NVIDIA, et navn, der er synonymt med banebrydende teknologi og innovation, blev grundlagt for blot tre årtier siden i 1993.
Fra en ydmyg begyndelse som grafikchipdesigner med fokus på spilindustrien har NVIDIA udviklet sig til en global leder inden for AI og højtydende databehandling.
NVIDIA blev vurderet til 'kun' omkring $100 milliarder i 2019. Det er nu værd nogle $2 billionerDet placerer den som verdens tredjestørste virksomhed målt på markedsværdi, under Microsoft og Apple og foran Saudi Aramco, Amazon, Google og Meta Platforms.
NVIDIA blev grundlagt af Jensen Huang, Chris Malachowsky og Curtis Priem, som havde en fælles vision om at revolutionere computergrafikken.
I begyndelsen af 1990'erne indså trioen det uudnyttede potentiale i specialiserede grafikprocessorer og satte sig for at skabe en virksomhed, der ville ændre den spirende spilindustri.
En af virksomhedens tidlige triumfer kom fra et øjebliks tilfældighed.
I 1995 var Sega ved at udvikle sin næste generation af spillekonsoller, Sega Saturn. Sega var på udkig efter en 3D-grafikchip til konsollen og havde i første omgang indgået et samarbejde med NVIDIA-konkurrenten 3Dfx Interactive.
Men ved et tilfældigt møde mellem en NVIDIA-ingeniør og en Sega-chef på en konference demonstrerede NVIDIA virksomhedens NV1-chip, og det imponerede Sega. Sega besluttede at bruge NVIDIA's chip i Saturn i stedet for 3Dfx's.
Interessant nok var NV1-chippen, der blev brugt i Sega Saturn, ikke en kommerciel succes for NVIDIA på pc-markedet. Virksomhedens efterfølgende produkt, RIVA 128 (NV3), var dens første succesfulde pc-GPU og lagde grunden til dens fremtidige dominans på grafikkortmarkedet.
Et andet tidligt gennembrud kom i 1999 med GeForce 256som blev markedsført som verdens første GPU.
Det lagde grunden til NVIDIA's dominans i spilindustrien, og GeForce-serien af GPU'er blev hurtigt et kendt navn blandt spilentusiaster.
Da NVIDIA fortsatte med at flytte grænserne for grafikteknologi i begyndelsen af 2000'erne og udgav stadig kraftigere GPU'er, der leverede fordybende spiloplevelser, etablerede virksomhedens forskning og udvikling den som førende inden for parallelbehandling.
Det skulle senere blive afgørende for NVIDIA's fremtidige succes inden for AI og højtydende databehandling.
Ud over gaming: fremgangen for GPGPU og CUDA
Mens spilindustrien katalyserede NVIDIA's tidlige succes, anerkendte virksomhedens ledelse GPU'ernes potentiale ud over grafikgengivelse alene.
I 2006 introducerede NVIDIA Compute Unified Device Architecture (CUDA), en programmeringsmodel, der gjorde det muligt for udviklere at udnytte GPU'ernes parallelle processorkraft til generel databehandling (GPGPU).
CUDA forenklede processen med at programmere GPU'er og gjorde det muligt for udviklere at skrive kode ved hjælp af velkendte sprog som C og C++. Det åbnede nye muligheder for NVIDIA inden for videnskabelig forskning, olie- og gasefterforskning, finansielle simuleringer og medicinsk billeddannelse, og dermed åbnede der sig et utal af nye partnerskaber for NVIDIA.
Det viste også, hvordan NVIDIA ville blive afgørende for højteknologisk kritisk infrastruktur og udvide sin kundekreds fra virksomheder til regeringer og offentlige institutioner.
Halvledere: et notorisk vanskeligt marked at erobre
Halvlederindustrien er notorisk kompleks og meget konkurrencepræget, og kun en håndfuld virksomheder gør sig gældende.
En vigtig årsag til det begrænsede antal store halvlederproducenter er de ekstreme omkostninger og kompleksiteten i fremstillingsprocessen.
Halvlederfremstilling kræver topmoderne faciliteter, kendt som støberier, som kan koste milliarder af dollars at bygge og vedligeholde.
Disse støberier skal arbejde i ekstremt rene miljøer for at forhindre selv de mindste partikler i at forstyrre fremstillingsprocessen.
Desuden er det udstyr, der bruges til fremstilling af halvledere, f.eks. litografimaskiner, meget specialiseret og dyrt, og nogle maskiner koster op mod $100 millioner.
Tilsammen skaber det massive adgangsbarrierer for nye aktører i branchen, hvilket har været med til at holde NVIDIA i toppen af hakkeordenen trods konkurrence fra AMD, Intel og Qualcomm.
