[Перевод] Почему 24-летняя технологическая компания стала одной из самых многообещающих

Nvidia, производитель графических процессоров, на волне бума искусственного интеллекта размещает свои чипы в беспилотниках, роботах и робомобилях


image

Инженеры из CTA.ai, польского стартапа, занимающегося созданием изображений, пытаются популяризовать более комфортабельную альтернативу колоноскопии. Для этого они используют компьютерные чипы, лучше всего известные фанатам компьютерных игр.

Эти чипы изготавливает компания из Кремниевой долины, Nvidia. Её технология может помочь быстро сортировать изображения, получаемые сенсорами размером с таблетку, проглатываемые пациентом, что позволяет докторам обнаруживать нарушения работы кишечника на 70% быстрее, чем если бы они изучали записанное видео. В результате процедура стоит меньше, а диагноз получается более точным — так утверждает Матеуш Мармоловский, генеральный директор CTA.
Применение чипов в области здравоохранения, которое пропагандирует CTA — всего лишь одна из многих новых целей Nvidia. Чипы компании — графические процессоры, или GPU — находят себе применение в беспилотниках, роботах, робомобилях, серверах, суперкомпьютерах и оборудовании виртуальной реальности. Ключевая причина их распространённости — то, как быстро чипы могут справляться со сложными задачами из области искусственного интеллекта вроде распознавания изображений, лиц и речи.

Всеобщий ажиотаж по поводу применения ИИ превратил 24-летнюю компанию Nvidoa в одну из самых популярных компаний технологического сектора. Её рыночная капитализация за последние несколько лет увеличилась в семь раз, и превысила оценку в $100 млрд, а выручка только в последнем квартале выросла на 56%.

Успех Nvidia выделяет компанию в индустрии чипов, испытывающей непрерывный спад в продажах персональных компьютеров и замедление спроса на смартфоны. Intel, крупнейший производитель чипов в мире и изготовитель полупроводников, долгое время служивших мозгом таких машин, как PC, показал рост доходов всего на 9% за последний квартал.

bcbb0fc9e7467039a8958c2cb2f87f8d.jpg
Демонстрационная комната в офисе компании

«Они чувствуют себя абсолютно уверенно», — сказал Ганс Мозесман, аналитик компании Rosenblatt Securities, о компании Nvidia, за которой он следит с момента её выхода на биржу в 1999 году.

Руководит прорывом Жэньсюнь Хуан, основатель и генеральный директор Nvidia, чьи стратегические инстинкты, требовательный подход и тёмный стиль в одежде вызывают ассоциации со Стивом Джобсом.

Хуан — который, как и Джобс в Apple, ратовал за строительство необычного здания для штаб-квартиры, в которое компания уже скоро переедет — более 10 лет назад сделал ключевую ставку на несколько модификаций чипа и ПО с тем, чтобы GPU могли не только рисовать картинки на экране компьютера.

«Это стоило компании невероятных денег», — говорит Хуан, 54 лет, оценивающий, что Nvidia тратила на эти изменения, известные, как CUDA, порядка $500 млн в год, при ежегодной выручке в $3 млрд. Всего по оценкам на превращение GPU в вычислительные инструменты общего назначения потребовалось примерно $10 млрд.

Ставка Хуана на CUDA как на новую компьютерную парадигму претерпевала активные изменения. Доминирование Intel стало возможным по большей части из-за улучшений скорости вычислений, шедшей рука об руку с законом Мура. Это наблюдение говорит о том, что в среднем в истории вычислений производители примерно раз в два года удваивали количество транзисторов, которые можно впихнуть в чипы. А сейчас это увеличение скорости замедлилось.

fd964364ed8792bea6eafe7c66f0d8a2.jpg

Замедление привело разработчиков к мыслям о более специализированных чипах, способных работать совместно с процессорами от Intel и ухватить больше выгоды от миниатюризации индустрии чипов. Nvidia, изменившая назначение своих чипов, вместо того, чтобы начинать разработку с нуля, получила большую фору. Используя свои чипы и ПО как часть проекта CUDA, компания постепенно создала технологическую платформу, которая стала популярной среди многих программистов и компаний.

«Их на самом деле грамотно вели за собой», — говорит Джон Хеннеси, специалист по информатике, в прошлом году ушедший с поста президента Стэнфордского университета.

Сегодня чипы Nvidia пробираются в корпоративный сегмент. Немецкий ПО-гигант SAP рекламирует технологию создания ИИ под названием глубинное обучение, и использует GPU от Nvidia для задач вроде ускорения обработки платежей и поиск резюме, соответствующих вакансиям.

SAP также продемонстрировала, как софт на основе разработок Nvidia распознаёт логотипы компаний в трансляциях таких спортивных событий, как баскетбол или футбол, чтобы рекламодатели могли оценивать, насколько хорошо их бренды засвечиваются во время игр и заниматься улучшением этого процесса.

