{"id":11383,"date":"2024-04-06T13:41:20","date_gmt":"2024-04-06T13:41:20","guid":{"rendered":"https:\/\/dailyai.com\/?p=11383"},"modified":"2024-04-09T17:16:20","modified_gmt":"2024-04-09T17:16:20","slug":"nvidias-ai-odyssey-from-humble-origins-to-a-2-trillion-company","status":"publish","type":"post","link":"https:\/\/dailyai.com\/de\/2024\/04\/nvidias-ai-odyssey-from-humble-origins-to-a-2-trillion-company\/","title":{"rendered":"NVIDIAs KI-Odyssee: von bescheidenen Anf\u00e4ngen zu einem $2-Billionen-Unternehmen"},"content":{"rendered":"

NVIDIA, ein Name, der f\u00fcr Spitzentechnologie und Innovation steht, wurde vor knapp drei Jahrzehnten im Jahr 1993 gegr\u00fcndet.\u00a0<\/strong><\/p>\n

Von den bescheidenen Anf\u00e4ngen als Entwickler von Grafikchips f\u00fcr die Spieleindustrie hat sich NVIDIA zu einem weltweit f\u00fchrenden Unternehmen im Bereich KI und High-Performance-Computing entwickelt.\u00a0<\/span><\/p>\n

NVIDIA wurde 2019 \"nur\" mit rund $100 Milliarden bewertet. Jetzt ist es wert einige $2-Billionen<\/a>Damit ist es nach Marktkapitalisierung das drittgr\u00f6\u00dfte Unternehmen der Welt, hinter Microsoft und Apple und vor Saudi Aramco, Amazon, Google und Meta Platforms.\u00a0<\/span><\/p>\n

NVIDIA wurde von Jensen Huang, Chris Malachowsky und Curtis Priem gegr\u00fcndet, die gemeinsam die Vision hatten, die Computergrafik zu revolutionieren. <\/span><\/p>\n

In den fr\u00fchen 1990er Jahren erkannte das Trio das ungenutzte Potenzial spezialisierter Grafikprozessoren und machte sich daran, ein Unternehmen zu gr\u00fcnden, das die aufstrebende Spieleindustrie ver\u00e4ndern sollte.<\/span><\/p>\n

Einer der ersten Triumphe des Unternehmens kam durch einen gl\u00fccklichen Zufall zustande.<\/p>\n

1995 entwickelte Sega seine Spielkonsole der n\u00e4chsten Generation, den Sega Saturn. Sega war auf der Suche nach einem 3D-Grafikchip f\u00fcr die Konsole und hatte sich zun\u00e4chst mit dem NVIDIA-Konkurrenten 3Dfx Interactive zusammengetan.<\/p>\n

Bei einem zuf\u00e4lligen Treffen zwischen einem NVIDIA-Ingenieur und einem Sega-Manager auf einer Konferenz demonstrierte NVIDIA jedoch den NV1-Chip des Unternehmens, der Sega beeindruckte. Sega beschloss, den NVIDIA-Chip im Saturn anstelle des 3Dfx-Chips zu verwenden.<\/p>\n

Interessanterweise war der NV1-Chip, der im Sega Saturn verwendet wurde, kein kommerzieller Erfolg f\u00fcr NVIDIA auf dem PC-Markt. Das nachfolgende Produkt des Unternehmens, der RIVA 128 (NV3), war sein erster erfolgreicher PC-Grafikprozessor und legte den Grundstein f\u00fcr seine zuk\u00fcnftige Dominanz auf dem Grafikkartenmarkt.<\/p>\n

Ein weiterer fr\u00fcher Durchbruch gelang 1999 mit dem GeForce 256<\/a>der als erster Grafikprozessor der Welt vermarktet wurde.\u00a0<\/span><\/p>\n

Damit war der Grundstein f\u00fcr die Dominanz von NVIDIA in der Spieleindustrie gelegt, und die GeForce-Grafikprozessoren wurden schnell zu einem Begriff unter Spielefans.<\/span><\/p>\n

