Nvidia ამერიკული ნახევარგამტარული კომპანიაა, რომელიც აპროექტებს გრაფიკულ პროცესორებს (GPU) — ჩიპებს, რომლებიც ასრულებენ ხელოვნური ინტელექტის ვარჯიშისა და გაშვების უმეტეს გამოთვლით სამუშაოს. კომპანია თავად არ აწარმოებს ჩიპებს (ეს დავალებული აქვს ისეთ ფაუნდრებს, როგორიც TSMC-ია) და არც AI მოდელებს ქმნის. ის უზრუნველყოფს აპარატურულ და პროგრამულ ფენას, რომელზეც თითქმის ყველა AI ლაბორატორია, ღრუბლოვანი პროვაიდერი და სტარტაპი დგას — სწორედ ამიტომ, ერთი კომპანიის პროდუქტების გრაფიკს შეუძლია ბაზრების და საერთაშორისო სავაჭრო პოლიტიკის ცვლილება.
გრაფიკული ბარათებიდან AI ინფრასტრუქტურამდე
Nvidia 1993 წელს დააარსეს ჯენსენ ჰუანგმა, კრის მალახოვსკიმ და კარტის პრიემმა, თამაშებისთვის 3D გრაფიკის ამსახველი ჩიპების შესაქმნელად. მისი GeForce ხაზი, რომელიც 1999 წელს გამოვიდა, განსაზღვრავს თანამედროვე GPU-ს არსს: პროცესორი, რომელიც შექმნილია ერთდროულად ათასობით მარტივი გამოთვლის შესასრულებლად, ერთი რთული გამოთვლის ნაცვლად, როგორც ეს CPU-ს ახასიათებს. ეს არქიტექტურა ზუსტად ის აღმოჩნდა, რაც AI-ს სჭირდება — მოდელის წვრთნა თუ პასუხის გენერირება იმავე ტიპის მასობრივად განმეორებად არითმეტიკას მოითხოვს, რასაც პიქსელების დახატვა, უბრალოდ 3D სცენის ნაცვლად ნეირონულ ქსელზე გამოყენებულს.
გადასვლა თამაშებიდან AI აპარატურაზე შემთხვევითობა არ ყოფილა. 2006 წელს Nvidia-მ გამოუშვა CUDA — პროგრამული პლატფორმა, რომელმაც პროგრამისტებს საშუალება მისცა, თავიანთი GPU-ებისთვის დაეწერათ ზოგადი დანიშნულების კოდი, მხოლოდ გრაფიკული ინსტრუქციების ნაცვლად. წლების განმავლობაში CUDA მკვლევართა ვიწრო წრის ინსტრუმენტი იყო. როცა 2010-იანების დასაწყისში ღრმა სწავლება აღმავლობას ერთხმად, სწორედ ეს მკვლევრები წერდნენ თავიანთ სავარჯიშო კოდს CUDA-ზე, და Nvidia-ს GPU-ები თითქმის ავტომატურად გახდა AI კვლევის ნაგულისხმევი აპარატურა.
რატომ დგას AI ინდუსტრია Nvidia-ს ჩიპებზე
დღეს Nvidia-ს მონაცემთა ცენტრის GPU-ები — რომლებიც ისეთი სახელებით იყიდება, როგორიცაა Hopper და Blackwell — არის ის ჩიპები, რომლებზეც დიდი AI ლაბორატორიები წვრთნიან წამყვან მოდელებს, ხოლო ღრუბლოვანი პროვაიდერები აქირავებენ მათი გასაშვებად. ორი ფაქტორი ინარჩუნებს Nvidia-ს წინსვლას ისეთი კონკურენტების წინაშე, როგორებიცაა AMD და საკუთარი დანიშნულებისთვის Google-ის, Amazon-ისა და Meta-ს მიერ შექმნილი ჩიპები:
- CUDA-ს ეკოსისტემა. თითქმის ორი ათწლეულის განმავლობაში დაგროვილი ბიბლიოთეკები, ხელსაწყოები და გაწვრთნილი დეველოპერები CUDA-ს ირგვლივ არის აგებული. კონკურენტის ჩიპზე გადასვლა ხშირად ნიშნავს პროგრამული უზრუნველყოფის ხელახლა დაწერასა და ოპტიმიზაციას — დანახარჯი, რომლის თავიდან აცილებასაც AI გუნდების უმეტესობა ამჯობინებს.
