{"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\/it\/2024\/04\/nvidias-ai-odyssey-from-humble-origins-to-a-2-trillion-company\/","title":{"rendered":"L'odissea dell'intelligenza artificiale di NVIDIA: dalle umili origini a un'azienda da $2 trilioni di dollari"},"content":{"rendered":"

NVIDIA, un nome sinonimo di tecnologia e innovazione all'avanguardia, \u00e8 stata fondata nel 1993, circa tre decenni fa.\u00a0<\/strong><\/p>\n

Dalle umili origini di progettista di chip grafici focalizzati sul settore dei giochi, NVIDIA si \u00e8 evoluta fino a diventare un leader globale nell'AI e nel calcolo ad alte prestazioni.\u00a0<\/span><\/p>\n

NVIDIA \u00e8 stata valutata \"solo\" circa $100 miliardi nel 2019. Ora vale circa $2 trilioni<\/a>La societ\u00e0 si colloca al terzo posto al mondo per capitalizzazione di mercato, al di sotto di Microsoft e Apple e davanti a Saudi Aramco, Amazon, Google e Meta Platforms.\u00a0<\/span><\/p>\n

NVIDIA \u00e8 stata fondata da Jensen Huang, Chris Malachowsky e Curtis Priem, che condividevano la visione di rivoluzionare la grafica computerizzata. <\/span><\/p>\n

All'inizio degli anni '90, il trio ha riconosciuto il potenziale inutilizzato dei processori grafici specializzati e ha deciso di creare un'azienda che avrebbe trasformato il fiorente settore dei giochi.<\/span><\/p>\n

Uno dei primi trionfi dell'azienda \u00e8 nato da un momento di serendipit\u00e0.<\/p>\n

Nel 1995, Sega stava sviluppando la sua console di gioco di nuova generazione, il Sega Saturn. Sega era alla ricerca di un chip grafico 3D per alimentare la console e inizialmente aveva stretto una partnership con 3Dfx Interactive, concorrente di NVIDIA.<\/p>\n

Tuttavia, un incontro casuale tra un ingegnere di NVIDIA e un dirigente di Sega durante una conferenza ha permesso a NVIDIA di mostrare il chip NV1 dell'azienda, che ha impressionato Sega. Sega decise di utilizzare il chip di NVIDIA nel Saturn invece di quello di 3Dfx.<\/p>\n

\u00c8 interessante notare che il chip NV1 utilizzato nel Sega Saturn non fu un successo commerciale per NVIDIA nel mercato dei PC. Il prodotto successivo dell'azienda, la RIVA 128 (NV3), \u00e8 stata la sua prima GPU di successo per PC e ha gettato le basi per il suo futuro dominio nel mercato delle schede grafiche.<\/p>\n

Un altro passo avanti \u00e8 stato fatto nel 1999 con la GeForce 256<\/a>, commercializzata come la prima GPU al mondo.\u00a0<\/span><\/p>\n

Questo ha gettato le basi per il dominio di NVIDIA nel settore dei giochi e la linea di GPU GeForce \u00e8 diventata rapidamente un nome familiare tra gli appassionati di videogiochi.<\/span><\/p>\n

\"\"
Il marchio di GPU di gioco NVIDIA GeForce.<\/figcaption><\/figure>\n

Mentre NVIDIA ha continuato a spingere i confini della tecnologia grafica per tutti i primi anni 2000, rilasciando GPU sempre pi\u00f9 potenti che offrivano esperienze di gioco coinvolgenti, la ricerca e sviluppo dell'azienda si \u00e8 affermata come leader nell'elaborazione in parallelo.\u00a0<\/span><\/p>\n

Questo sarebbe poi stato determinante per il futuro successo di NVIDIA nel campo dell'AI e del calcolo ad alte prestazioni.<\/span><\/p>\n

Oltre i giochi: l'ascesa di GPGPU e CUDA<\/h2>\n

Sebbene il settore dei giochi abbia catalizzato il successo iniziale di NVIDIA, la leadership dell'azienda ha riconosciuto il potenziale delle GPU al di l\u00e0 del solo rendering grafico.\u00a0<\/span><\/p>\n

Nel 2006 NVIDIA ha introdotto la Compute Unified Device Architecture (CUDA), un modello di programmazione che ha permesso agli sviluppatori di sfruttare la potenza di elaborazione in parallelo delle GPU per il general-purpose computing (GPGPU).<\/span><\/p>\n