«Раньше такого и представить себе нельзя было», — говорит Юрген Мюллер, директор по инновациям SAP.

Такие приложения идут гораздо дальше изначальных амбиций Хуанга, родившегося в Тайване и изучавшего электротехнику в Орегонском государственном университете и Стэнфорде до того, как устроиться на работу к производителям чипов из Кремниевой долины. Он запустил Nvidia совместно с Крисом Малачовски и Куртисом Прим в 1993 году, изначально с целью помочь персональным компьютерам улучшить качество графики и сравняться с соперниками из мира игровых консолей.

Малачовски говорит, что первый продукт компании не взлетел, а на рынок графики устремились толпы конкурентов.

Но Nvidia переделала свои продукты и стратегию и постепенно отделила себя от конкурентов, и стала явным лидером в GPU-ускорителях, использующихся в играх на ПК.

GPU создают треугольники, из которых формируются каркасные структуры, симулирующие объекты и назначающие цвета пикселям экрана. Для этого необходимо параллельно выполнять множество схожих инструкций, поэтому графические чипы в результате эволюции приобрели множество крохотных процессоров. На новом GPU Volta, анонсированном Nvidia в мае, содержится более 5000 таких процессоров. В новом же серверном чипе от Intel содержится лишь 28 больших процессорных ядер общего назначения.

Nvidia начала проект CUDA в 2004 году после того, как приняла на работу Йена Бака, аспиранта из Стэнфорда и стажёра компании, работавшего над программной задачей по упрощению работы с множеством вычислительных движков GPU. Вскоре Nvidia проделала несколько изменений в своих чипах и создала вспомогательные программы, в том числе и поддержку стандартного языка программирования на замену сложным инструментам, использовавшимся для отправки команд графическим чипам.

Компания встроила CUDA в потребительские GPU и в профессиональные продукты. Это решение оказалось критическим, по словам Бака, поскольку получилось, что исследователи и студенты, владеющие ноутбуками или игровыми ПК, могли разбираться с ПО в лабораториях кампуса и в общежитиях. Также Nvidia убедила множество университетов предлагать курсы по новым техникам программирования.

529e47d8c08488dde48372a2b14cb69a.jpg
На строительстве новой штаб-квартиры Nvidia

Программисты постепенно начали использовать GPU в приложениях, используемых для разных задач, например, моделирования климата или разведки месторождений нефти или газа. Новая фаза началась в 2012 год, когда канадские исследователи начали применять CUDA и GPU к необычно крупным нейросетям — многослойному софту, необходимому для глубинного обучения.

Такие системы тренируются с тем, чтобы проделывать такие трюки, как распознавание лица, используя для этого обработку миллионов картинок вместо того, чтобы следовать заранее запрограммированным человеком инструкциям. Бак утверждает, что до появления GPU на тренировку такой системы мог бы уйти целый семестр. А при помощи новой технологии исследователи могут заканчивать процесс за несколько недель, дней или даже часов.

«Не могу представить, как это можно было бы сделать без GPU», — говорит Сильвио Саварезе, адъюнкт-профессор Стэнфорда, руководящий там Центром исследований ИИ SAIL-Toyota.

Но конкуренты утверждают, что битва на поприще ИИ между изготовителями чипов только начата. Intel, чьи стандартные чипы широко используются для выполнения задач в области ИИ, сильно потратилась на покупку Altera, производителя программируемых чипов, стартапов, специализирующихся на глубинном обучении и машинном зрении, а также израильской компании Mobileye, производящей устройства для автомобилей.

Google недавно анонсировал вторую версию разрабатываемого в недрах компании чипа для ИИ, который помог обыграть чемпиона мира по го. Компания заявляет, что у чипа есть значительные преимущества над GPU в некоторых приложениях. Такие стартапы, как Wave Computing, делают сходные заявления.

Но Nvidia будет трудно обойти. Компания, например, можно позволить себе тратить на чипы больше денег, чем её конкуренты в области ИИ — Хуанг оценивает, что в Volta компания влила рекордные для индустрии $3 млрд — благодаря стабильному потоку доходов от растущей игровой индустрии.

Nvidia утверждает, что сегодня GPU используют более 500 000 разработчиков. Компания ожидает, что другие производители помогут расширить это сообщество любителей GPU, когда она начнёт свободно распространять открытую схему чипа, пригодного для использования в несложных приложениях, связанных с глубинным обучением — к примеру, в лампочках или в камерах — которыми сама компания заниматься не планирует.

Как сказал Хуан, «ИИ повлияет на каждую компанию мира. Мы не будем заниматься всеми возможными задачами».

© Geektimes