Перше джерело: Lei Technology

Джерело зображення: створено Unbounded AI

Зараз NVIDIA живе дуже процвітаючим життям. Від захоплення віртуальною валютою до ери великих моделей штучного інтелекту, швидкість розвитку NVIDIA за останні кілька років перевищила будь-який попередній період, що також допомогло ринковій вартості компанії чіпів успішно перевищити 10 000 мільярдів марка долара.

Однак у порівнянні з віртуальною економікою віртуальної валюти, що нагадує замок, «реальний попит», викликаний великими моделями штучного інтелекту, є основною рушійною силою для того, щоб NVIDIA подолала позначку ринкової вартості в трильйони доларів. до доставки Потрібний час становив кілька місяців, а премія спот колись була близькою до 100%.

Однак хороші дні NVIDIA можуть тривати недовго. Оскільки великі моделі штучного інтелекту визнаються «широким шляхом», великі компанії активізують свої зусилля з придбання графічних карт NVIDIA та створення власних навчальних серверів. Вони також спостерігають надходження коштів, як повінь. , також зробив свій невеликий розрахунок.

Нещодавно **OpenAI оголосила, що розпочне розробку власних чіпів штучного інтелекту, щоб зменшити свою залежність від Nvidia.За збігом обставин Microsoft, яка створює масштабний сервер штучного інтелекту, також оголосила про свій власний план створення чіпів штучного інтелекту. **Цікаво, що хоча OpenAI зараз номінально належить до табору Microsoft (Microsoft раніше завершила придбання OpenAI), OpenAI і Microsoft, здається, не мають жодних планів ділитися планами чіпів.

Крім OpenAI і Microsoft, є багато виробників, які також готові піти на крок.

Бороться з усіх боків

Вартість підтримки великомасштабного центру обробки даних не є низькою. Лише початкові інвестиції в апаратне забезпечення вимірюються «сотнями мільйонів». План європейського центру обробки даних, оголошений деякий час тому Microsoft, передбачає початкові інвестиції до 500 мільйонів доларів США, а не включно з подальшим обслуговуванням. Серед 500 мільйонів доларів США, окрім будівництва інфраструктури та інших витрат, найбільшими витратами є придбання професійних комп’ютерних карт виробництва Nvidia.

За деякими даними аналізу, різниця між вартістю і продажною ціною чіпів Nvidia може перевищувати 10 разів.Взявши для прикладу H100, який є найпопулярнішим серед великих підприємств, вартість обчислювальної карти становить близько 2000 грн. -2500 доларів США, тоді як офіційна ціна продажу становить понад 25 000 доларів США.

Незалежно від того, щоб заощадити гроші чи скористатися перевагами цього ринку, що розвивається, реалізація власного плану дослідження та розробки мікросхем штучного інтелекту неминуча. **Виходячи з відомої на даний момент інформації, напівпровідникові гіганти, такі як Intel і AMD, оголосили про новий раунд досліджень і планів розробки чіпів штучного інтелекту. Intel використовує ЦП як прорив для створення іншого чіпа штучного інтелекту іншим способом і навіть випустила першим поколінням чіпів штучного інтелекту, AMD намагається кинути виклик позиції Nvidia у сфері GPU. **

Не дивно, що традиційні напівпровідникові гіганти намагаються отримати шматок пирога. Що ще більше привернуло увагу Nvidia, так це те, що OpenAI і Microsoft оголосили про запуск планів дослідження та розробки чіпів зі штучним інтелектом. Як два основні користувачі, якщо вони відмовляться від Nvidia , вони, очевидно, матимуть негативні наслідки для Nvidia.Екологічний стан і дохід мають серйозні наслідки.

Розробка чіпів OpenAI була вперше оприлюднена лише нещодавно.Щодо компанії штучного інтелекту, у мене є сумніви щодо можливостей OpenAI щодо дослідження та розробки чіпів. Крім того, судячи з нещодавньої інформації про набір персоналу, оприлюдненої OpenAI, вони створюють команду досліджень і розробників з нуля.Може знадобитися щонайменше рік, перш ніж вони зможуть отримати попередні результати, і є висока ймовірність, що вони не зможуть. конкурувати з флагманськими чіпами Nvidia.

Відносно кажучи, план Microsoft щодо виробництва мікросхем викликає більше занепокоєння. Інвестиції Microsoft у виробництво мікросхем насправді були досить високими, і за останні роки вона випустила багато продуктів. ** І мікросхема під кодовою назвою "Athena", яка нещодавно була представлена, згідно з внутрішні джерела, дослідження та розробки почалися ще в 2019 році і зараз перейшли на стадію пробного виробництва. **

Повідомляється, що OpenAI таємно випробував чіп Athena.Як чіп, призначений для навчання та запуску великих моделей, його продуктивність дуже хороша з точки зору продуктивності, принаймні порівнянна з основними чіпами Amazon, Google та інших компаній.

Звичайно, продуктивність Athena точно не порівнянна з флагманськими чіпами Nvidia, але вона може надати Microsoft більшої ініціативи та дозволити Nvidia бути трохи стриманішою у постачанні цін на чіпи. Крім того, Athena є лише першим професійним чіпом Microsoft зі штучним інтелектом, і його інвестиції в науково-дослідні розробки в розмірі понад 2 мільярди доларів США, очевидно, не дадуть лише одного результату.

