Dal gioco all’IA Il ruolo cruciale di Nvidia nella rivoluzione dell’IA

Nvidia Crucial Role in AI Revolution from Gaming to AI

Nvidia vale ora più di Facebook, Tesla e Netflix. Secondo Reuters, il valore delle azioni si è triplicato negli ultimi otto mesi. Ma come è successo? Come una società che era quasi sull’orlo del fallimento nel 1997 ha raggiunto una capitalizzazione di mercato di un trilione di dollari nel 2023? Scopriamolo capendo cosa fa effettivamente NVIDIA. L’elaborazione e i calcoli del computer avvengono su un piccolo chip conosciuto come CPU. Questi includono, ad esempio, i processori Intel Core i7 o AMD Ryzen. La GPU, o unità di elaborazione grafica, è il componente hardware che ogni giocatore, video editor, miner di criptovalute e ora startup di intelligenza artificiale sta cercando. La GPU prende il controllo e rende visivi sofisticati quando un computer è tenuto a farlo, come nei videogiochi o nella modellazione 3D. Sai chi ha coniato la frase GPU? È stato Nvidia, ovviamente. Grazie a queste GPU, la capitalizzazione di mercato di Nvidia si avvicina ora a 1 trilione di dollari. Tuttavia, non hanno raggiunto questo risultato da un giorno all’altro.

La storia di NVIDIA

Tre ingegneri, Curtis Preim, Chris Malachowsky e Jensen Huang, hanno creato Nvidia nel 1993 perché pensavano che l’informatica basata su grafica potesse diventare la norma in futuro. Quando Nvidia è quasi fallita nel 1997 durante lo sviluppo della tecnologia grafica per il sistema di gioco di Sega, è stato il primo punto di svolta importante per l’azienda. (Come Nintendo, Sega era un’azienda che una volta ha competuto nel mercato delle console). Hanno introdotto per primi la serie Sonic, e Nvidia stava sviluppando una scheda grafica per la console di gioco a 128 bit di Sega, Dreamcast. Tuttavia, dopo un anno di lavoro, Nvidia ha scoperto che la sua strategia era sbagliata perché Microsoft stava per rivelare la propria strategia di mappatura delle texture, rendendo il prodotto di Nvidia incompatibile con Windows 95. Nvidia continua a produrre questa console. Perché non si venderà bene e non funzionerà con Windows, alla fine andranno in bancarotta. Tuttavia, se non lo costruissero, andrebbero immediatamente in bancarotta. Il CEO di NVIDIA Jensen Huang ha informato il CEO di Sega che Nvidia non sarebbe stato in grado di costruire l’hardware grafico della console e che Sega avrebbe dovuto cercare un altro partner. Ha implorato il CEO di Sega di dargli il pagamento completo poiché Nvidia sarebbe collassata senza di esso. Poiché Sega ha pagato NVIDIA nonostante il fatto che non avessero mantenuto la loro promessa nei loro confronti, è praticamente come chiedere soldi in modo esplicito. Anche se Jensen Huang non ha idea del motivo per cui lo hanno fatto, sono riusciti a sopravvivere per altri sei mesi di conseguenza.

• Dal gioco all’IA Il ruolo fondamentale di Nvidia nella rivoluzione dell’IA
• Derivata di una funzione – Cos’è?
• Esplorando le ultime tendenze in AI/DL dal Metaverse alla Quantum Computing

Nvidia ha iniziato ad espandersi nei successivi anni. Tuttavia, poiché la produzione di questi chip stava diventando sempre più costosa, Nvidia ha firmato un accordo di produzione con TSMC. Nvidia aspirava ad essere un’azienda fantastica. Poiché la produzione di chip negli Stati Uniti è un settore a basso margine, hanno deciso di non produrli autonomamente. Attualmente, TSMC produce processori per numerose aziende tecnologiche, tra cui Apple, AMD, NVIDIA e altre. Nvidia dipende significativamente da questa collaborazione, ma è diventata difficile. Perché?, per conoscere la risposta, continua a leggere il blog fino alla fine.

Nvidia: la potenza dei videogiochi

All’inizio degli anni 2000, Nvidia ha ottenuto un anticipo di 200 milioni di dollari per produrre l’hardware grafico per l’Xbox di Microsoft. L’anno successivo, il loro fatturato ha raggiunto 1 miliardo di dollari ed è stato l’ispirazione per diversi videogiochi che sono stati rilasciati quell’anno. Il punto di svolta successivo è stato significativo per due motivi: primo, i giochi popolari hanno iniziato ad essere sviluppati tenendo conto delle schede Nvidia, e secondo, le capacità di Nvidia si sono estese oltre la semplice creazione di schede grafiche. Stavano lavorando insieme ai progettisti di giochi. La chiave è che facevano più che semplicemente fornire schede grafiche. Hanno anche aiutato i creatori di giochi come Blizzard ad ottimizzare i titoli sulla tecnologia Nvidia per garantire una fluidità dei frame rate. Il gioco è eccellente.