CUDA ha semplificato il processo di programmazione delle GPU, consentendo agli sviluppatori di scrivere codice utilizzando linguaggi familiari come C e C++. Questo ha aperto nuove opportunit\u00e0 per NVIDIA nella ricerca scientifica, nell'esplorazione di petrolio e gas, nelle simulazioni finanziarie e nell'imaging medico, aprendo cos\u00ec una miriade di nuove partnership per NVIDIA.\u00a0<\/span><\/p>\n

Questo ha anche dimostrato come NVIDIA sarebbe diventata fondamentale nelle infrastrutture critiche ad alta tecnologia, espandendo la sua clientela oltre le aziende, ai governi e alle istituzioni pubbliche.<\/p>\n

Semiconduttori: un mercato notoriamente difficile da conquistare<\/h2>\n

L'industria dei semiconduttori \u00e8 notoriamente complessa e altamente competitiva, e solo poche aziende riescono a imporsi.<\/p>\n

Uno dei motivi principali del numero limitato di grandi produttori di semiconduttori \u00e8 l'estremo costo e la complessit\u00e0 del processo di produzione.<\/p>\n

La produzione di semiconduttori richiede impianti all'avanguardia, noti come fonderie, la cui costruzione e manutenzione pu\u00f2 costare miliardi di dollari.<\/p>\n

Queste fonderie devono operare in ambienti estremamente puliti per evitare che anche le pi\u00f9 piccole particelle interferiscano con il processo di produzione.<\/p>\n

Inoltre, le attrezzature utilizzate per la produzione di semiconduttori, come le macchine per la litografia, sono altamente specializzate e costose, con alcune macchine che costano pi\u00f9 di $100 milioni.<\/p>\n

L'insieme di queste caratteristiche crea enormi barriere all'ingresso per i nuovi operatori del settore e ha contribuito a mantenere NVIDIA in cima alla classifica nonostante la concorrenza di AMD, Intel e Qualcomm.<\/p>\n

La rivoluzione dell'intelligenza artificiale<\/h2>\n

Con l'aumento della domanda di AI e di machine learning negli anni 2010, NVIDIA si \u00e8 trovata in una posizione perfetta per capitalizzare questa tendenza emergente.\u00a0<\/span><\/p>\n

Grazie alle attivit\u00e0 di ricerca e sviluppo sull'elaborazione in parallelo, le GPU dell'azienda sono diventate l'hardware preferito per l'addestramento di reti neurali profonde e l'alimentazione di carichi di lavoro di intelligenza artificiale.<\/span><\/p>\n

Riconoscendo l'immenso potenziale dell'IA, NVIDIA ha effettuato investimenti strategici nel settore, collaborando con i principali istituti di ricerca e aziende tecnologiche per far progredire le tecnologie dell'IA.<\/span><\/p>\n

Il sostegno iniziale dell'azienda a OpenAI ha dimostrato la sua capacit\u00e0 di attingere a settori all'avanguardia e di correre rischi per espandere la propria base di clienti.<\/span><\/p>\n

NVIDIA ha anche sviluppato moduli di calcolo specializzati, come la serie DGX, progettati specificamente per accelerare l'addestramento di modelli linguistici di grandi dimensioni (LLM) e altre architetture di IA. Questi potenti sistemi sono diventati rapidamente l'hardware di riferimento per i ricercatori e gli sviluppatori di IA di tutto il mondo.<\/span><\/p>\n

E questo \u00e8 un punto cruciale. Quando si tratta di hardware AI di fascia alta, c'\u00e8 NVIDIA e poi ci sono gli altri.<\/p>\n

Si tratta di un assetto insolito, anche nella Big Tech. Google, Amazon, Meta, Apple e Microsoft non sono molto diverse tra loro se si considerano le loro unit\u00e0 di business principali.<\/p>\n

Il mercato dei semiconduttori \u00e8 caratterizzato da un numero esiguo di operatori, in parte perch\u00e9 \u00e8 difficile e in parte perch\u00e9 NVIDIA lo ha reso tale grazie a investimenti strategici.<\/p>\n

L'ecosistema coeso di NVIDIA offre inoltre certezza agli sviluppatori, poich\u00e9 NVIDIA \u00e8 diventata cos\u00ec affidabile. Si tratta di un'azienda libera dalle controversie delle Big Tech, dalle lotte per la leadership, dalle azioni normative e dalla dipendenza da tecnologie digitali meno tangibili come i social media.<\/p>\n

