{"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\/nb\/2024\/04\/nvidias-ai-odyssey-from-humble-origins-to-a-2-trillion-company\/","title":{"rendered":"NVIDIAs AI-odyss\u00e9: fra en beskjeden begynnelse til et selskap verdt $2 billioner"},"content":{"rendered":"

NVIDIA, et navn som er synonymt med banebrytende teknologi og innovasjon, ble grunnlagt for bare tre ti\u00e5r siden, i 1993.\u00a0<\/strong><\/p>\n

Fra en beskjeden begynnelse som designer av grafikkbrikker med fokus p\u00e5 spillindustrien, har NVIDIA utviklet seg til \u00e5 bli en global leder innen kunstig intelligens og h\u00f8yytelses databehandling.\u00a0<\/span><\/p>\n

NVIDIA ble verdsatt til \"bare\" rundt $100 milliarder kroner i 2019. Det er n\u00e5 verdt noen $2 billioner<\/a>Det er det tredje st\u00f8rste selskapet i verden m\u00e5lt etter markedsverdi, under Microsoft og Apple og foran Saudi Aramco, Amazon, Google og Meta Platforms.\u00a0<\/span><\/p>\n

NVIDIA ble grunnlagt av Jensen Huang, Chris Malachowsky og Curtis Priem, som hadde en felles visjon om \u00e5 revolusjonere datagrafikk. <\/span><\/p>\n

P\u00e5 begynnelsen av 1990-tallet s\u00e5 trioen det uutnyttede potensialet som l\u00e5 i spesialiserte grafikkprosessorer, og satte seg fore \u00e5 skape et selskap som skulle forandre den voksende spillindustrien.<\/span><\/p>\n

En av selskapets tidlige triumfer kom av en tilfeldighet.<\/p>\n

I 1995 var Sega i ferd med \u00e5 utvikle sin neste generasjons spillkonsoll, Sega Saturn. Sega var p\u00e5 utkikk etter en 3D-grafikkbrikke til konsollen og inngikk f\u00f8rst et samarbeid med NVIDIA-konkurrenten 3Dfx Interactive.<\/p>\n

Men ved et tilfeldig m\u00f8te mellom en NVIDIA-ingeni\u00f8r og en Sega-sjef p\u00e5 en konferanse demonstrerte NVIDIA selskapets NV1-brikke, noe som imponerte Sega. Sega bestemte seg for \u00e5 bruke NVIDIAs brikke i Saturn i stedet for 3Dfx'.<\/p>\n

Interessant nok ble NV1-brikken som ble brukt i Sega Saturn, ingen kommersiell suksess for NVIDIA p\u00e5 PC-markedet. Selskapets p\u00e5f\u00f8lgende produkt, RIVA 128 (NV3), var den f\u00f8rste vellykkede PC-GPU-en og la grunnlaget for selskapets fremtidige dominans p\u00e5 grafikkortmarkedet.<\/p>\n

Et annet tidlig gjennombrudd kom i 1999 med GeForce 256<\/a>som ble markedsf\u00f8rt som verdens f\u00f8rste GPU.\u00a0<\/span><\/p>\n

Dette la grunnlaget for NVIDIAs dominans i spillbransjen, og GeForce-serien av GPU-er ble raskt et kjent navn blant spillentusiaster.<\/span><\/p>\n

\"\"
NVIDIA GeForce-merket for spill-GPU-er.<\/figcaption><\/figure>\n

NVIDIA fortsatte \u00e5 flytte grensene for grafikkteknologi p\u00e5 begynnelsen av 2000-tallet, og lanserte stadig kraftigere GPU-er som leverte oppslukende spillopplevelser, samtidig som selskapets forskning og utvikling etablerte selskapet som ledende innen parallellprosessering.\u00a0<\/span><\/p>\n

Det skulle senere bli avgj\u00f8rende for NVIDIAs fremtidige suksess innen AI og h\u00f8yytelsesdatabehandling.<\/span><\/p>\n

Utover gaming: fremveksten av GPGPU og CUDA<\/h2>\n

Spillindustrien var en katalysator for NVIDIAs tidlige suksess, men selskapets ledelse inns\u00e5 at GPU-ene hadde et potensial som gikk langt utover ren grafikkgjengivelse alene.\u00a0<\/span><\/p>\n

I 2006 introduserte NVIDIA Compute Unified Device Architecture (CUDA), en programmeringsmodell som gjorde det mulig for utviklere \u00e5 utnytte GPU-enes parallelle prosessorkraft til generell databehandling (GPGPU).<\/span><\/p>\n

