخی از مدیران فناوری را ناآرام می کند.

“این واقعا مهم است که سخت افزار به گلوگاهی برای A.I تبدیل نشود. Clément Delangue، مدیر اجرایی Hugging Face، یک مخزن آنلاین برای مدل‌های زبان که با Nvidia و رقبای آن همکاری می‌کند، گفت.

بعضی رقبا گفتند رقابت با شرکتی که کامپیوتر، نرم‌افزار، خدمات ابری می‌فروشد و A.I آموزش می‌دهد، سخت است. مدل‌ها و همچنین پردازنده‌ها.

اندرو فلدمن، مدیر اجرایی Cerebras، استارت آپی که A.I را توسعه می دهد. تراشه ها.

اما تعداد کمی از مشتریان حداقل به صورت عمومی شکایت می کنند. حتی گوگل که شروع به ایجاد A.I رقیب کرد. تراشه‌های بیش از یک دهه پیش، برای برخی از کارهای خود به پردازنده‌های گرافیکی انویدیا متکی است.

تقاضا برای تراشه‌های خود Google «بسیار فوق‌العاده» است، معاون رئیس Google، امین وحدت، گفت: و مدیر کل زیرساخت های محاسباتی. اما، او افزود، “ما واقعاً از نزدیک با Nvidia کار می کنیم.”

انویدیا درباره قیمت‌ها یا سیاست‌های تخصیص تراشه صحبت نمی‌کند، اما مدیران و تحلیلگران صنعت گفتند که هر H100 15000 دلار قیمت دارد. به بیش از 40000 دلار، بسته به بسته بندی و عوامل دیگر – تقریباً دو تا سه برابر بیشتر از تراشه قبلی A100.

قیمت “جایی است که انویدیا چیزهای زیادی را در آن جا گذاشته است. دیوید براون، نایب رئیس واحد ابر آمازون، با این استدلال که هوش مصنوعی خود را دارد، گفت: فضایی برای رقابت سایر افراد وجود دارد. تراشه‌ها در مقایسه با تراشه‌های انویدیا که از آن استفاده می‌کند، مقرون به صرفه هستند.

آقای. هوانگ گفت که عملکرد بیشتر تراشه های او باعث صرفه جویی در پول مشتریان شده است. او گفت: “اگر بتوانید زمان آموزش را در یک مرکز داده 5 میلیارد دلاری به نصف کاهش دهید، پس انداز بیشتر از هزینه تمام تراشه ها است.” “ما کم هزینه ترین راه حل در جهان هستیم.”

او همچنین شروع به تبلیغ محصول جدیدی به نام Grace Hopper کرده است که پردازنده‌های گرافیکی را با ریزپردازنده‌های داخلی و تراشه‌های مقابله با آن ترکیب می‌کند. که رقبا می گویند برای اجرای A.I از انرژی بسیار کمتری استفاده می کنند. خدمات.

با این وجود، رقابت بیشتر اجتناب ناپذیر به نظر می رسد. آقای رائو که استارت آپش اخیرا توسط دیتا و A.I خریداری شده است، گفت: یکی از امیدوارکننده ترین شرکت کنندگان در این مسابقه، یک پردازنده گرافیکی است که توسط Advanced Micro Devices فروخته شده است. شرکت DataBricks.

لیزا سو، مدیر اجرایی AMD، گفت: “مهم نیست که چگونه کسی بخواهد بگوید همه چیز تمام شده است، همه چیز تمام نشده است.” p class=”css-798hid etfikam0″>کید متز در گزارش مشارکت کرد.