Główne źródło sukcesu: chipy dla centrów danych
Obecnie, z kapitalizacją rynkową przekraczającą 2,3 biliona dolarów, Nvidia jest trzecią najcenniejszą firmą na świecie, wyprzedzając gigantów technologicznych takich jak Alphabet i Amazon.
Głównym motorem imponującego wzrostu finansowego były chipy Nvidia przeznaczone dla centrów danych, które w pierwszym kwartale przyczyniły się do ponad czterokrotnego wzrostu przychodów. Ten wzrost odzwierciedla również najnowszy trend w technologii: intensywne inwestycje firm technologicznych w szkolenie sztucznej inteligencji.
Mimo że główni rywale Nvidii, Intel i AMD, a także Google i Meta, oferują alternatywne chipy, żaden z nich nie może równać się z wydajnością Nvidii. Firma ma niemal monopol na rynku chipów do centrów danych. Jednak w obliczu rosnącej konkurencji i niedoborów chipów utrzymanie tej dominacji może być trudne.
Początki Nvidii i jej droga do sukcesu
Pomysł na Nvidię narodził się w restauracji Denny's w Kalifornii, gdzie w wieku 15 lat pracował Jensen Huang, amerykański imigrant z Tajwanu. Przed założeniem Nvidii Huang wykonywał różne skromne prace, w tym mycie naczyń i czyszczenie toalet. Huang, który kieruje Nvidią od ponad 31 lat i jest najdłużej urzędującym dyrektorem generalnym w świecie technologii, nie boi się swojego doświadczenia zawodowego i przypisuje je swojej silnej etyce pracy.
W 1993 roku Huang spotkał się z Chrisem Malachowskim i Curtisem Priemem w Denny's, aby omówić stworzenie chipa, który umożliwiłby realistyczną grafikę 3D na komputerach osobistych. Tam trzej współzałożyciele rozpoczęli swoją podróż. Pierwszy chip firmy, NV1, został wypuszczony na rynek w 1995 roku. Był to akcelerator multimedialny, który łączył możliwości grafiki 2D i 3D z obsługą dźwięku. Jednak chip próbował zrobić zbyt wiele rzeczy i nie udało mu się pozyskać wielu płacących klientów. W tym czasie firma prawie zbankrutowała i musiała zwolnić prawie połowę pracowników. Po nieudanej premierze NV1, po której nastąpiło bliskie bankructwo, w 1997 r. firma wypuściła na rynek procesor graficzny z serii RIVA, model 128, który był pierwszym produktem firmy, który odniósł duży sukces.
Riva 128 była czterokrotnie szybsza niż jakikolwiek inny procesor graficzny. W 1999 roku firma wprowadziła GeForce 256 – pierwszą linię słynnych kart graficznych wraz z określeniem „procesor graficzny”, którego branża używa do dziś. Chociaż układy GeForce firmy Nvidia są nadal szeroko stosowane w najnowszych komputerach do gier, procesory graficzne dla graczy stanowią zaledwie około 1/10 całkowitych przychodów firmy, a lwia część pochodzi z centrów danych.
Rosnąca konkurencja w branży AI
Doświadczenie Nvidii w tworzeniu procesorów graficznych dla graczy z pewnością przyczyniło się do tego, że stała się ona potęgą w szkoleniu AI. W przeciwieństwie do jednostek centralnych, które mogą wykonywać miliardy obliczeń pojedynczo, procesory graficzne mogą wykonywać wiele mniejszych zadań jednocześnie. Proces ten nazywany jest przetwarzaniem równoległym. Był to jeden z kluczowych czynników, który sprawił, że procesory graficzne nadawały się do programowania oprogramowania AI.
Jednak ten „szczęśliwy zbieg okoliczności” to tylko niewielka część sukcesu. Prawdziwym powodem, dla którego Nvidia była w stanie zdominować rynek szkoleń AI i ma taką przewagę nad konkurencją, jest to, że firma zaczęła się do tego przygotowywać 17 lat temu. Nvidia zaczęła ulepszać swoje chipy i czynić je bardziej odpowiednimi do szkolenia AI, kiedy nikt nie mówił o AI.
W 2014 roku wprowadziła na rynek Tesla K80, pierwszy procesor graficzny do szkolenia sztucznej inteligencji dla centrów danych. Wykonanie sprzętu było tylko jedną częścią sukcesu. W 2006 roku firma uruchomiła CUDA – platformę obliczeń równoległych i model programowania wykorzystujący moc akceleratorów GPU. CUDA umożliwia programistom wykorzystanie możliwości przetwarzania równoległego procesorów graficznych Nvidia w celu przyspieszenia aplikacji wykraczających poza grafikę, takich jak symulacje naukowe i sztuczna inteligencja.
Bez oprogramowania nie byłoby sukcesu
Podczas wywiadu na scenie podczas imprezy Stripe Huang powiedział, że bez oprogramowania Nvidia nie odniosłaby takiego sukcesu. Dzięki wieloletniemu doświadczeniu w tworzeniu sprzętu do szkolenia AI Nvidia zdobyła know-how, więc kiedy rozpoczął się boom na sztuczną inteligencję, miała dokładnie to, czego potrzebowały firmy.
Według niemieckiej firmy IoT Analytics Nvidia ma obecnie 92% udziału w rynku procesorów graficznych dla centrów danych. Podczas gdy Nvidia jest gotowa na kolejną fazę wzrostu, konkurencja na rynku szkoleń AI zaostrza się. Nikt nie chce być zależny od jednego dostawcy i czekać miesiącami na sprzęt do szkoleń AI w tak szybko zmieniającej się dziedzinie.
W kwietniu Google i Meta ogłosiły także nowe wewnętrzne chipy do szkolenia sztucznej inteligencji. Chociaż pozostają w tyle za Nvidią, ich chipy mają jedną zaletę – ich sprzęt można specjalnie dostosować do modeli AI. Z biegiem czasu bogaci giganci technologiczni na pewno się poprawią. Niektóre z największych firm technologicznych, w tym Meta, Google i Microsoft, przyczyniają się do rozwoju oprogramowania wydanego przez Open AI o nazwie Triton. Triton został zaprojektowany do tworzenia oprogramowania uruchamiającego kod na szerokiej gamie chipów AI i byłby konkurentem CUDA.
Intel i AMD, główni konkurenci Nvidii, próbują nadrobić zaległości. W zeszłym miesiącu Intel ogłosił swój najnowszy chip Gaudi, który według firmy może zapewnić średnio o 50% lepsze wnioskowanie i średnio o 40% lepszą wydajność energetyczną niż Nvidia H100 – za ułamek ceny. Startupy oferują również obiecujące żetony. Cerebras Systems wprowadziła niedawno CS-3, który według firmy może zapewnić dwukrotnie większą prędkość i moc niż H100 firmy Nvidia przy tej samej cenie.
W przyszłości wzrośnie również konkurencja ze strony chińskich producentów. Huawei oferuje do szkolenia AI swoje chipy Ascend AI, które obecnie ustępują zachodnim firmom. Jednak dzięki miliardom dolarów zainwestowanym w przemysł półprzewodników sytuacja prawdopodobnie ulegnie poprawie. Na razie Nvidia ma zasadniczą przewagę nad konkurentami: lata doświadczenia i know-how. Nie wiadomo, czy uda się utrzymać prowadzenie.