NVIDIA ne \u00e8 consapevole e utilizza software e hardware per rafforzare il proprio dominio sull'ecosistema dell'intelligenza artificiale e creare una suite di strumenti e librerie software che migliorano le strategie di go-to-market dei propri clienti.\u00a0<\/span><\/p>\n

Il ruolo di NVIDIA nell'IA generativa<\/h2>\n

L'ascesa dell'IA generativa ha ulteriormente consolidato la posizione di NVIDIA come potenza dell'IA. Questa \u00e8 la fase in cui NVIDIA si \u00e8 veramente affermata come una delle aziende pi\u00f9 influenti al mondo.\u00a0<\/span><\/p>\n

L'IA generativa prevede l'addestramento di modelli su vasti dati per creare nuovi contenuti basati su modelli e stili appresi, come testo, immagini e musica.<\/span><\/p>\n

Riconoscendone l'immenso potenziale, NVIDIA ha introdotto AI Foundations, una piattaforma basata su cloud che ha democratizzato l'accesso a modelli di AI generativa all'avanguardia.\u00a0<\/span><\/p>\n

AI Foundations consente alle aziende e agli sviluppatori di sfruttare la potenza dell'IA generativa senza dover ricorrere a risorse o competenze interne.<\/span><\/p>\n

L'AI Foundations di NVIDIA comprendeva inizialmente modelli pre-addestrati, come NeMo per l'elaborazione del linguaggio naturale e Picasso per la generazione di immagini e video.<\/span><\/p>\n

Ancora una volta, questo dimostra l'impegno di NVIDIA nella creazione di un ecosistema piuttosto che di singoli prodotti. Questo \u00e8 il punto in cui si differenzia da altri produttori, in particolare dai concorrenti nella produzione di semiconduttori.<\/p>\n

NVIDIA \u00e8 uno sportello unico per lo sviluppo dell'IA all'avanguardia e offre hardware, software e forti collaborazioni con le risorse cloud di Google, Microsoft, Amazon e altri.<\/p>\n

GPU NVIDIA<\/h3>\n

Nel bel mezzo del boom dell'IA generativa, NVIDIA ha ampliato notevolmente il suo portafoglio di chip per l'IA, introducendo diversi processori rivoluzionari progettati per spingere i limiti dell'IA e delle tecnologie di elaborazione in vari settori.\u00a0<\/span><\/p>\n

Diamo un'occhiata pi\u00f9 da vicino a questi chip e ai loro contributi:<\/span><\/p>\n

    \n
  1. A100 e H100:<\/b> Il <\/span>H100<\/span><\/a> \u00e8 diventato rapidamente il fiore all'occhiello di NVIDIA per le applicazioni AI, con una velocit\u00e0 di clock 6 volte superiore al suo predecessore, l'A100.<\/span><\/li>\n
  2. GPU HGX H200:<\/b> Basato sull'architettura Hopper, il <\/span>H200<\/span><\/a> presenta la memoria HBM3e, che offre una capacit\u00e0 quasi doppia e una larghezza di banda 2,4 volte superiore rispetto al suo predecessore, l'A100. \u00c8 progettata per raddoppiare la velocit\u00e0 di inferenza su Llama 2, un LLM da 70 miliardi di parametri, rispetto all'H100. L'H200 \u00e8 compatibile con diverse configurazioni di data center e la sua uscita \u00e8 prevista per l'inizio-met\u00e0 del 2024.<\/span><\/li>\n
  3. GH200 Grace Hopper Superchip: <\/b>La GH200 combina la GPU HGX H200 con una CPU NVIDIA Grace basata su Arm. \u00c8 destinata alle applicazioni di supercomputing per affrontare applicazioni AI e HPC complesse. Si prevede che la GH200 sar\u00e0 utilizzata in oltre 40 supercomputer di intelligenza artificiale in tutto il mondo, compresi progetti importanti come il sistema JUPITER in Germania, che si prevede sar\u00e0 il sistema di intelligenza artificiale pi\u00f9 potente al mondo al momento della sua installazione nel 2024.<\/span><\/li>\n
  4. GPU Blackwell:<\/b> Presentato a <\/span>GTC 2024<\/span><\/a>La GPU Blackwell \u00e8 il processore di nuova generazione di NVIDIA, che succede alle GPU H100 e H200. Definito da NVIDIA il chip pi\u00f9 potente al mondo, Blackwell \u00e8 stato progettato specificamente per le esigenze dell'IA generativa. Offre un aumento delle prestazioni di 30 volte rispetto all'H100 per i carichi di lavoro LLM con un'efficienza energetica 25 volte superiore.<\/span><\/li>\n<\/ol>\n

    Blackwell sar\u00e0 enorme, con Comunicato stampa di NVIDIA<\/a> che mostra l'interesse di una serie di grandi nomi della Big Tech, come Satya Nadella di Microsoft, Sundar Pichai e Demis Hassabis di Google e DeepMind, Sam Altman di OpenAI e molti altri.<\/p>\n

    \"Blackwell\"
    Piattaforma Blackwell di NVIDIA. Fonte: NVIDIA.<\/figcaption><\/figure>\n

    NVIDIA supera il governo degli Stati Uniti<\/h2>\n

    Il successo di NVIDIA si estende alla sua agile strategia aziendale, alla governance e alla risposta alle pressioni del mercato. Ci\u00f2 include la possibilit\u00e0 di aggirare gli sforzi del governo statunitense per limitare le esportazioni di hardware di fascia alta verso la Cina, uno dei suoi principali clienti.<\/p>\n

    Nell'agosto del 2022, il Dipartimento del Commercio degli Stati Uniti ha imposto requisiti di licenza per l'importazione di alcune GPU di fascia alta, tra cui i chip A100 e H100 di NVIDIA, in Cina e Russia. Questo ha causato un calo temporaneo delle sue scorte di quasi 8%.<\/p>\n

    Le restrizioni sono state pensate per evitare che questi chip vengano utilizzati in applicazioni militari, come supercomputer e sistemi di intelligenza artificiale.<\/p>\n

    Nell'ottobre del 2022, gli Stati Uniti hanno ulteriormente inasprito i controlli sulle esportazioni, introducendo un'ampia serie di norme che miravano a escludere la Cina da alcuni chip di semiconduttori prodotti in tutto il mondo con apparecchiature statunitensi. Queste regole limitavano anche l'esportazione di strumenti e componenti di fabbricazione statunitense essenziali per la produzione di chip.<\/p>\n

    Ad ogni iterazione di queste regole, NVIDIA ha trovato il modo di aggirare il problema modificando i propri chip per eludere in modo specifico i divieti di esportazione.<\/p>\n

    Ad esempio, a novembre NVIDIA ha rilasciato tre nuovi prodotti - HGX H20, L20 PCle e L2 PCle - basati sul potente chip H100 di NVIDIA ma progettati per rispettare le restrizioni alle esportazioni.<\/p>\n

    Questi chip sono meno potenti dei modelli A100 e H800, precedentemente limitati, ma offrono comunque prestazioni efficaci per le attivit\u00e0 di intelligenza artificiale.<\/p>\n

    Come notato da SemiAnalysis<\/a>Nvidia \u00e8 perfettamente a cavallo tra prestazioni di picco e densit\u00e0 di prestazioni con questi nuovi chip, per farli passare attraverso le nuove normative statunitensi\".<\/p>\n

    Secondo il South China Post, si stima che tra il 20 e il 25% del fatturato dei data center di NVIDIA sia generato da acquirenti cinesi, nonostante i divieti di esportazione sempre pi\u00f9 severi.<\/p>\n

    Robotica con il Progetto GR00T e Jetson Thor<\/h2>\n

    NVIDIA supporta le tecnologie emergenti e all'avanguardia attraverso le sue piattaforme di sviluppo della robotica aziendale.\u00a0<\/span><\/p>\n

    In occasione della conferenza GTC 2024, l'azienda ha annunciato <\/span>Progetto GR00T<\/span><\/a> e<\/span> Jetson Thor<\/span><\/a>. GR00T intende rivoluzionare la robotica umanoide fornendo un modello di base generale che consenta ai robot di imparare dalle azioni umane e di apprendere rapidamente la coordinazione, la destrezza e altre abilit\u00e0.\u00a0<\/span><\/p>\n

    \n

    Oggi \u00e8 l'inizio del nostro moonshot per risolvere l'AGI incarnata nel mondo fisico. Sono entusiasta di annunciare il Progetto GR00T, la nostra nuova iniziativa volta a creare un modello di base generale per l'apprendimento dei robot umanoidi.<\/p>\n

    Il modello GR00T consentir\u00e0 a un robot di comprendere le... pic.twitter.com\/EqN19Z3cXH<\/a><\/p>\n

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