\"\"
Die NVIDIA GeForce-GPUs f\u00fcr Spiele.<\/figcaption><\/figure>\n

W\u00e4hrend NVIDIA in den fr\u00fchen 2000er Jahren die Grenzen der Grafiktechnologie immer weiter verschob und immer leistungsf\u00e4higere Grafikprozessoren herausbrachte, die beeindruckende Spielerlebnisse erm\u00f6glichten, etablierte sich das Unternehmen durch seine Forschungs- und Entwicklungsarbeit als f\u00fchrendes Unternehmen im Bereich der Parallelverarbeitung.\u00a0<\/span><\/p>\n

Dies sollte sp\u00e4ter entscheidend f\u00fcr den zuk\u00fcnftigen Erfolg von NVIDIA in den Bereichen KI und High-Performance-Computing sein.<\/span><\/p>\n

Jenseits von Spielen: der Aufstieg von GPGPU und CUDA<\/h2>\n

W\u00e4hrend die Spieleindustrie den fr\u00fchen Erfolg von NVIDIA begr\u00fcndete, erkannte die Unternehmensf\u00fchrung das Potenzial von Grafikprozessoren, das \u00fcber das reine Grafik-Rendering hinausgeht.\u00a0<\/span><\/p>\n

Im Jahr 2006 f\u00fchrte NVIDIA die Compute Unified Device Architecture (CUDA) ein, ein Programmiermodell, das es Entwicklern erm\u00f6glichte, die parallele Verarbeitungsleistung von GPUs f\u00fcr allgemeine Berechnungen (GPGPU) zu nutzen.<\/span><\/p>\n

CUDA vereinfachte die Programmierung von GPUs und erm\u00f6glichte es Entwicklern, Code in vertrauten Sprachen wie C und C++ zu schreiben. Dies er\u00f6ffnete NVIDIA neue M\u00f6glichkeiten in der wissenschaftlichen Forschung, der \u00d6l- und Gasexploration, bei Finanzsimulationen und in der medizinischen Bildgebung und er\u00f6ffnete damit eine Vielzahl neuer Partnerschaften f\u00fcr NVIDIA.\u00a0<\/span><\/p>\n

Dies zeigte auch, dass NVIDIA im Bereich der kritischen High-Tech-Infrastrukturen von grundlegender Bedeutung sein w\u00fcrde und seinen Kundenkreis nicht nur auf Unternehmen, sondern auch auf Regierungen und \u00f6ffentliche Einrichtungen ausdehnt.<\/p>\n

Halbleiter: ein bekannterma\u00dfen schwer zu erobernder Markt<\/h2>\n

Die Halbleiterindustrie ist bekanntlich sehr komplex und hart umk\u00e4mpft, und nur eine Handvoll Unternehmen hat sich einen Namen gemacht.<\/p>\n

Ein Hauptgrund f\u00fcr die begrenzte Zahl gro\u00dfer Halbleiterhersteller sind die extremen Kosten und die Komplexit\u00e4t des Herstellungsprozesses.<\/p>\n

F\u00fcr die Herstellung von Halbleitern sind hochmoderne Anlagen, so genannte Foundries, erforderlich, deren Bau und Instandhaltung Milliarden von Dollar kosten kann.<\/p>\n

Diese Gie\u00dfereien m\u00fcssen in extrem sauberen Umgebungen arbeiten, um zu verhindern, dass auch nur die kleinsten Partikel den Herstellungsprozess st\u00f6ren.<\/p>\n

Hinzu kommt, dass die f\u00fcr die Halbleiterherstellung verwendeten Anlagen, wie z. B. Lithografiemaschinen, hoch spezialisiert und teuer sind, wobei einige Maschinen \u00fcber $100 Millionen kosten.<\/p>\n

Dies schafft massive Eintrittsbarrieren f\u00fcr neue Marktteilnehmer, was dazu beigetragen hat, dass NVIDIA trotz der Konkurrenz von AMD, Intel und Qualcomm an der Spitze der Hackordnung steht.<\/p>\n

Die KI-Revolution<\/h2>\n

Als die Nachfrage nach KI und maschinellem Lernen in den 2010er Jahren zunahm, war NVIDIA perfekt positioniert, um von diesem aufkommenden Trend zu profitieren.\u00a0<\/span><\/p>\n