AI-revolutionen
Da efterspørgslen efter AI og maskinlæring voksede i 2010'erne, var NVIDIA perfekt positioneret til at udnytte denne nye tendens.
Med R&D inden for parallelbehandling blev virksomhedens GPU'er den foretrukne hardware til træning af dybe neurale netværk og til at drive AI-arbejdsbelastninger.
I erkendelse af AI's enorme potentiale foretog NVIDIA strategiske investeringer på området og samarbejdede med førende forskningsinstitutioner og teknologivirksomheder om at fremme AI-teknologier.
Virksomhedens tidlige støtte til OpenAI viste dens evne til at udnytte banebrydende industrier og tage risici for at udvide sin kundebase.
NVIDIA udviklede også specialiserede beregningsmoduler, såsom DGX-serien, der er specielt designet til at fremskynde træningen af store sprogmodeller (LLM'er) og andre AI-arkitekturer. Disse kraftfulde systemer blev hurtigt den foretrukne hardware for AI-forskere og -udviklere verden over.
Og det er et meget vigtigt punkt. Når det drejer sig om avanceret AI-hardware, er der NVIDIA, og så er der de andre.
Det er et usædvanligt setup, selv i Big Tech. Google, Amazon, Meta, Apple og Microsoft er ikke så forskellige, når man koger deres kerneforretningsenheder ned.
Der er så få spillere på halvledermarkedet, dels fordi det er hårdt, og dels fordi NVIDIA har gjort det til det gennem strategiske investeringer.
NVIDIA's sammenhængende økosystem giver også udviklere sikkerhed, da NVIDIA er blevet så pålidelig. Det er en virksomhed, der er fri for Big Tech-kontroverserne, ledelseskampene, de lovgivningsmæssige tiltag og afhængigheden af mindre håndgribelige digitale teknologier som sociale medier.
NVIDIA forstår dette og bruger software og hardware til at styrke dominansen over AI-økosystemet og skabe en række softwareværktøjer og biblioteker, der forbedrer go-to-market-strategier for deres kunder.
NVIDIA's rolle i generativ AI
Fremkomsten af generativ AI styrkede yderligere NVIDIAs position som et AI-kraftcenter. Det var på dette tidspunkt, at NVIDIA for alvor etablerede sig som en af de mest indflydelsesrige virksomheder i verden.
Generativ AI indebærer træning af modeller på store datamængder for at skabe nyt indhold baseret på indlærte mønstre og stilarter, f.eks. tekst, billeder og musik.
I erkendelse af det enorme potentiale introducerede NVIDIA AI Foundations, en skybaseret platform, der demokratiserede adgangen til avancerede generative AI-modeller.
AI Foundations giver virksomheder og udviklere mulighed for at udnytte kraften i generativ AI uden behov for omfattende interne ressourcer eller ekspertise.
NVIDIA's AI Foundations omfattede oprindeligt prætrænede modeller som NeMo til behandling af naturligt sprog og Picasso til billed- og videogenerering.
Igen viser dette NVIDIA's engagement i at opbygge et økosystem snarere end individuelle produkter. Det er her, de adskiller sig fra andre producenter, især konkurrenter inden for halvlederproduktion.
NVIDIA er en one-stop-shop for avanceret AI-udvikling og tilbyder hardware, software og stærke samarbejder med cloud-ressourcer via Google, Microsoft, Amazon og andre.
NVIDIA's GPU'er
Midt i det generative AI-boom har NVIDIA udvidet sin AI-chipportefølje betydeligt og introduceret flere banebrydende processorer, der er designet til at flytte grænserne for AI og computerteknologier på tværs af forskellige sektorer.
Lad os se nærmere på disse chips og deres bidrag:
- A100 og H100: Den H100 blev hurtigt NVIDIAs flagskib til AI-applikationer med en clockfrekvens, der var 6 gange hurtigere end forgængeren, A100.
- HGX H200 GPU: Baseret på Hopper-arkitekturen er H200 introducerer HBM3e-hukommelse, der giver næsten dobbelt så stor kapacitet og 2,4 gange større båndbredde end forgængeren A100. Den er designet til at fordoble inferenshastigheden på Llama 2, en LLM med 70 milliarder parametre, sammenlignet med H100. H200 er kompatibel med forskellige datacenterkonfigurationer og er planlagt til udgivelse i begyndelsen til midten af 2024.