CUDA forenklet prosessen med \u00e5 programmere GPUer, og gjorde det mulig for utviklere \u00e5 skrive kode ved hjelp av kjente spr\u00e5k som C og C++. Dette \u00e5pnet nye muligheter for NVIDIA innen vitenskapelig forskning, olje- og gassutvinning, \u00f8konomiske simuleringer og medisinsk bildebehandling, og dermed \u00e5pnet det seg en myriade av nye partnerskap for NVIDIA.\u00a0<\/span><\/p>\n

Dette viste ogs\u00e5 hvordan NVIDIA ville bli en viktig akt\u00f8r innen h\u00f8yteknologisk kritisk infrastruktur, og utvide kundekretsen fra bedrifter til myndigheter og offentlige institusjoner.<\/p>\n

Halvledere: et notorisk vanskelig marked \u00e5 erobre<\/h2>\n

Halvlederindustrien er en sv\u00e6rt kompleks og konkurranseutsatt bransje, med bare en h\u00e5ndfull selskaper som gj\u00f8r seg bemerket.<\/p>\n

En viktig \u00e5rsak til det begrensede antallet store halvlederprodusenter er de ekstremt h\u00f8ye kostnadene og kompleksiteten i produksjonsprosessen.<\/p>\n

Halvlederproduksjon krever toppmoderne anlegg, s\u00e5kalte st\u00f8perier, som kan koste milliarder av dollar \u00e5 bygge og vedlikeholde.<\/p>\n

Disse st\u00f8periene m\u00e5 operere i ekstremt rene omgivelser for \u00e5 forhindre at selv de minste partikler forstyrrer produksjonsprosessen.<\/p>\n

I tillegg er utstyret som brukes til halvlederproduksjon, for eksempel litografimaskiner, sv\u00e6rt spesialisert og kostbart, og enkelte maskiner koster opp mot $100 millioner kroner.<\/p>\n

Til sammen skaper dette enorme inngangsbarrierer for nye akt\u00f8rer i bransjen, noe som har bidratt til \u00e5 holde NVIDIA p\u00e5 toppen av hakkeordenen til tross for konkurranse fra AMD, Intel og Qualcomm.<\/p>\n

AI-revolusjonen<\/h2>\n

Etter hvert som ettersp\u00f8rselen etter kunstig intelligens og maskinl\u00e6ring \u00f8kte p\u00e5 2010-tallet, var NVIDIA perfekt posisjonert for \u00e5 dra nytte av denne nye trenden.\u00a0<\/span><\/p>\n

Med parallellprosessering i beltet ble selskapets GPU-er den foretrukne maskinvaren for \u00e5 trene opp dype nevrale nettverk og drive AI-arbeidsbelastninger.<\/span><\/p>\n

NVIDIA erkjenner det enorme potensialet som ligger i kunstig intelligens, og har derfor gjort strategiske investeringer p\u00e5 dette feltet i samarbeid med ledende forskningsinstitusjoner og teknologiselskaper for \u00e5 utvikle AI-teknologien.<\/span><\/p>\n

Selskapets tidlige st\u00f8tte til OpenAI viste selskapets evne til \u00e5 g\u00e5 inn i banebrytende bransjer og ta risiko for \u00e5 utvide kundebasen.<\/span><\/p>\n

NVIDIA utviklet ogs\u00e5 spesialiserte beregningsmoduler, som DGX-serien, som er spesielt utviklet for \u00e5 akselerere oppl\u00e6ringen av store spr\u00e5kmodeller (LLM) og andre AI-arkitekturer. Disse kraftige systemene ble raskt den foretrukne maskinvaren for AI-forskere og -utviklere over hele verden.<\/span><\/p>\n

Og det er et sv\u00e6rt viktig poeng. N\u00e5r det gjelder avansert AI-maskinvare, finnes det NVIDIA, og s\u00e5 er det de andre.<\/p>\n

Det er et uvanlig oppsett, selv i Big Tech. Google, Amazon, Meta, Apple og Microsoft er ikke s\u00e5 forskjellige n\u00e5r du koker ned kjernevirksomheten deres.<\/p>\n

Det er s\u00e5 f\u00e5 akt\u00f8rer i halvledermarkedet, delvis fordi det er t\u00f8ft, og delvis fordi NVIDIA har gjort det slik gjennom strategiske investeringer.<\/p>\n

NVIDIAs sammenhengende \u00f8kosystem gir ogs\u00e5 utviklere trygghet, ettersom NVIDIA har blitt s\u00e5 p\u00e5litelig. Dette er et selskap som er fritt for kontroversene i Big Tech, ledelseskampene, regulatoriske tiltak og avhengighet av mindre h\u00e5ndgripelige digitale teknologier som sosiale medier.<\/p>\n

