CUDA w Nvidia 

W 1993 roku Jen-Hsun Huang, współzałożyciel Nvidia pewnie nie spodziewał się, że jego firma będzie kluczowym elementem dzisiejszej rewolucji technologicznej. Nvidia jednak nie stała się gigantem nagle, pozycja, którą spółka zdobywała przez lata była budowana stopniowo. Oczywiście ważnymi elementami były szczęście i odpowiedni czas. Kluczowe jest jednak to, że spółka ta odpowiada za fundamenty rozwoju AI, bo tworzy infrastrukturę technologiczną – materialną część technologii.  

Taka strategia rzeczywiście była opłacalna, od stycznia 2023 roku cena akcji producenta chipów wzrosła o ponad 400 proc. Wycena firmy przekroczyła już 2 biliony USD. O sukcesie świadczą też przychody, które w ostatnim kwartale wyniosły 22 miliardy USD, w porównaniu z 6 miliardami USD w tym samym okresie ubiegłego roku. Nvidia dominuje na rynku specjalistycznych chipów AI, dosłownie kontroluje większość rynku i nie wypuszcza go z rąk. Procesory graficzne, które tworzy Nvidia szybko znalazły wykorzystanie poza grami, wydobywanie kryptowalut, budowa samochodów autonomicznych, szkolenie modeli AI, każdy z tych obszarów wymaga nowych i wydajnych chipów. 

Nie można powiedzieć, że Nvidia zauważyła potencjał w rynku AI stosunkowo niedawno, przeciwnie, już w 2012 roku firma zaprezentowała pierwszą serię kart graficznych Tesla. Karty te były przystosowane do obsługi algorytmów machine learning. To był znaczący krok do rozwoju ekosystemu AI przez spółkę, badacze, pionierzy i fascynacji technologii powoli zaczęli utożsamiać spółkę z dobrym kumplem, który pomaga napędzać i badać niezgłębiony obszar AI. Prawdziwym cudem była inna technologia spółki… CUDA (Compute Unified Device Architecture), umożliwiającej programistom korzystanie z mocy obliczeniowej kart graficznych w sposób bardziej efektywny niż kiedykolwiek wcześniej.Stała aktualizacja architektury GPU (Graphics Processing Unit) oraz wprowadzanie nowych rozwiązań, takich jak Tensor Cores, znacznie zwiększały wydajność kart graficznych w zadaniach związanych z AI. Przejęcia i akwizycje w wykonaniu Nvidia też nie były przypadkowe, zakup Mellanox za 7 miliardów USD, czy ARM przyniósł firmie dostęp do kluczowych technologii związanych z sieciami komputerowymi i architekturą procesorów. Wydajność rozwiązań stała się kluczowa.  

I jasne, silna pozycja Nvidia nie jest wieczna, bo przecież wojna technologiczna pomiędzy USA a Chinami, niepewna sytuacja prawna, kontrolująca polityka organów regulacyjnych, czy też aktywna konkurencja w postaci Google, Amazon, Meta i Microsoft, to wszystko jest istotnym wyzwaniem dla spółki. AMD, jeden z konkurentów Nvidia, też nie próżnuje, pod koniec grudnia wprowadził na rynek nowy procesor do obliczeń AI, który ma konkurować z Nvidią. Nowy chip MI300 ma 153 miliardy tranzystorów, 192 gigabajty pamięci i 5,3 terabajta przepustowości pamięci na sekundę. Oznacza to, że jest w niektórych parametrach nawet ponad dwukrotnie wydajniejszy od chipu H100 Nvidia. A przecież wyścig o hardware to tylko jeden element świata AI, są też inne kategorie, takie jak software i tutaj sprawa też wygląda bardzo ciekawie! Czemu?