NVIDIA - أول شركة في تاريخ صناعة الرقائق تجاوزت رأسمالها التريليون دولار. ما هو سر النجاح؟
أنا متأكد من أن الكثير منكم قد سمع عن الشركة NVIDIA ومعظمكم يربطها على وجه التحديد بمعالجات الرسوميات، لأن عبارة "NVIDIA GeForce" سمعه الجميع تقريبًا.
NVIDIA صنع مؤخرًا تاريخًا ماليًا في صناعة تكنولوجيا المعلومات. وهي أول شركة دوائر متكاملة تجاوزت قيمتها السوقية تريليون دولار. وهي أيضًا الشركة الخامسة ذات الصلة بالتكنولوجيا في التاريخ التي تحقق مثل هذا النجاح الكبير (من حيث القيمة السوقية). في السابق، كان الناس فقط هم الذين يمكنهم التفاخر بمثل هذا التصنيف العالي Apple, Microsoftوألفابت (مالكة جوجل) وأمازون. ولهذا السبب يطلق عليه الممولين أحيانًا اسم "نادي الأربعة"، والذي تم توسيعه الآن NVIDIA.
بالإضافة إلى ذلك ، من حيث القيمة السوقية ، فهي متأخرة كثيرًا عن AMD و Intel و Qualcomm وشركات التكنولوجيا الأخرى. لم يكن هذا ممكناً لولا السياسة الحكيمة للشركة ، التي تم تقديمها قبل عقد من الزمن.
اقرأ أيضا: هل هناك مستقبل لـ TruthGPT لإيلون ماسك؟
الطلب لا يصدق على NVIDIA H100 الموتر الأساسية
ما سر هذه الزيادة في الرسملة؟ بادئ ذي بدء، هذا هو رد فعل البورصة على نجاح الشريحة NVIDIA H100 Tensor Core، الذي يزداد الطلب عليه بين كبار مقدمي البنية التحتية السحابية والخدمات عبر الإنترنت. يتم شراء هذه الرقائق بواسطة Amazon وMeta و Microsoft (لاحتياجاتها الخاصة واحتياجات شريكها - شركة OpenAI). وهي موفرة للطاقة بشكل خاص في تسريع العمليات الحسابية النموذجية للذكاء الاصطناعي التوليدي، مثل ChatGPT أو Dall-E. هذه قفزة مذهلة من حيث الحجم للحوسبة المتسارعة. نحصل على أداء غير مسبوق وقابلية للتوسع وأمان لأي عبء عمل NVIDIA وحدة معالجة الرسوميات الأساسية H100 Tensor.
باستخدام نظام التبديل NVIDIA يمكن توصيل NVLink بما يصل إلى 256 وحدة معالجة رسومات H100 لتسريع أعباء العمل على نطاق واسع. تشتمل وحدة معالجة الرسومات أيضًا على محرك محول مخصص لحل نماذج اللغة بتريليونات من المعلمات. يمكن للابتكارات التكنولوجية المدمجة في H100 تسريع نماذج اللغات الكبيرة (LLMs) بمقدار 30 مرة مقارنة بالجيل السابق، مما يوفر الذكاء الاصطناعي للمحادثة الرائد في الصناعة. يعتبره المطورون مثاليًا تقريبًا للتعلم الآلي.
ومع ذلك، فإن H100 لم يظهر من العدم. وفي الحقيقة، إنها ليست ثورية بشكل خاص. NVIDIA، مثل أي شركة أخرى، تستثمر موارد ضخمة في الذكاء الاصطناعي لسنوات عديدة. ونتيجة لذلك، يمكن لشركة مرتبطة بشكل أساسي بالعلامة التجارية لبطاقة الرسومات GeForce أن تتعامل مع السوق الاستهلاكية وكأنها هواية تقريبًا. وهذا يبني قوة حقيقية في سوق عمالقة تكنولوجيا المعلومات، بعد كل شيء NVIDIA يمكن بالفعل التحدث معهم على قدم المساواة.
مثير للاهتمام أيضًا: ما هي شبكات 6G ولماذا هناك حاجة إليها؟
هل الذكاء الاصطناعي هو المستقبل؟
اليوم، الجميع تقريبا مقتنعون بهذا، حتى الخبراء المتشككين في هذا المجال. لقد أصبحت الآن تقريبًا بديهية، وحقيقة بديهية. بالرغم من NViDIA عرفت عن ذلك منذ 20 عاما. هل فاجأتك؟
من الناحية الفنية، أول اتصال وثيق NVIDIA حدث مع الذكاء الاصطناعي في عام 1999، عندما ظهر معالج GeForce 256 في السوق، وهو قادر على تسريع حسابات التعلم الآلي. لكن NVIDIA بدأت الاستثمار بجدية في الذكاء الاصطناعي فقط في عام 2006، عندما قدمت بنية CUDA، والتي سمحت باستخدام قدرات المعالجة المتوازية لمعالجات الرسومات للتدريب والبحث.
