Najvažnije o Nvidiji u sedam tačaka

Nakon snažnog rasta deonica koji je Nvidiju nakratko učinio najvrednijom firmom na svetu, ulagači sve pažljivije razmatraju nova ulaganja u tog proizvođača čipova. Svesni su da uvođenje veštačke inteligencije (engl. artificial intelligence - AI) neće biti jednostavan proces i da se neće bazirati isključivo na Nvidijinoj tehnologiji.

Zasad Nvidia ostaje vodeći dobavljač bazne hardverske opreme u AI groznici. Prihodi i dalje snažno rastu, a narudžbine za seriju čipova Hopper i njenog naslednika Blackwell dosežu rekorde.

Dalji uspeh kompanije zavisiće od toga da li će Microsoft, Google i drugi tehnološki divovi pronaći dovoljno komercijalnih primera za primenu AI-ja kako bi opravdali golema ulaganja u Nvidijine čipove. Čak i ako u tome uspeju, ostaje pitanje koliko će najmoćnijih i najskupljih čipova uopšte biti potrebno - u januaru je kineski startap DeepSeek predstavio AI model za koji tvrdi da postiže isti nivo performansi kao modeli velikih američkih firmi, ali uz znatno manja ulaganja.

Nakon objave naučnog rada u kojem je DeepSeek detaljno opisao sposobnosti svog modela i način na koji je razvijen, tržišna vrednost Nvidije pala je za 589 milijardi dolara, što je najveći jednodnevni gubitak vrednosti jedne kompanije u istoriji. Do sredine maja akcije su većim delom nadoknadile izgubljenu vrednost.

U nastavku donosimo pregled razloga zašto Nvidia beleži tako snažan rast i s kojim se izazovima suočava.

Koji su najpopularniji Nvidijini AI čipovi

Trenutno najviše prihoda donosi Hopper H100, nazvan po pionirki računarstva Grace Hopper. Reč je o naprednoj verziji grafičkog procesora (GPU), izvorno razvijenog za potrebe video-igara. Hopper sada postupno ustupa mesto novoj liniji čipova Blackwell, nazvanoj po matematičaru Davidu Blackwellu.

I Hopper i Blackwell koriste tehnologiju koja omogućava da računarski klasteri s Nvidijinim čipovima deluju kao jedinstvena celina, s mogućnošću obrade ogromnih količina podataka i jako brzih računarskih operacija. To ih čini idealnim za energetski zahtevne zadatke treniranja neuronskih mreža koje pokreću najnoviju generaciju AI proizvoda.

Nvidia, osnovana 1993, počela je da razvija to područje pre više od deset godina, kladeći se na to da će računarstvo jednog dana postati ključno i van sveta video-igara. Firma iz Santa Klare u Kaliforniji planira da ponudi čipove Blackwell u raznim konfiguracijama, uključujući i kao deo superčipa GB200, koji objedinjuje dva Blackwell GPU-a i jedan Grace CPU, procesor opšte namene, takođe nazvan po Hopper.

Zašto su Nvidijini AI čipovi posebni

Generativne AI platforme uče zadatke poput prevođenja tekstova, sažimanja izveštaja i generisanja slika obrađujući ogromne količine postojećih podataka, odnosno što više "vide" - to bolje funkcionišu. Razvijaju se kroz metode pokušaja i grešaka, što zahteva milijarde iteracija i ogromnu računarsku snagu.

Prema podacima same Nvidije, Blackwell pri treniranju AI modela postiže 2,5 puta bolje performanse od čipa Hopper. Novi čip sadrži toliko tranzistora (mikroskopskih prekidača koji omogućuju obradu podataka) da se ne može proizvesti kao jedinstvena komponenta. U stvarnosti je reč o dva čipa povezana u jednu funkcionalnu celinu koji međusobno usklađeno funkcionišu.

Za kompanije koje žure s treniranjem svojih AI sistema za nove zadatke, performanse čipova Hopper i Blackwell su ključne. Ti čipovi su toliko strateški važni da je američka vlada ograničila njihovu prodaju Kini.