Questo avviene ancora oggi. In effetti, DLSS, una delle loro soluzioni di upscaling, è stata recentemente adottata da numerosi sviluppatori di giochi. Una volta lo chiamavano “Il modo in cui dovrebbe essere giocato”. Oggi è un fenomeno diffuso. Poiché molti giochi sono ottimizzati specificamente per le schede grafiche Nvidia, spesso li vedi alimentati da Nvidia o da un partner preferito, Nvidia, nella schermata iniziale dei giochi. GeForce di Nvidia è stato presto utilizzato anche da PS3. Vendevano attrezzature grafiche sia per Xbox che per PlayStation. Oggi, quando i giocatori discutono su chi vincerà tra Xbox e PlayStation, la risposta è NVIDIA perché i loro chip sono in entrambi.

Nel 2020 la maggior parte delle aziende ha subito un duro colpo da Covid 19, ma per NVIDIA è stato come prendere la palla d’oro. Le persone improvvisamente lavoravano da casa, e quando non lavoravano e erano ancora bloccate a casa, giocavano, e avevano bisogno di hardware, e i PC sono diventati essenziali. La domanda di GPU è esplosa nel 2020. Il fatturato di Nvidia era poco meno di 11 miliardi di dollari; un anno dopo, il fatturato è schizzato a quasi 27 miliardi, raddoppiando il loro utile netto.

CUDA

Questo ci porta alla prossima giunzione cruciale in cui comprendiamo il motivo per cui Nvidia è necessaria oggi per le aziende di intelligenza artificiale. Negli ultimi anni erano le aziende di criptovalute. Attualmente, sono le aziende di intelligenza artificiale. NVIDIA ha introdotto qualcosa chiamato CUDA o Compute Unified Device Architecture. Non importa quale tendenza emerga, finché la tendenza è basata sul calcolo, NVIDIA trionferà. Eccelle nel calcolo simultaneo. Tipicamente, le GPU potenziate da CUDA di Nvidia eccellono nel calcolo parallelo, mentre le CPU eccellono tipicamente nel calcolo seriale. Una GPU ha molti, molti più core di una CPU, che ha al massimo otto o sedici core. Di conseguenza, mentre le CPU tipicamente svolgono un singolo compito, lo completano e passano al compito successivo, le GPU hanno la capacità di suddividere il lavoro. Ad esempio, la GPU può renderizzare determinati elementi di una scena su vari core durante la produzione di una scena (elaborazione parallela).

Nvidia e l’intelligenza artificiale sono una combinazione perfetta; infatti, le GPU sono il fondamento dell’intelligenza artificiale, e Nvidia si trova a produrre alcune delle migliori del settore. Nel 2006 Nvidia ha introdotto CUDA nel mondo, una piattaforma di calcolo parallelo e un modello di programmazione. Consente agli sviluppatori di sfruttare il futuro potenziale delle GPU. In termini semplici, è come insegnare a un cavallo da corsa a ballare il moonwalk; impressionante e incredibilmente utile per alcuni scenari molto specifici. Con Cuda, Nvidia ha trasformato le loro GPU in potenti calcolatori ad alta velocità con il software giusto; gli utenti potevano ora eseguire calcoli su gigabyte di dati con poche semplici query, ma ci è voluto del tempo prima che le persone lo capissero, circa 10 anni.

Nvidia e l’intelligenza artificiale

Le GPU di Nvidia non sono solo vitali per l’addestramento e il funzionamento dei modelli di intelligenza artificiale, sono sinonimo di essi. In ChatGPT, le GPU sono necessarie non solo per l’addestramento iniziale del modello di intelligenza artificiale, ma ogni volta che qualcuno utilizza ChatGPT, quindi il numero di GPU richieste aumenterà con il numero di utenti.

OpenAI probabilmente ha avuto bisogno di circa 20.000 GPU Nvidia DGZ A100 per addestrare il modello di ChatGPT. La stima successiva è che OpenAI abbia bisogno di circa 30.000 di questi sistemi per supportare i 100 milioni di utenti attivi del prodotto. Man mano che l’industria dell’intelligenza artificiale cresce, Microsoft, Google, Amazon, IBM e molte altre aziende dovranno acquistare più GPU.