- GH200 Grace Hopper Superchip: GH200 kombinerer HGX H200 GPU'en med en Arm-baseret NVIDIA Grace CPU. Den er rettet mod supercomputere til at håndtere komplekse AI- og HPC-applikationer. GH200 forventes at blive brugt i over 40 AI-supercomputere på verdensplan, herunder vigtige projekter som JUPITER-systemet i Tyskland, som forventes at blive verdens mest kraftfulde AI-system, når det er installeret i 2024.
- Blackwell GPU: Afsløret på GTC 2024Blackwell GPU'en er NVIDIA's næste generations processor, som efterfølger H100 og H200 GPU'erne. Blackwell, som NVIDIA kalder verdens mest kraftfulde chip, er designet specielt til kravene fra generativ AI. Den giver en 30 gange højere ydeevne end H100 til LLM-arbejdsbelastninger med 25 gange bedre energieffektivitet.
Blackwell vil være massiv, med NVIDIA's pressemeddelelse med interesse fra en række af Big Techs største navne, såsom Microsofts Satya Nadella, Google og DeepMinds Sundar Pichai og Demis Hassabis, OpenAI's Sam Altman og mange andre.
NVIDIA overlistet af den amerikanske regering
NVIDIA's succes strækker sig til virksomhedens smidige strategi, ledelse og reaktion på markedspresset. Det inkluderer at undgå den amerikanske regerings bestræbelser på at begrænse eksporten af avanceret hardware til Kina, som er en af virksomhedens største kunder.
I august 2022 indførte det amerikanske handelsministerium licenskrav for import af visse avancerede GPU'er, herunder NVIDIA's A100- og H100-chips, til Kina og Rusland. Det fik midlertidigt bestanden til at falde med næsten 8%.
Begrænsningerne var designet til at forhindre, at disse chips blev brugt i militære applikationer, såsom supercomputere og AI-systemer.
I oktober 2022 skærpede USA sin eksportkontrol yderligere og indførte et omfattende regelsæt, der havde til formål at afskære Kina fra visse halvlederchips, der var fremstillet overalt i verden med amerikansk udstyr. Disse regler begrænsede også eksporten af amerikansk producerede værktøjer og komponenter, der er vigtige for chipproduktionen.
For hver gentagelse af disse regler har NVIDIA fundet måder at navigere i dem på ved at ændre sine chips, så de specifikt undgår eksportforbud.
I november udgav NVIDIA for eksempel tre nye produkter - HGX H20, L20 PCle og L2 PCle - baseret på NVIDIAs kraftfulde H100-chip, men designet til at overholde eksportrestriktioner.
Disse chips er mindre kraftfulde end de tidligere begrænsede A100- og H800-modeller, men tilbyder stadig effektiv ydeevne til AI-opgaver.
Som bemærket af SemiAnalysis"Nvidia ligger perfekt på grænsen mellem topydelse og ydelsestæthed med disse nye chips for at få dem igennem de nye amerikanske regler."
Ifølge South China Post anslås det, at mellem 20 og 25% af NVIDIA's datacenterindtægter kommer fra kinesiske købere, selv på trods af stadig strengere eksportforbud.
Robotteknologi med Project GR00T og Jetson Thor
NVIDIA støtter banebrydende og nye teknologier gennem sine udviklingsplatforme for virksomhedsrobotik.
På GTC 2024-konferencen annoncerede virksomheden Projekt GR00T og Jetson Thor. GR00T har til hensigt at revolutionere humanoid robotteknologi ved at levere en generel grundmodel, der gør det muligt for robotter at lære af menneskelige handlinger og hurtigt lære koordination, fingerfærdighed og andre færdigheder.
I dag er begyndelsen på vores måneskud, der skal løse kropslig AGI i den fysiske verden. Jeg er så glad for at kunne annoncere Projekt GR00T, vores nye initiativ til at skabe en generel grundmodel for humanoid robotlæring.
GR00T-modellen vil gøre det muligt for en robot at forstå multimodale... pic.twitter.com/EqN19Z3cXH
- Jim Fan (@DrJimFan) 18. marts 2024
Jetson Thor, der blev introduceret sammen med Project GR00T, er en ny computerplatform, der er designet til disse humanoide robotter. Den er udstyret med en næste generations GPU baseret på NVIDIA's Blackwell-arkitektur.
NVIDIA udvikler også aktivt sin Isaac Robotics Platform for at støtte udviklingen af sofistikerede robotter med naturlig asynkron bevægelse og fingerfærdighed.
NVIDIA's økonomiske resultater og markedsdominans
NVIDIA's succes inden for gaming, AI og højtydende computere har resulteret i bemærkelsesværdige økonomiske resultater. I 2023 steg virksomhedens omsætning med 61% i forhold til året før.