Dank der Forschung und Entwicklung auf dem Gebiet der Parallelverarbeitung wurden die Grafikprozessoren des Unternehmens zur bevorzugten Hardware f\u00fcr das Training von tiefen neuronalen Netzen und die Ausf\u00fchrung von KI-Arbeitslasten.<\/span><\/p>\n

NVIDIA hat das enorme Potenzial von KI erkannt und strategische Investitionen in diesem Bereich get\u00e4tigt und arbeitet mit f\u00fchrenden Forschungseinrichtungen und Technologieunternehmen zusammen, um KI-Technologien voranzutreiben.<\/span><\/p>\n

Die fr\u00fche Unterst\u00fctzung von OpenAI zeigt, dass das Unternehmen in der Lage ist, innovative Branchen zu erschlie\u00dfen und Risiken einzugehen, um seinen Kundenstamm zu erweitern.<\/span><\/p>\n

NVIDIA entwickelte auch spezialisierte Rechenmodule wie die DGX-Serie, die speziell f\u00fcr die Beschleunigung des Trainings gro\u00dfer Sprachmodelle (LLMs) und anderer KI-Architekturen entwickelt wurden. Diese leistungsstarken Systeme wurden schnell zur bevorzugten Hardware f\u00fcr KI-Forscher und -Entwickler weltweit.<\/span><\/p>\n

Und das ist ein ganz wichtiger Punkt. Wenn es um High-End-KI-Hardware geht, gibt es NVIDIA und dann gibt es die anderen.<\/p>\n

Das ist eine ungew\u00f6hnliche Konstellation, selbst f\u00fcr Big Tech. Google, Amazon, Meta, Apple und Microsoft sind gar nicht so verschieden, wenn man ihre Kerngesch\u00e4ftsbereiche aufschl\u00fcsselt.<\/p>\n

Es gibt nur wenige Akteure auf dem Halbleitermarkt, zum einen, weil er hart umk\u00e4mpft ist, und zum anderen, weil NVIDIA ihn durch strategische Investitionen so stark gemacht hat.<\/p>\n

Das geschlossene \u00d6kosystem von NVIDIA gibt den Entwicklern auch Sicherheit, da NVIDIA so zuverl\u00e4ssig geworden ist. Dieses Unternehmen ist frei von den Kontroversen der Big Tech, den F\u00fchrungsstreitigkeiten, regulatorischen Ma\u00dfnahmen und der Abh\u00e4ngigkeit von weniger greifbaren digitalen Technologien wie Social Media.<\/p>\n

NVIDIA hat dies verstanden und setzt Software und Hardware ein, um die Vorherrschaft im KI-\u00d6kosystem zu st\u00e4rken und eine Reihe von Software-Tools und Bibliotheken zu entwickeln, die die Markteinf\u00fchrungsstrategien f\u00fcr seine Kunden verbessern.\u00a0<\/span><\/p>\n

Die Rolle von NVIDIA bei generativer KI<\/h2>\n

Der Aufstieg der generativen KI hat NVIDIAs Position als KI-Powerhouse weiter gefestigt. Dies ist die Phase, in der NVIDIA sich wirklich als eines der einflussreichsten Unternehmen der Welt etabliert hat.\u00a0<\/span><\/p>\n

Bei der generativen KI werden Modelle auf der Grundlage umfangreicher Daten trainiert, um neue Inhalte auf der Grundlage erlernter Muster und Stile zu erstellen, z. B. Texte, Bilder und Musik.<\/span><\/p>\n

In Anbetracht des immensen Potenzials f\u00fchrte NVIDIA AI Foundations ein, eine Cloud-basierte Plattform, die den Zugang zu modernsten generativen KI-Modellen demokratisiert.\u00a0<\/span><\/p>\n

AI Foundations erm\u00f6glicht es Unternehmen und Entwicklern, die M\u00f6glichkeiten der generativen KI zu nutzen, ohne dass umfangreiche interne Ressourcen oder Fachkenntnisse erforderlich sind.<\/span><\/p>\n

NVIDIAs AI Foundations enthielten zun\u00e4chst vortrainierte Modelle, wie NeMo f\u00fcr die Verarbeitung nat\u00fcrlicher Sprache und Picasso f\u00fcr die Bild- und Videoerzeugung.<\/span><\/p>\n