ما هو كودا؟ من الأفضل تعريفه على أنه منصة الحوسبة المتوازية وواجهة برمجة التطبيقات (API) التي تسمح للبرنامج باستخدام وحدات معالجة الرسومات للأغراض العامة (GPGPUs). يُطلق على هذا النهج اسم الحوسبة ذات الأغراض العامة على وحدات معالجة الرسومات. بالإضافة إلى ذلك ، CUDA عبارة عن طبقة برمجية توفر وصولاً مباشرًا إلى مجموعة التعليمات الافتراضية وعناصر الحوسبة المتوازية لمعالج الرسومات. إنه مصمم للعمل مع لغات البرمجة مثل C و C ++ و Fortran.
إن إمكانية الوصول هذه هي التي تسهل على المطورين المتوازيين الاستفادة من موارد وحدة معالجة الرسومات، على عكس واجهات برمجة التطبيقات السابقة مثل Direct3D وOpenGL، والتي تتطلب مهارات برمجة رسومات متقدمة.
كان الإنجاز المهم هو توفير الشركة NVIDIA قوة الحوسبة لشبكة AlexNet العصبية الرائدة. إنها شبكة عصبية تلافيفية (CNN)، طورها الأوكراني أليكس كريزيفسكي بالتعاون مع إيليا سوتزكيفر وجيفري جينتون.
لطالما كانت الشبكات العصبية التلافيفية (CNN) هي النموذج المفضل للتعرف على الأشياء - فهي نماذج قوية يسهل التحكم فيها ويسهل تدريبها. لا يعانون من فرط التخصيص إلى أي حد ينذر بالخطر عند استخدامها على ملايين الصور. أداؤهم مطابق تقريبًا للشبكات العصبية القياسية للتغذية الأمامية من نفس الحجم. المشكلة الوحيدة هي أنه من الصعب تطبيقها على الصور عالية الدقة. تطلب حجم ImageNet ابتكارات يمكن تحسينها لوحدات معالجة الرسومات وتقليل وقت التدريب مع تحسين الأداء.
في 30 سبتمبر 2012، شاركت AlexNet في تحدي التعرف البصري على نطاق واسع من ImageNet. حققت الشبكة درجة 15,3% في اختبار الأخطاء الخمسة الأوائل، أي أقل بنسبة 10,8% من نتيجة المركز الثاني.
كان الاستنتاج الرئيسي من العمل الأصلي هو أن تعقيد النموذج كان بسبب أدائه العالي ، والذي كان أيضًا مكلفًا للغاية من الناحية الحسابية ، ولكنه أصبح ممكنًا باستخدام وحدات معالجة الرسومات (GPUs) أثناء عملية التدريب.
تتكون الشبكة العصبية التلافيفية AlexNet نفسها من ثماني طبقات ؛ الخمسة الأولى عبارة عن طبقات تلافيفية ، يسبق بعضها طبقات متقاربة إلى أقصى حد ، والأخيرة عبارة عن طبقات متصلة بالكامل. تنقسم الشبكة ، باستثناء الطبقة الأخيرة ، إلى نسختين ، تعمل كل منهما على وحدة معالجة رسومات واحدة.
وهذا هو، وذلك بفضل NVIDIA ولا يزال معظم الخبراء والعلماء يعتقدون أن AlexNet هو نموذج قوي بشكل لا يصدق قادر على تحقيق دقة عالية في مجموعات البيانات المعقدة للغاية. AlexNet هي البنية الرائدة لأية مهمة للكشف عن الكائنات ويمكن أن يكون لها تطبيقات واسعة جدًا في قطاع رؤية الكمبيوتر لمشاكل الذكاء الاصطناعي. وفي المستقبل، قد يتم استخدام AlexNet أكثر من CNN في مجال التصوير.
مثير للاهتمام أيضًا: ظاهرة البلوز: ما نوع الخدمة وهل هي لفترة طويلة؟
الذكاء الاصطناعي ليس فقط في المختبرات ومراكز البيانات
В NVIDIA شهدت آفاقًا كبيرة للذكاء الاصطناعي أيضًا في تقنيات الأجهزة الاستهلاكية وإنترنت الأشياء. في حين أن المنافسين قد بدأوا للتو في التفكير في الاستثمار على نطاق أوسع في نوع جديد من الدوائر المتكاملة، NVIDIA تعمل بالفعل على التصغير الخاصة بهم. وربما تكون شريحة Tegra K1، التي تم تطويرها بالتعاون مع شركة Tesla وشركات السيارات الأخرى، ذات أهمية خاصة.