Kako je Nvidia postala lider u AI-ju

Nvidia je već dominirala na tržištu grafičkih čipova, komponenti koje prikazuju slike na ekranima računara. Najsnažniji među njima imaju hiljade jezgara koji mogu istovremeno da obrađuju više tokova podataka, što omogućava izradu složenih 3D prikaza u modernim video-igrama.

Nvidijini inženjeri su još početkom dvehiljaditih prepoznali da se grafički akceleratori mogu prilagoditi i za druge namene. Istraživači AI-ja su tada otkrili da upravo takvi čipovi omogućavaju prelazak iz teorije u praksu.

Bloomberg

Šta radi Nvidijina konkurencija

Prema podacima analitičke kuće IDC, Nvidia drži oko 90 odsto tržišta GPU-ova za data centre. Glavni pružaoci usluga u klaudu Amazon AWS, Google Cloud (Alphabet) i Microsoft Azure, koji su i najveći kupci Nvidijinih čipova, razvijaju sopstvene procesore. Isto čine i direktni konkurenti AMD i Intel.

Na sajmu Computex u Tajvanu u maju ove godine, Nvidia je nagovestila da je spremna da prilagodi svoju strategiju činjenici da njeni ključni kupci razvijaju vlastite komponente. Direktor Jensen Huang najavio je da će NVLink, sistem visokih performansi za povezivanje čipova unutar servera, ubuduće biti otvoren i za proizvode drugih proizvođača. Dotad je ta tehnologija bila rezervisana isključivo za Nvidijine procesore i akceleratore. Ipak, razvoj paralelnih rešenja zasad nije ozbiljno ugrozio Nvidijinu dominaciju.

Kako Nvidia zadržava prednost

Nvidia ubrzano ažurira svoju ponudu, uključujući softver koji podržava hardver, brzinom kojom je konkurencija ne može pratiti. Takođe je razvila sisteme klastera koji kupcima omogućavaju grupnu nabavku i brzu implementaciju čipova H100 u data centre.

Procesori poput Intel Xeona mogu da obrađuju zahtevne podatke, imaju manje jezgara i sporiji su pri zadacima poput treniranja AI modela, koji zahtevaju masivnu obradu informacija. Intel, nekad vodeći u segmentu data centara, i dalje pokušava da razvije akceleratore koji bi mogli da konkurišu Nvidijinim rešenjima.

 

Kakva je trenutna potražnja za AI čipovima

Huang i njegov tim neprestano ističu da imaju više narudžbina nego što ih mogu ispuniti, čak i za starije modele čipova. Microsoft, Amazon, Meta i Google najavili su zajednička ulaganja u AI i data centre vredne stotine milijardi dolara. Ali u poslednje vreme pojavile su se sumnje da se interesovanje za AI centre polako smanjuje. Microsoft je u nekoliko regija smanjio opseg izgradnje data centara, što je podstaklo šira pitanja o tome stvaraju li kompanije veće kapacitete nego što će im dugoročno trebati.

Zašto je kineski DeepSeek izazvao toliku pažnju

Objava novog modela otvorenog koda DeepSeek R1 pokrenula je diskusije o tome kako je startap postigao rezultate uporedive s američkim divovima, koristeći samo delić njihovih resursa.

DeepSeek svoj AI model razvija na osnovu stvarnih ulaznih podataka iz sveta, oslanjajući se na takozvani inferencijski pristup - manje zahtevan i u pogledu vremena i količine podataka od tradicionalnog učenja na velikim skupovima podataka. Nvidia, koja bi mogla najviše izgubiti takvim pristupima, nazvala je DeepSeekov model "odličnim napretkom u području AI-ja", naglašavajući pritom da nije došlo do kršenja američkih izvoznih ograničenja.

Ta ograničenja, naime, zabranjuju izvoz najnaprednijih Nvidijinih čipova u Kinu, pa je izjava kompanije imala i svrhu umirivanja analitičara koji su sumnjali u mogućnost ilegalnog pristupa tehnologiji. Ipak, Nvidia ističe da će njeni čipovi ostati ključni i ako se metode razvoja AI modela promene: "Inferencija zahteva velike količine Nvidijinih GPU-ova i visokoefikasnu mrežnu infrastrukturu", poručili su iz kompanije.