Auch hier zeigt sich das Engagement von NVIDIA f\u00fcr den Aufbau eines \u00d6kosystems und nicht f\u00fcr einzelne Produkte. Darin unterscheidet sich das Unternehmen von anderen Herstellern, insbesondere von Konkurrenten in der Halbleiterfertigung.<\/p>\n

NVIDIA ist ein One-Stop-Shop f\u00fcr modernste KI-Entwicklung und bietet Hardware, Software und eine enge Zusammenarbeit mit Cloud-Ressourcen von Google, Microsoft, Amazon und anderen.<\/p>\n

NVIDIAs GPUs<\/h3>\n

Inmitten des generativen KI-Booms hat NVIDIA sein KI-Chip-Portfolio erheblich erweitert und mehrere bahnbrechende Prozessoren vorgestellt, die die Grenzen der KI- und Computing-Technologien in verschiedenen Bereichen erweitern sollen.\u00a0<\/span><\/p>\n

Schauen wir uns diese Chips und ihre Beitr\u00e4ge genauer an:<\/span><\/p>\n

    \n
  1. A100 und H100:<\/b> Die <\/span>H100<\/span><\/a> wurde schnell zu NVIDIAs Flaggschiff f\u00fcr KI-Anwendungen und taktet 6-mal schneller als sein Vorg\u00e4nger, der A100.<\/span><\/li>\n
  2. HGX H200 GPU:<\/b> Auf der Grundlage der Hopper-Architektur wird die <\/span>H200<\/span><\/a> stellt den HBM3e-Speicher vor, der fast die doppelte Kapazit\u00e4t und die 2,4-fache Bandbreite im Vergleich zu seinem Vorg\u00e4nger A100 bietet. Er wurde entwickelt, um die Inferenzgeschwindigkeit auf Llama 2, einem LLM mit 70 Milliarden Parametern, im Vergleich zum H100 zu verdoppeln. Der H200 ist mit verschiedenen Rechenzentrumskonfigurationen kompatibel und wird voraussichtlich Anfang bis Mitte 2024 auf den Markt kommen.<\/span><\/li>\n
  3. GH200 Grace Hopper Superchip: <\/b>Der GH200 kombiniert die HGX H200 GPU mit einer Arm-basierten NVIDIA Grace CPU. Er ist f\u00fcr Supercomputing-Anwendungen gedacht, um komplexe KI- und HPC-Anwendungen zu bew\u00e4ltigen. Es wird erwartet, dass der GH200 in \u00fcber 40 KI-Supercomputern weltweit eingesetzt wird, darunter auch in bedeutenden Projekten wie dem JUPITER-System in Deutschland, das bei seiner Installation im Jahr 2024 das leistungsst\u00e4rkste KI-System der Welt sein soll.<\/span><\/li>\n
  4. Blackwell GPU:<\/b> Enth\u00fcllt am <\/span>GTC 2024<\/span><\/a>Die Blackwell GPU ist NVIDIAs Prozessor der n\u00e4chsten Generation und Nachfolger der H100 und H200 GPUs. Der von NVIDIA als weltweit leistungsst\u00e4rkster Chip angepriesene Blackwell wurde speziell f\u00fcr die Anforderungen der generativen KI entwickelt. Er bietet eine 30-fache Leistungssteigerung gegen\u00fcber dem H100 f\u00fcr LLM-Workloads bei 25-fach besserer Energieeffizienz.<\/span><\/li>\n<\/ol>\n

    Blackwell wird massiv sein, mit NVIDIAs Pressemitteilung<\/a> die das Interesse einer Reihe von Big-Tech-Gr\u00f6\u00dfen wie Satya Nadella von Microsoft, Sundar Pichai und Demis Hassabis von Google und DeepMind, Sam Altman von OpenAI und viele andere bekundeten.<\/p>\n

    \"Blackwell\"
    NVIDIAs Blackwell-Plattform. Quelle: NVIDIA.<\/figcaption><\/figure>\n

    NVIDIA \u00fcberlistet die US-Regierung<\/h2>\n

    Der Erfolg von NVIDIA erstreckt sich auch auf die agile Unternehmensstrategie, die Unternehmensf\u00fchrung und die Reaktion auf den Druck des Marktes. Dazu geh\u00f6rt auch, dass NVIDIA den Bem\u00fchungen der US-Regierung, die Exporte von High-End-Hardware nach China, einem seiner gr\u00f6\u00dften Kunden, einzuschr\u00e4nken, ausweichen konnte.<\/p>\n