- ქსელი და მეხსიერება, არა მხოლოდ გამოთვლა. თანამედროვე მოდელების წვრთნა ათასობით GPU-ს ერთმანეთთან დაკავშირებას მოითხოვს, რომ ისინი ერთ მანქანად იმუშაონ. Nvidia-ს NVLink ინტერკონექტები და GPU-ების მაღალი სიჩქარის მეხსიერება ზუსტად ამ ამოცანისთვისაა შექმნილი.
შედეგად, ინდუსტრიის შეფასებების უმეტესობის მიხედვით, Nvidia მსოფლიოში AI-ის წვრთნისა და ინფერენსისთვის გამოყენებული GPU-ების სამი მეოთხედზე მეტს აწვდის — კონცენტრაცია, რომელიც უჩვეულოა კრიტიკული ტექნოლოგიური ინფრასტრუქტურისთვის.
რა ბოთლის ყელს ქმნის ეს
ვინაიდან AI ინდუსტრიის დიდი ნაწილი ერთ მომწოდებელზეა დამოკიდებული, Nvidia-ს წარმოების მოცულობა, ფასები და საექსპორტო უფლებამოსილება მთელი დარგისთვის თითქმის ვიწრო ყელის ფუნქციას ასრულებს. როცა Nvidia-ს მიწოდება იზღუდება, AI ლაბორატორიები აჭიანურებენ წვრთნის ციკლებს. როცა მთავრობა ზღუდავს, რომელი Nvidia ჩიპების გაყიდვა შეიძლება რომელ ქვეყანაში, ეს ცვლის იმას, თუ ვის შეუძლია საერთოდ წამყვანი AI-ის შექმნა — დინამიკა, რომელიც უფრო დეტალურად განხილულია ჩვენს მასალებში ნახევარგამტარულ ფაუნდრებზე და AI-ის საექსპორტო კონტროლზე. სწორედ ამიტომ Meta, Google, Amazon და სხვები დიდ ინვესტიციებს დებენ საკუთარი AI ჩიპების შემუშავებაში — არა იმისთვის, რომ მთლიანად ჩაანაცვლონ Nvidia, არამედ იმისთვის, რომ შეამცირონ ერთ მომწოდებელზე დამოკიდებულება.
სიახლეებში
Meta-ს მცდელობა, შექმნას საკუთარი AI ჩიპი, კოდური სახელით Iris, სწორედ ამ დამოკიდებულებაზე პირდაპირი პასუხია — ჩვენი მასალა Meta-ს საკუთარი ჩიპის გეგმებზე განმარტავს, რატომ ცდილობს Meta-ს მასშტაბის კომპანიაც კი შეამციროს დამოკიდებულება Nvidia-ს GPU-ებზე.
ხშირად დასმული კითხვები
აწარმოებს თუ არა Nvidia AI მოდელებს, როგორიცაა ChatGPT ან Claude? არა. Nvidia აწარმოებს ჩიპებსა და პროგრამულ უზრუნველყოფას, რომელსაც AI ლაბორატორიები საკუთარი მოდელების წვრთნისა და გასაშვებად იყენებენ; ის უშუალოდ არ ეჯიბრება სამომხმარებლო ჩატბოტების შექმნაში.
ერთადერთი კომპანიაა თუ არა Nvidia, რომელიც AI ჩიპებს აწარმოებს? არა, მაგრამ ის ყველაზე დიდია. AMD ყიდის კონკურენტ GPU-ებს, ხოლო Google, Amazon და Meta თავიანთი მონაცემთა ცენტრებისთვის საკუთარ ჩიპებს ქმნიან — თუმცა ჯერჯერობით ვერცერთი მათგანი ვერ უტოლდება Nvidia-ს ერთობლივ წილს AI-ის წვრთნისა და ინფერენსის აპარატურაში.
რატომ ვერ გადადიან AI ლაბორატორიები იაფ ჩიპებზე? ზოგი გადადის, კონკრეტული ამოცანებისთვის, მაგრამ მათი არსებული პროგრამული უზრუნველყოფის უმეტესობა დაწერილი და ოპტიმიზირებულია Nvidia-ს CUDA პლატფორმისთვის, ამიტომ გადასვლას აპარატურის ფასის გარდა რეალური საინჟინრო დანახარჯიც ახლავს.
წყაროები: Nvidia — ვიკიპედია; CUDA — ვიკიპედია; Nvidia-ს Blackwell არქიტექტურის პროდუქტის გვერდი (nvidia.com).