Med denne vækst steg virksomhedens markedsværdi. forbi $1 billion-grænsen i midten af 2023 og fortsatte, indtil den ramte $2 trillion mark, wHer sidder den i dag.
Datacentersegmentet, som omfatter AI og højtydende databehandling, tegnede sig for $11,2 milliarder eller 42% af den samlede omsætning, hvilket understreger den voksende betydning af disse områder for NVIDIA's forretning.
Imponerende nok fortsatte NVIDIAs spilsegment med at trives og bidrog med $9,3 milliarder, eller 35% af den samlede omsætning, hvilket demonstrerer virksomhedens evne til at fastholde sit lederskab i spilindustrien, samtidig med at den ekspanderer til nye markeder.
NVIDIA's økonomiske succes nåede nye højder i første kvartal af regnskabsåret 2024, hvor omsætningen steg til $13,5 milliarder, en imponerende stigning på 88% fra det foregående kvartal. Datacentersegmentet var den primære drivkraft med et rekordsalg, der oversteg $10 milliarder.
Vil NVIDIA's fremgang fortsætte?
Teknologibranchen oplever i det hele taget et par forrygende år, hvor Alphabet, Meta og Microsoft rapporterer imponerende resultater i 2023.
Alphabet, Amazon, NVIDIA, Apple, Meta og Microsoft dominerer S&P 500-indekset og står for 9% af dets salg, 16% af dets nettooverskud og omkring 25% af dets markedsværdi.
NVIDIA's omsætning sidste år var ca. $60 milliarder, en stigning på 126% fra året før. Den høje værdiansættelse og aktiekurs er baseret på denne omsætning og den forventede fortsatte vækst.
Til sammenligning har Amazon en lavere markedsværdi end NVIDIA, men omsatte alligevel for næsten $575 milliarder sidste år.
Denne forskel viser den stejle vej, NVIDIA skal navigere for at bogføre store nok overskud til at retfærdiggøre sin værdiansættelse på $2 billioner, især når konkurrencen på AI-chipmarkedet intensiveres.
Men på trods af det har analytikerne øget deres kursmål for NVIDIA, og UBS-analytiker Timothy Arcuri har for nylig hævet den til 1.100 fra 800 med henvisning til NVIDIA's potentiale for at fange efterspørgslen fra globale virksomheder og regeringer med Blackwell.
Nogle mener dog, at NVIDIA's aktiediagram viser tegn på svækkelse. Det er faktisk ekstremt højt for en virksomhed, der endnu ikke har afsendt langt størstedelen af sine A100- og H100-ordrer.
Når vi ser fremad, er fremtiden for big tech og NVIDIA's vækst stadig usikker. Selvom vækstpotentialet er enormt, må virksomhederne også kæmpe med muligheden for en afkøling af AI-kærlighedsaffæren, teknologiske begrænsninger og lovgivningsmæssige forhindringer.
Trafikken til ChatGPT er f.eks. faldet siden maj 2023, og nogle investorer bremser deres investeringer i AI-relaterede virksomheder. Der er en vis bekymring for, at generativ AI er kommet for hurtigt i gang og hurtigt har nået et højdepunkt, som det kan blive svært at overgå i den nærmeste fremtid.
Desuden er brute force computing er ressourcetungt, både for NVIDIA og dets kunder. Når de summeres på tværs af globale AI-arbejdsbelastninger, har chips brug for konstant kraft, der konkurrerer med små nationers kapacitet.
Og det er ikke kun strøm, men også vand, som pumpes gennem datacentre i et omfang, der svarer til milliarder af liter om dagen. De naturressourcer, der kræves for at bygge avanceret AI-hardware, som f.eks. sjældne jordarters metaller, er heller ikke ubegrænsede.
NVIDIA er meget bevidst om branchens energiudfordringer, og derfor er deres nye chips betydeligt mere energieffektive.
På GTC 2024 sagde Huang: "Accelereret databehandling har nået et vendepunkt. General-purpose computing er løbet tør for damp. Vi har brug for en anden måde at lave computere på, så vi kan fortsætte med at skalere, så vi kan fortsætte med at sænke omkostningerne til computere, så vi kan fortsætte med at bruge flere og flere computere og samtidig være bæredygtige."
I det mindste er Huang realistisk omkring disse spørgsmål.
Du kan være sikker på, at NVIDIA vil kanalisere flere midler til at frigøre energieffektiv AI-vækst, der frigør branchen fra lænkerne af brutal, accelereret databehandling.
Hvis det lykkes, har NVIDIAs fremgang måske ingen indlysende grænser.