    Im August 2022 verh\u00e4ngte das US-Handelsministerium Lizenzanforderungen f\u00fcr die Einfuhr bestimmter High-End-Grafikprozessoren, darunter die NVIDIA-Chips A100 und H100, nach China und Russland. Dies f\u00fchrte zu einem vor\u00fcbergehenden Einbruch der Lagerbest\u00e4nde um fast 8%.<\/p>\n

    Die Beschr\u00e4nkungen sollten verhindern, dass diese Chips in milit\u00e4rischen Anwendungen wie Supercomputern und KI-Systemen eingesetzt werden.<\/p>\n

    Im Oktober 2022 versch\u00e4rften die USA ihre Ausfuhrkontrollen weiter und f\u00fchrten ein umfassendes Regelwerk ein, das darauf abzielt, China von bestimmten Halbleiterchips abzuschneiden, die \u00fcberall auf der Welt mit US-Ausr\u00fcstung hergestellt werden. Diese Regeln schr\u00e4nken auch die Ausfuhr von in den USA hergestellten Werkzeugen und Komponenten ein, die f\u00fcr die Chipherstellung unerl\u00e4sslich sind.<\/p>\n

    Mit jeder \u00c4nderung dieser Vorschriften hat NVIDIA Wege gefunden, sie zu umgehen, indem es seine Chips so ver\u00e4ndert hat, dass sie die Exportverbote gezielt umgehen.<\/p>\n

    So hat NVIDIA im November drei neue Produkte auf den Markt gebracht - HGX H20, L20 PCle und L2 PCle - die auf dem leistungsstarken H100-Chip von NVIDIA basieren, aber so konzipiert sind, dass sie den Exportbeschr\u00e4nkungen entsprechen.<\/p>\n

    Diese Chips sind weniger leistungsf\u00e4hig als die zuvor eingeschr\u00e4nkten A100- und H800-Modelle, bieten aber dennoch eine effektive Leistung f\u00fcr KI-Aufgaben.<\/p>\n

    Als bemerkt von SemiAnalysis<\/a>\"Nvidia schafft mit diesen neuen Chips den Spagat zwischen Spitzenleistung und Leistungsdichte, um die neuen US-Vorschriften zu erf\u00fcllen.\"<\/p>\n

    Nach Angaben der South China Post werden sch\u00e4tzungsweise 20 bis 25% des Umsatzes von NVIDIA mit Rechenzentren von chinesischen K\u00e4ufern generiert, und das trotz immer strengerer Exportverbote.<\/p>\n

    Robotertechnik mit Projekt GR00T und Jetson Thor<\/h2>\n

    NVIDIA unterst\u00fctzt innovative und aufstrebende Technologien durch seine Entwicklungsplattformen f\u00fcr Unternehmensrobotik.\u00a0<\/span><\/p>\n

    Auf der GTC 2024-Konferenz k\u00fcndigte das Unternehmen an <\/span>Projekt GR00T<\/span><\/a> und<\/span> Jetson Thor<\/span><\/a>. GR00T will die humanoide Robotik revolutionieren, indem es ein universelles Grundmodell bereitstellt, das es Robotern erm\u00f6glicht, von menschlichen Handlungen zu lernen und schnell Koordination, Geschicklichkeit und andere F\u00e4higkeiten zu erlernen.\u00a0<\/span><\/p>\n

    \n

    Heute ist der Startschuss f\u00fcr unser Projekt zur L\u00f6sung der verk\u00f6rperten AGI in der physischen Welt. Ich freue mich sehr, das Projekt GR00T ank\u00fcndigen zu k\u00f6nnen, unsere neue Initiative zur Schaffung eines universellen Grundmodells f\u00fcr das Lernen humanoider Roboter.<\/p>\n

    Das Modell GR00T wird einen Roboter in die Lage versetzen, multimodale... pic.twitter.com\/EqN19Z3cXH<\/a><\/p>\n

    - Jim Fan (@DrJimFan) 18. M\u00e4rz 2024<\/a><\/p><\/blockquote>\n