NVIDIA forst\u00e5r dette, og bruker programvare og maskinvare til \u00e5 styrke dominansen over AI-\u00f8kosystemet og skape en rekke programvareverkt\u00f8y og biblioteker som forbedrer markedsstrategiene for kundene deres.\u00a0<\/span><\/p>\n

NVIDIAs rolle i generativ AI<\/h2>\n

Fremveksten av generativ AI befestet NVIDIAs posisjon som et kraftsenter innen AI ytterligere. Det var p\u00e5 dette stadiet NVIDIA virkelig etablerte seg som et av de mest innflytelsesrike selskapene i verden.\u00a0<\/span><\/p>\n

Generativ AI inneb\u00e6rer \u00e5 trene modeller p\u00e5 store datamengder for \u00e5 skape nytt innhold basert p\u00e5 innl\u00e6rte m\u00f8nstre og stiler, for eksempel tekst, bilder og musikk.<\/span><\/p>\n

NVIDIA inns\u00e5 det enorme potensialet og introduserte AI Foundations, en skybasert plattform som demokratiserte tilgangen til toppmoderne generative AI-modeller.\u00a0<\/span><\/p>\n

AI Foundations gj\u00f8r det mulig for bedrifter og utviklere \u00e5 utnytte kraften i generativ AI uten behov for omfattende interne ressurser eller ekspertise.<\/span><\/p>\n

NVIDIAs AI Foundations inkluderte opprinnelig ferdig oppl\u00e6rte modeller, som NeMo for naturlig spr\u00e5kbehandling og Picasso for bilde- og videogenerering.<\/span><\/p>\n

Igjen viser dette NVIDIAs satsing p\u00e5 \u00e5 bygge et \u00f8kosystem i stedet for individuelle produkter. Det er her de skiller seg fra andre produsenter, spesielt konkurrenter innen halvlederproduksjon.<\/p>\n

NVIDIA er en one-stop-shop for banebrytende AI-utvikling, og tilbyr maskinvare, programvare og et sterkt samarbeid med skyressurser via Google, Microsoft, Amazon og andre.<\/p>\n

NVIDIAs GPU-er<\/h3>\n

Midt i den generative AI-boomen har NVIDIA utvidet sin AI-chipportef\u00f8lje betraktelig, og introdusert flere banebrytende prosessorer som er utviklet for \u00e5 flytte grensene for AI og datateknologi p\u00e5 tvers av ulike sektorer.\u00a0<\/span><\/p>\n

La oss se n\u00e6rmere p\u00e5 disse brikkene og deres bidrag:<\/span><\/p>\n

    \n
  1. A100 og H100:<\/b> Den <\/span>H100<\/span><\/a> ble raskt NVIDIAs flaggskip for AI-applikasjoner, med 6 ganger h\u00f8yere klokkehastighet enn forgjengeren A100.<\/span><\/li>\n
  2. HGX H200 GPU:<\/b> Basert p\u00e5 Hopper-arkitekturen er <\/span>H200<\/span><\/a> introduserer HBM3e-minnet, som gir nesten dobbelt s\u00e5 stor kapasitet og 2,4 ganger st\u00f8rre b\u00e5ndbredde enn forgjengeren A100. Det er designet for \u00e5 doble inferenshastigheten p\u00e5 Llama 2, en LLM med 70 milliarder parametere, sammenlignet med H100. H200 er kompatibel med ulike datasenterkonfigurasjoner og skal etter planen lanseres tidlig til midten av 2024.<\/span><\/li>\n
  3. GH200 Grace Hopper Superchip: <\/b>GH200 kombinerer HGX H200 GPU med en Arm-basert NVIDIA Grace CPU. Den er rettet mot superdatamaskiner for \u00e5 takle komplekse AI- og HPC-applikasjoner. GH200 forventes \u00e5 bli brukt i over 40 AI-superdatamaskiner over hele verden, inkludert viktige prosjekter som JUPITER-systemet i Tyskland, som forventes \u00e5 bli verdens kraftigste AI-system n\u00e5r det blir installert i 2024.<\/span><\/li>\n
  4. Blackwell GPU:<\/b> Avduket p\u00e5 <\/span>GTC 2024<\/span><\/a>Blackwell GPU er NVIDIAs neste generasjons prosessor, som etterf\u00f8lger H100- og H200-GPUene. Blackwell, som NVIDIA omtaler som verdens kraftigste brikke, er utviklet spesielt for kravene til generativ AI. Den gir 30 ganger h\u00f8yere ytelse enn H100 for LLM-arbeidsbelastninger og 25 ganger bedre energieffektivitet.<\/span><\/li>\n<\/ol>\n