La divisione di deep learning di Nvidia

Nvidia si era già fatta un nome nell’industria dei videogiochi, ma nel 2012 Nvidia faceva più che alimentare le schede grafiche. Avevano nuovi casi d’uso, Datacenter, GPU Cloud e naturalmente, addestramento di modelli di intelligenza artificiale. Si è scoperto che la stessa tecnica di calcolo parallelo che era vantaggiosa per la visualizzazione di immagini era ottima per l’apprendimento approfondito, in cui il computer apprende i modelli sottostanti in base agli input e agli output. Nvidia è consapevole che ciò ha il potenziale per alterare fondamentalmente l’industria dei calcolatori. Di conseguenza, hanno iniziato a concentrarsi in modo significativo nello sviluppo di processori progettati per l’addestramento di intelligenza artificiale. Questo è ciò a cui si riferiscono come la loro Divisione di Deep Learning. Sai cos’altro è utile per il calcolo parallelo? Crypto mining!! Il processo di crypto mining comporta la risoluzione di complessi rompicapo matematici che richiedono molta potenza di elaborazione. Pertanto, anche nella corsa all’oro delle criptovalute, le GPU con un’efficace elaborazione parallela diventano essenziali. Le persone hanno riempito le loro cantine con queste schede. La loro capitalizzazione di mercato è aumentata di conseguenza nel 2021. La corsa all’oro dell’intelligenza artificiale sta vivendo la stessa cosa ancora una volta. Modelli di intelligenza artificiale come GPT e Lama vengono addestrati da aziende come OpenAI, Amazon e Facebook utilizzando interi edifici pieni di GPU. Tuttavia, Nvidia ha sviluppato GPU uniche, come l’A100, progettate per l’apprendimento approfondito e che costano più di $10.000. Queste non sono esattamente le stesse GPU che utilizziamo per i videogiochi. ByteDance, l’azienda madre di TikTok, ha finito per spendere un miliardo di dollari solo una settimana fa per l’acquisto di chip da NVIDIA. Indipendentemente da chi vince la corsa all’intelligenza artificiale, Nvidia sta già vincendo perché la maggior parte di queste aziende sta utilizzando le GPU di Nvidia per addestrare il loro modello.

Il modello di guadagno di Nvidia

Il principale mercato include il settore dei videogiochi, i data center per la visualizzazione professionale, il software di modellazione 3D, gli studi VFX, il settore automobilistico e gli OEM. Fino al quarto trimestre del 2021, i videogiochi erano la principale fonte di guadagno per Nvidia. Il boom delle criptovalute ha generato una carenza di GPU, che a sua volta ha aumentato i costi. Nonostante una leggera diminuzione dei guadagni nel settore dei videogiochi e una diminuzione del numero di persone che acquistano GPU o schede grafiche per il mining di criptovalute, il settore dei videogiochi ha continuato a dominare nel 2023. Tuttavia, Nvidia non è molto preoccupata per questo, dato il loro guadagno dai data center, che è in crescita, grazie al boom dell’IA. Nvidia investe quasi 2 miliardi di dollari nello sviluppo di ricerca. Dedica la maggior parte dei suoi sforzi alla ricerca per creare le migliori GPU al mondo e solo una piccola parte alla produzione.

Il conflitto Taiwan-Cina

Nvidia ha firmato un accordo di produzione con TSMC. Questa alleanza sta diventando problematica a causa del conflitto tra Taiwan e Cina. Anche importanti aziende vogliono spostare le loro fabbriche di produzione di chip al di fuori della giurisdizione cinese. Il CHIPS Act è stato sponsorizzato dal presidente degli Stati Uniti Joe Biden e fornirà un finanziamento aggiuntivo di 280 miliardi di dollari per promuovere la produzione e la ricerca di semiconduttori nel paese. In Arizona, TSMC sta costruendo due impianti di produzione di chip, il primo dei quali dovrebbe iniziare le operazioni nel 2024. Anche l’India ha annunciato un incentivo di 10 miliardi di dollari per la produzione di semiconduttori. Se molte cose funzionano, l’India potrebbe diventare nel corso dei prossimi dieci anni un importante polo globale per la produzione di semiconduttori.

CONCLUSIONE

ChatGPT è qui e ha cambiato il modo in cui vediamo il mondo intorno a noi. Molte grandi aziende tecnologiche sono nella corsa per vincere la Rivoluzione dell’IA e come dico spesso, quando ci sono troppi grandi poteri coinvolti in una qualsiasi guerra, la tecnologia si sviluppa a un ritmo accelerato. Presto vedremo molti straordinari progressi tecnologici da Nvidea in futuro. Quindi ragazzi, preparatevi perché stiamo solo grattando la superficie della Rivoluzione dell’IA e c’è un intero mondo di possibilità che attende di essere esplorato.

Vi prego di condividere liberamente i vostri pensieri nella sezione commenti. I vostri suggerimenti sono sempre benvenuti.