Як найбільший спонсор OpenAI, Microsoft, швидше за все, вимагатиме, щоб OpenAI надав середовище для тестування та розгортання чіпа Athena.Зрештою, Amazon і Google зробили це. Задовго до того, як Microsoft, Amazon і Google інвестували в багато компаній зі штучним інтелектом. Хоча Amazon надала Anthropic фінансову підтримку в розмірі 4 мільярдів доларів, вона також вимагала від іншої сторони використовувати два чіпи зі штучним інтелектом, розроблені Amazon. **

Коли провідні компанії штучного інтелекту починають переходити на інші чіпи або чіпи власної розробки, це неминуче матиме значний вплив на вибір апаратного забезпечення в усій індустрії штучного інтелекту. Це саме те, чого NVIDIA не хоче бачити. Як відреагує NVIDIA?

Контрзаходи Nvidia

Чарівність великих моделей ШІ занурила в це багато технологічних компаній, а деякі навіть вважають, що це початок наступної промислової революції. Звичайно, давайте не будемо обговорювати, скільки нових технологій охрестили «початком промислової революції». Принаймні судячи з поточного шляху розвитку, велика модель штучного інтелекту повинна бути найбільш тісно пов’язана зі звичайними людьми за останні роки. .

Тісні стосунки зі звичайними людьми означають, що ця технологія має дуже широкий ринок застосування, її можна швидко просувати та комерціалізувати, щоб принести прибуток. Від народження технології до її комерційного використання лише деякі технології розвивалися так швидко, як великі моделі штучного інтелекту. Від анонсування ChatGPT і відкриття для використання до появи різноманітних великих моделей штучного інтелекту, які стали відкритими для громадськості, увесь процес зайняв лише Він буде завершений менше ніж за рік.

Від продуктивності до розваг, споживання, подорожей і освіти, великі моделі штучного інтелекту були впроваджені в багатьох програмах. Через це деякі потужні компанії також активізують свої зусилля для створення власних центрів обробки даних і обчислювальних центрів для розгортання та навчання більших моделі штучного інтелекту дають вам перевагу над конкурентами.

**Оскільки ринок штучного інтелекту вступає в стадію конкуренції, компанії також шукають ефективніші методи навчання та потужніші моделі. Окрім оптимізації алгоритмів та інших аспектів, професійні обчислювальні карти з потужнішими обчислювальними можливостями також є обов’язковими. **Отже, контрзаходи NVIDIA насправді дуже прості. Стабілізуйте команду дослідників і розробників і випустіть чіпи AI, які набагато випереджають інших виробників.

Продуктивність апаратного забезпечення є найбільшою перевагою NVIDIA. Незалежно від того, Amazon чи Microsoft, якщо вони хочуть знайти найкращий баланс між продуктивністю та споживанням енергії, NVIDIA є їхнім першим вибором. Є лише дві причини, які спонукають виробників використовувати мікросхеми власної розробки: одна з них полягає в тому, що мікросхеми Nvidia занадто дорогі, а друга полягає в тому, що пропозиція обмежена, і їм потрібно чекати на запаси, що впливає на плани виробників щодо розширення.

В даний час виробничі потужності Nvidia поступово збільшуються, а обсяг закупівель поступово знижується, і незабаром він повинен досягти стадії балансу між попитом і пропозицією. Тоді єдиною проблемою є ціна.Враховуючи, що собівартість і продажна ціна Nvidia відрізняються майже в 10 разів, має бути достатньо можливостей для зниження ціни.

**Особисто я вважаю, що поки NVIDIA бажає знизити ціну, багатьом компаніям все одно буде вигідно купувати професійні обчислювальні карти NVIDIA для створення високопродуктивних центрів обробки даних. **Що стосується мікросхем власної розробки? Насправді центри обробки даних потребують різних типів чіпів залежно від їх розміру та призначення.Деякі центри обробки даних із нижчими вимогами до продуктивності придатні для створення чіпів власної розробки.

Простіше кажучи, навчальні центри та центри розвитку використовують професійні обчислювальні карти Nvidia для підвищення ефективності навчання, тоді як центри обробки даних для звичайних користувачів використовують мікросхеми власної розробки чи інші чіпи, щоб зменшити витрати на будівництво та подальші витрати на технічне обслуговування. Зі сферою застосування моделей ШІ, Щоб Розширюватися, компаніям, очевидно, потрібно будувати більше центрів обробки даних по всьому світу, щоб відповідати потребам користувачів поблизу.

Таким чином, переваги, які NVIDIA накопичила в минулому, не будуть легко втрачені навіть у майбутньому.Однак, коли інші компанії вступають у гру, голос NVIDIA буде зменшуватися.З точки зору ціни на продукти та інших аспектів, NVIDIA може віддати частину своїх прибутків для підтримки частки ринку.

Однак, порівняно з попередніми битвами між богами та смертними, цього разу багато компаній зі штучним інтелектом взяли в облогу «Guangmingding», що може дозволити малим і середнім компаніям зі штучним інтелектом отримати дешевші рішення для розгортання центрів обробки даних.