يعد معالج Tegra K1 من أوائل المعالجات NVIDIA، مصمم خصيصًا لتطبيقات الذكاء الاصطناعي في الأجهزة المحمولة والمدمجة. يستخدم Tegra K1 نفس بنية GPU مثل سلسلة بطاقات وأنظمة الرسومات NVIDIA GeForce وQuadro وTesla، والتي توفر أداءً عاليًا وتوافقًا مع معايير الرسومات والحوسبة مثل OpenGL 4.4 وDirectX 11.2 وCUDA 6.5 وOpenCL 1.2. وبفضل هذا، يمكن لمعالج Tegra K1 دعم خوارزميات الذكاء الاصطناعي المتقدمة مثل الشبكات العصبية العميقة، والتعلم المعزز، والتعرف على الصور والكلام، وتحليل البيانات. يحتوي Tegra K1 على 192 نواة CUDA.
في عام 2016 NVIDIA أصدرت سلسلة من معالجات باسكال المحسنة لدعم الشبكات العصبية العميقة ونماذج الذكاء الاصطناعي الأخرى. وفي غضون عام، ظهرت في السوق سلسلة من معالجات فولتا للتطبيقات المتعلقة بالذكاء الاصطناعي، والتي تعتبر أكثر كفاءة وموفرة للطاقة. في عام 2019 NVIDIA تشتري شركة Mellanox Technologies، الشركة المصنعة لشبكات الكمبيوتر عالية الأداء لمراكز البيانات وأجهزة الكمبيوتر العملاقة.
ونتيجة لذلك، فإنهم جميعًا يستخدمون المعالجات NVIDIA. في السوق الاستهلاكية، على سبيل المثال، يستخدم اللاعبون خوارزمية إعادة بناء الصور الثورية DLSS، والتي تتيح لهم الاستمتاع برسومات أكثر وضوحًا في الألعاب دون إنفاق الكثير من المال على بطاقة الرسومات. في سوق الأعمال، من المسلم به أن الرقائق NVIDIA بعدة طرق تتجاوز ما يقدمه المنافسون. على الرغم من أن الأمر لا يعني أن Intel و AMD نامتا تمامًا خلال الثورة الفكرية.
مثير للاهتمام أيضًا: أفضل الأدوات المعتمدة على الذكاء الاصطناعي
Intel و AMD في مجال الذكاء الاصطناعي
دعونا نتحدث عن المنافسين المباشرين NVIDIA في هذا القطاع من السوق. تعمل Intel و AMD هنا بشكل أكثر نشاطا، ولكن مع تأخير طويل.
استحوذت إنتل على العديد من شركات الذكاء الاصطناعي مثل Nervana Systems و Movidius و Mobileye و Habana Labs لتعزيز محفظتها من تقنيات وحلول الذكاء الاصطناعي. تقدم إنتل أيضًا أنظمة أساسية للأجهزة والبرامج للذكاء الاصطناعي ، مثل معالجات Xeon و FPGAs وشرائح NNP ومكتبات التحسين. تعمل إنتل أيضًا مع شركاء من القطاعين العام والخاص لتعزيز الابتكار والتعليم في مجال الذكاء الاصطناعي.
قامت AMD بتطوير سلسلة من معالجات Epyc وبطاقات الرسومات Radeon Instinct المُحسّنة لتطبيقات الذكاء الاصطناعي والتعلم العميق. تعمل AMD أيضًا مع شركات مثل Google، MicrosoftوIBM وAmazon، لتوفير الحلول السحابية للذكاء الاصطناعي. تسعى AMD أيضًا إلى المشاركة في أبحاث وتطوير الذكاء الاصطناعي من خلال الشراكات مع المؤسسات الأكاديمية والمنظمات الصناعية. كل شيء على ما يرام، رغم ذلك NVIDIA لقد سبقتهم بالفعل بفارق كبير، ونجاحها في مجال تطوير ودعم خوارزميات الذكاء الاصطناعي أكبر بما لا يقاس.
مثير للاهتمام أيضًا: ملخص مؤتمر Google I/O 2023: Android 14، بكسل والكثير من الذكاء الاصطناعي
NVIDIA لقد ارتبطت بألعاب الفيديو لعقود من الزمن
ولا ينبغي أن ننسى هذا أيضًا. NVIDIA لا تقدم الشركة توزيعًا دقيقًا لإيراداتها بين الأسواق الاستهلاكية وأسواق الأعمال، ولكن يمكن تقديرها بناءً على القطاعات التشغيلية التي تفصح عنها الشركة في بياناتها المالية. NVIDIA يفصل بين أربعة قطاعات تشغيلية: الألعاب، والتصور الاحترافي، ومراكز البيانات، والسيارات.
