Utic @Gulnar_Amirgaly

#Nvidia #Amd

Чипы искусственного интеллекта Nvidia, также известные как графические процессоры (gpu) или "акселераторы", изначально были разработаны для видеоигр. Они используют параллельную обработку, разбивая каждое вычисление на более мелкие куски, а затем распределяя их между несколькими "ядрами" - мозгами процессора - в чипе. Это означает, что gpu может выполнять вычисления гораздо быстрее, чем если бы он выполнял задачи последовательно. Этот подход идеально подходит для игр: для реалистической графики требуется бесчисленное количество пикселей для одновременного отображения на экране. Высокопроизводительные чипы Nvidia теперь составляют четыре пятых игровых gpu.

К счастью для Nvidia, ее чипы нашли гораздо более широкое применение: майнинг криптовалют, беспилотные автомобили и, самое главное, обучение моделей искусственного интеллекта. Алгоритмы машинного обучения, которые лежет в основе искусственного интеллекта, используют отрасль глубокого обучения, называемую искусственными нейронными сетями. В этих сетях компьютеры извлекают правила и шаблоны из массивных наборов данных. Обучение сети включает в себя крупномасштабные вычисления, но поскольку задачи могут быть разбиты на более мелкие куски, параллельная обработка является идеальным способом ускорения процесса. Высокопроизводительный gpu может иметь более тысячи ядер, поэтому он может обрабатывать тысячи вычислений одновременно.

Как только Nvidia поняла, что ее ускорители очень эффективны в обучении моделей искусственного интеллекта, она сосредоточилась на их оптимизации для этого рынка. Его чипы не отстают от все более сложных моделей искусственного интеллекта: за десятилетие до 2023 года Nvidia увеличила скорость своих вычислений в 1000 раз.

Но растущая оценка Nvidia не только из-за более быстрых чипов. Его конкурентное преимущество распространяется на две другие области. Один из них - нетворкинг. По мере того, как модели иИ продолжают расти, управляющие ими центры обработки данных нуждаются в тысячах gpu, связанных вместе, чтобы увеличить вычислительную мощность (большинство компьютеров используют всего несколько). Nvidia подключает свой gpus через высокопроизводительную сеть, основанную на продуктах от Mellanox, поставщика сетевых технологий, которые она приобрела в 2019 году за 7 миллиардов долларов. Это позволяет оптимизировать производительность своей сети чипов таким образом, чтобы конкуренты не могли сравниться.

Другой сильной стороной Nvidia является cuda, программная платформа, которая позволяет клиентам точно настраивать производительность своих процессоров. Nvidia инвестирует в это программное обеспечение с середины 2000-х годов и уже давно призывает разработчиков использовать его для создания и тестирования приложений искусственного интеллекта. Это сделало это де-факто отраслевым стандартом.

Сочная прибыль Nvidia и быстрый рост рынка ускорителей искусственного интеллекта, который, по прогнозам, достигнет 400 миллиардов долларов в год к 2027 году, привлекли конкурентов. Amazon и Alphabet создают чипы Ai для своих центров обработки данных. Другие крупные производители чипов и стартапы также хотят части бизнеса Nvidia. В декабре 2023 года Advanced Micro Devices, еще один производитель чипов, представил чип, который по некоторым показателям примерно в два раза мощнее самого продвинутого чипа Nvidia.

Но даже создания лучшего оборудования может быть недостаточно. Nvidia доминирует в производстве чипов, потому что она предлагает лучшие чипы, лучший сетевой комплект и лучшее программное обеспечение. Любой конкурент, надеющийся вытеснить полупроводникового гиганта, должен будет победить его во всех трех областях. Это будет сложная задача.

966 viewsedited 17:46