    Blackwell vil v\u00e6re massiv, med NVIDIAs pressemelding<\/a> og viste interesse fra en rekke av Big Techs st\u00f8rste navn, som Microsofts Satya Nadella, Googles og DeepMinds Sundar Pichai og Demis Hassabis, OpenAIs Sam Altman og mange andre.<\/p>\n

    \"Blackwell\"
    NVIDIAs Blackwell-plattform. Kilde: NVIDIA: NVIDIA.<\/figcaption><\/figure>\n

    NVIDIA overlistet den amerikanske regjeringen<\/h2>\n

    NVIDIAs suksess omfatter ogs\u00e5 selskapets smidige strategi, styring og respons p\u00e5 markedspress. Dette omfatter blant annet \u00e5 unng\u00e5 amerikanske myndigheters fors\u00f8k p\u00e5 \u00e5 begrense eksporten av avansert maskinvare til Kina, som er en av selskapets st\u00f8rste kunder.<\/p>\n

    I august 2022 innf\u00f8rte det amerikanske handelsdepartementet lisenskrav for import av visse avanserte GPU-er, inkludert NVIDIAs A100- og H100-brikker, til Kina og Russland. Dette f\u00f8rte til at aksjen midlertidig sank med nesten 8%.<\/p>\n

    Restriksjonene ble utformet for \u00e5 hindre at disse brikkene ble brukt i milit\u00e6re applikasjoner, som superdatamaskiner og AI-systemer.<\/p>\n

    I oktober 2022 strammet USA inn eksportkontrollen ytterligere, og innf\u00f8rte et omfattende sett med regler som hadde som m\u00e5l \u00e5 avskj\u00e6re Kina fra visse halvlederbrikker som var produsert hvor som helst i verden med amerikansk utstyr. Disse reglene begrenset ogs\u00e5 eksporten av amerikanskproduserte verkt\u00f8y og komponenter som er avgj\u00f8rende for chip-produksjon.<\/p>\n

    For hver gang disse reglene har blitt endret, har NVIDIA funnet m\u00e5ter \u00e5 omg\u00e5 dem p\u00e5 ved \u00e5 endre brikkene sine for \u00e5 omg\u00e5 eksportforbud.<\/p>\n

    I november lanserte NVIDIA for eksempel tre nye produkter - HGX H20, L20 PCle og L2 PCle - basert p\u00e5 NVIDIAs kraftige H100-chip, men utformet for \u00e5 overholde eksportrestriksjonene.<\/p>\n

    Disse brikkene er mindre kraftige enn de tidligere begrensede A100- og H800-modellene, men gir likevel effektiv ytelse for AI-oppgaver.<\/p>\n

    Som notert av SemiAnalysis<\/a>\"Nvidia balanserer perfekt mellom topp ytelse og ytelsestetthet med disse nye brikkene for \u00e5 f\u00e5 dem gjennom de nye amerikanske forskriftene.\"<\/p>\n

    If\u00f8lge South China Post genereres anslagsvis 20 til 25% av NVIDIAs datasenterinntekter fra kinesiske kj\u00f8pere, selv til tross for stadig strengere eksportforbud.<\/p>\n

    Robotikk med Project GR00T og Jetson Thor<\/h2>\n

    NVIDIA st\u00f8tter banebrytende og nye teknologier gjennom sine utviklingsplattformer for bedriftsrobotikk.\u00a0<\/span><\/p>\n

    P\u00e5 GTC 2024-konferansen kunngjorde selskapet <\/span>Prosjekt GR00T<\/span><\/a> og<\/span> Jetson Thor<\/span><\/a>. GR00T har til hensikt \u00e5 revolusjonere humanoid robotikk ved \u00e5 tilby en generell grunnmodell som gj\u00f8r det mulig for roboter \u00e5 l\u00e6re av menneskelige handlinger og raskt l\u00e6re seg koordinasjon, fingerferdighet og andre ferdigheter.\u00a0<\/span><\/p>\n

    \n

    I dag er starten p\u00e5 v\u00e5rt m\u00e5neskudd for \u00e5 l\u00f8se kroppsliggjort AGI i den fysiske verden. Jeg er veldig glad for \u00e5 kunngj\u00f8re prosjekt GR00T, v\u00e5rt nye initiativ for \u00e5 skape en generell grunnmodell for l\u00e6ring av humanoide roboter.<\/p>\n

    GR00T-modellen gj\u00f8r det mulig for en robot \u00e5 forst\u00e5 multimodale... pic.twitter.com\/EqN19Z3cXH<\/a><\/p>\n

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