يمكن افتراض أن قطاع الألعاب يركز بشكل أساسي على السوق الاستهلاكية ، حيث يشمل بيع بطاقات الفيديو GeForce وشرائح Tegra لوحدات التحكم في الألعاب. يركز قطاع التصور الاحترافي بشكل أساسي على سوق الأعمال ، حيث يشمل بيع بطاقات الفيديو Quadro وشرائح RTX لمحطات العمل والتطبيقات الاحترافية. يركز قسم مركز البيانات أيضًا بشكل أساسي على سوق الأعمال ، حيث يشمل بيع وحدات معالجة الرسومات ووحدات المعالجة العصبية (أي رقائق الجيل التالي - لم تعد وحدات معالجة الرسومات ، ولكنها مصممة حصريًا للذكاء الاصطناعي) للخوادم والخدمات السحابية. يستهدف قطاع السيارات كلاً من أسواق المستهلكين والأعمال ، حيث يشمل مبيعات أنظمة Tegra و Drive للإعلام والترفيه والقيادة الذاتية.
وبناء على هذه الافتراضات، يمكن تقدير حصة الإيرادات من الأسواق الاستهلاكية وأسواق الأعمال في إجمالي الإيرادات NVIDIA. وبحسب التقرير المالي الأخير لعام 2022، فقد ارتفعت إيرادات الشركة NVIDIA حسب القطاعات التشغيلية كانت كما يلي:
- الألعاب: 12,9 مليار دولار
- التصور الاحترافي: 1,3 مليار دولار
- مراكز البيانات: 9,7 مليار دولار
- السيارات: 0,8 مليار دولار
- جميع القطاعات الأخرى: 8,7 مليار دولار
إجمالي الدخل NVIDIA بلغت 33,4 مليار دولار، وإذا افترضنا أن قطاع السيارات منقسم بالتساوي تقريباً بين السوق الاستهلاكية وسوق الأعمال، فيمكن حساب النسب التالية:
- الدخل من السوق الاستهلاكية: (12,9 + 0,4) / 33,4 = 0,4 (40٪)
- الدخل من سوق الأعمال: (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60٪)
وهذا يعني أن حوالي 40٪ من الدخل NVIDIA يأتي من السوق الاستهلاكية، وحوالي 60% من سوق الأعمال. أي أن الاتجاه الرئيسي هو قطاع الأعمال. لكن صناعة الألعاب تحقق أيضًا دخلاً جيدًا. الشيء الأكثر أهمية هو أنها تنمو كل عام.
مثير للاهتمام أيضًا: يوميات رجل عجوز غاضب: Bing vs Google
ماذا سيجلب لنا المستقبل؟
من الواضح أن NVIDIA هناك بالفعل خطة للمشاركة في تطوير خوارزميات الذكاء الاصطناعي. وهي أوسع بكثير وأكثر واعدة من أي من منافسيها المباشرين.
فقط في الشهر الماضي NVIDIA أعلنت عن العديد من الاستثمارات الجديدة في الذكاء الاصطناعي. إحداها هي آلية GET3D، القادرة على توليد نماذج معقدة ثلاثية الأبعاد لأشياء وشخصيات مختلفة تعكس الواقع بأمانة. يمكن لـ GET3D إنشاء حوالي 20 كائنًا في الثانية باستخدام شريحة رسومات واحدة.
تجدر الإشارة أيضًا إلى مشروع آخر مثير للاهتمام. نبذة عن Israel-1 هو حاسوب عملاق لبرامج الذكاء الاصطناعي NVIDIA تم إنشاؤه بالتعاون مع وزارة العلوم والتكنولوجيا في إسرائيل وشركة Mellanox. ومن المتوقع أن يتمتع الجهاز بأكثر من 7 بيتافلوب من قوة الحوسبة ويستخدم أكثر من 1000 وحدة معالجة رسوميات. NVIDIA A100 الموتر الأساسية. وسيتم استخدام "إسرائيل-1" للبحث والتطوير في مجالات مثل الطب والأحياء والكيمياء والفيزياء والأمن السيبراني. وهذه بالفعل استثمارات رأسمالية واعدة جدًا، نظرًا لآفاقها على المدى الطويل.
وأيضا هناك بالفعل مشروع آخر - NVIDIA بارِع. إنها تقنية جديدة تهدف إلى إحداث ثورة في صناعة الألعاب من خلال السماح للاعب بالتفاعل مع شخصية غير لاعب (NPC) بطريقة طبيعية وواقعية. ستكون هذه الشخصيات قادرة على إجراء حوار مفتوح مع اللاعب والتفاعل مع عواطفه وإيماءاته وحتى التعبير عن مشاعره وأفكاره. NVIDIA يستخدم ACE نماذج لغة متقدمة ومولدات صور تعتمد على الذكاء الاصطناعي.
أول تريليون دولار في NVIDIA. ويبدو أنه سيكون هناك المزيد قريبا. سنحرص على متابعة التقدم الذي تحرزه الشركة وإعلامك بذلك.
اقرأ أيضا: