صعود تا فتح جهان؛ انویدیا چگونه جایگاه مهمترین شرکت جهان را تصاحب کرد؟
همهچیز از بازیهای ویدیویی، یک آزمایش با تفنگ پینتبال و شرطبندی جسورانهای آغاز شد که کمتر کسی آن را درک میکرد. امروز، انویدیا به شرکتی تبدیل شده است که تکتک غولهای فناوری برای ساختن آینده هوش مصنوعی به آن وابستهاند. ۶ شهریور ۱۳۸۷ (۲۷ اوت ۲۰۰۸). کمی پس…
خلاصه تحلیلی خبر
همهچیز از بازیهای ویدیویی، یک آزمایش با تفنگ پینتبال و شرطبندی جسورانهای آغاز شد که کمتر کسی آن را درک میکرد. امروز، انویدیا به شرکتی تبدیل شده است که تکتک غولهای فناوری برای ساختن آینده هوش مصنوعی به آن وابستهاند. ۶ شهریور ۱۳۸۷ (۲۷ اوت ۲۰۰۸). کمی پس…
موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، انویدیا، هوش، مصنوعی، شرکت
همهچیز از بازیهای ویدیویی، یک آزمایش با تفنگ پینتبال و شرطبندی جسورانهای آغاز شد که کمتر کسی آن را درک میکرد. امروز، انویدیا به شرکتی تبدیل شده است که تکتک غولهای فناوری برای ساختن آینده هوش مصنوعی به آن وابستهاند.
۶ شهریور ۱۳۸۷ (۲۷ اوت ۲۰۰۸). کمی پس از ساعت ۳ بعدازظهر در سن خوزه، کالیفرنیا.
مرکز همایشهای بزرگ سن خوزه مملو از جمعیت است. هزاران توسعهدهنده، گیمر، مهندس و علاقهمند به فناوری برای تماشای مراسم اختتامیه کنفرانس سه روزه انویدیا به نام NVISION 08 گرد هم آمدهاند. آنها منتظر رونمایی از فناوریهای جدید گرافیکی، سختافزارهای سریعتر برای بازی و نگاهی اجمالی به دستاوردهای انویدیا برای آینده دنیای محاسبات کامپیوتری هستند.
چیزی که آنها نمیدانند این است که در چند دقیقه آینده، قرار است شاهد نمایشی باشند که بسیار پیشتر از پیدایش ChatGPT، Gemini یا به طور کلی هوش مصنوعی مولد، نشان میدهد چگونه فناوری انویدیا روزی به پایه و اساس انقلاب هوش مصنوعی تبدیل خواهد شد؛ فناوری قدرتمندی که این شرکت را به باارزشترین شرکت جهان تبدیل میکند.
روی صحنه، آدام سوج و جیمی هاینمن، مجریان برنامه تلویزیونی معروف MythBusters، در کنار دو دستگاه غیرمعمول ایستادهاند. دستگاه اول، با نام مستعار لئوناردو، یک تفنگ پینتبال است که روی یک بازوی رباتیک نصب شده بود. سوج رو به تماشاگران میکند و حرفهایی میزند که بیشتر شبیه به یک کلاس درس علوم است تا مراسم رونمایی از یک محصول:
پردازنده گرافیکی (GPU) بیشتر کار خود را با هماهنگی پردازنده مرکزی (CPU) انجام میدهد. تصمیم گرفتیم یک نمایش مقایسهای برایتان اجرا کنیم.
بازوی رباتیک به آرامی روی یک بوم خالی حرکت میکند و هر بار تنها یک گلوله رنگی شلیک میکند. هر شلیک نشاندهنده یک محاسبه کامپیوتری منفرد است که بهصورت متوالی تصویری را خلق میکند؛ دقیقا مشابه نحوه عملکرد پردازندههای مرکزی شرکتهایی مثل اینتل یا AMD که در هر لحظه فقط میتوانند یک محاسبه را انجام دهند. سوج توضیح میدهد:
این یعنی یک سری اقدامات مجزا که به صورت متوالی و یکی پس از دیگری انجام میشوند.
تماشاگران مودبانه تشویق میکنند و سپس توجهشان به دستگاهی جلب میشود که زیر یک پارچه برزنتی بزرگ پنهان شده است. این دستگاه به ۱۱۰۰ لوله تفنگ پینتبال مجهز است که هرکدام به طور مستقل هدفگیری شدهاند. سوج پیش از رونمایی از قابلیتهای این دستگاه لبخندی میزند و میگوید:
هرکدام از این گلولههای رنگی در فضایی به طول حدودا دو متر پرواز میکنند و در عرض ۸۰ میلیثانیه به هدف خود میرسند.
شمارش معکوس آغاز میشود.
سه.
دو.
یک.
با صدای شلیکی کرکننده، هر ۱۱۰۰ گلوله پینتبال به طور همزمان شلیک میشوند. در کمتر از یکدهم ثانیه، تصویر پیکسلی غولپیکری از تابلوی مونالیزا روی بوم نقش میبندد.
سوج در میان تشویقهای پرشور جمعیت اعلام میکند:
خانمها و آقایان، کلاس علوم به پایان رسید.
برای اکثر افراد حاضر در جمعیت، این تنها یک نمایش صحنهای فراموشنشدنی بود. اما هدف انویدیا صرفا نمایش یک دستگاه پینتبال نبود؛ این شرکت داشت یکی از مهمترین مفاهیم در محاسبات مدرن را توضیح میداد: پردازش موازی (Parallel Processing).
برخلاف پردازنده مرکزی که در هر زمان روی یک کار تمرکز میکند، واحد پردازش گرافیکی انویدیا میتواند روی هزاران کار به طور همزمان کار کند. این قطعه در ابتدا ساخته شده بود تا گرافیک بازیهای ویدیویی را سریعتر و واقعیتر پردازش کند.
نمایشی که آن روز بعدازظهر در سن خوزه اجرا شد، اولین رونمایی عمومی از معماری محاسباتیای بود که در نهایت انویدیا را به یکی از مهمترین شرکتهای جهان تبدیل کرد.
در ابتدا، کلمه GPU مخفف واحد پردازش گرافیکی بود؛ تراشهای که ساخته شده بود تا با انجام هزاران محاسبه همزمان، ظاهر بازیها را بهتر کند. اما در طول سالها، این پردازنده گرافیکی به چیزی بسیار بزرگتر تکامل یافت. این تراشه به یک موتور محاسباتی همهمنظوره تبدیل شد که قادر بود مسائل پیچیده علمی را حل کند، حجم عظیمی از دادهها را پردازش کند و در نهایت، مدلهای هوش مصنوعی را آموزش دهد.
اما پیش از آنکه پردازندههای گرافیکی به ستون فقرات هوش مصنوعی تبدیل شوند، بیایید زمان را کمی بیشتر به عقب برگردانیم.
سال ۱۹۹۳ است
داخل یکی از غرفههای رستوران Denny’s در شرق سن خوزه، سه مهندس به نامهای جنسن هوانگ، کریس مالاکوفسکی و کورتیس پریم در حال ترسیم یک ایده بودند. کامپیوترهای شخصی به تازگی قابلیت اجرای بازیهای سهبعدی را پیدا کرده بودند، اما قدرت محاسباتی لازم برای تولید گرافیکهای واقعگرایانه را نداشتند. این سه نفر معتقد بودند که گرافیک به پردازنده تخصصی خود نیاز دارد و نباید صرفا به پردازنده مرکزی کامپیوتر متکی باشد.
آن گفتگوی ساده در این رستوران بینراهی، به سنگ بنای تأسیس شرکت انویدیا تبدیل شد.
در سال ۱۹۹۹، این شرکت از قطعهای به نام GeForce 256 رونمایی کرد و آن را نخستین واحد پردازش گرافیکی جهان نامید. برخلاف پردازنده اصلی سیستم که کارها را یکی پس از دیگری پردازش میکند، GPU میتوانست هزاران محاسبه را به طور همزمان انجام دهد. اما تفاوت دیگر این بود که CPU میتوانست هر بار کاریای را مدیریت کند، ولی پردازنده گرافیکی منحصرا برای تولید گرافیک در بازیها بهینهسازی شده بود.
تراشه پردازنده گرافیکی به معنای گرافیکهای غنیتر، گیمپلی روانتر و دنیاهای مجازی جذابتر برای گیمرها بود. این یک پیشرفت بزرگ بود که صنعت بازی را متحول کرد و انویدیا را بهعنوان یکی از آیندهدارترین تولیدکنندگان تراشه در سیلیکونولی، مهد فناوری در آمریکا، تثبیت کرد. اما این هنوز آن نوآوری بزرگی نبود که برای افراد خارج از دنیای بازی اهمیت داشته باشد.
آن لحظه مهم در سال ۲۰۰۶ فرا رسید
در آن سال، انویدیا پلتفرمی نرمافزاری به نام CUDA (معماری دستگاه محاسباتی یکپارچه) را معرفی کرد؛ ابزاری که هدف و کاربرد کاملا جدیدی را برای پردازندههای گرافیکی این شرکت رقم زد. با استفاده از این فناوری، برنامهنویسان میتوانستند بهجای اینکه از این تراشهها فقط برای تولید تصاویر بازی استفاده کنند، آنها را برای حل مسائل محاسباتی پیچیدهای برنامهریزی کنند که به پردازش موازی (انجام همزمان کارها) نیاز داشتند. البته همهچیز روی پردازندههای گرافیکی به خوبی کار نمیکرد، اما برای برخی از وظایف عالی بود.
به زبان ساده، پلتفرم CUDA یک تراشه مخصوص بازی را به ابزاری تبدیل کرد که دانشمندان، محققان و مهندسان میتوانستند از آن در کارهای خود استفاده کنند.
ناگهان، پردازندههای گرافیکی انویدیا در حال تحلیل مجموعه دادههای عظیم، شبیهسازی مولکولها، پیشبینی وضعیت آبوهوا، اجرای شبیهسازیهای فیزیک و حل مسائل ریاضی پیچیدهای بودند که انجام آنها با پردازندههای سنتی زمان بسیار بیشتری میبرد.
این اتفاق بسیار انقلابی به نظر میرسید. با این حال، واکنشها به آن کاملا برعکس بود.
جنسن هوانگ، مدیرعامل انویدیا، سالها بعد در مصاحبهای با برنامه The Closer به یاد میآورد:
«وقتی پلتفرم CUDA را معرفی کردم، تماشاگران در سکوت مطلق فرو رفتند. هیچکس آن را نمیخواست. هیچکس درخواستی برای آن نداشت. هیچکس آن را درک نمیکرد.»
با این وجود، هوانگ باور داشت که در حال ساخت آیندهای است که بقیه صنعت هنوز قادر به دیدن آن نیستند. این باور سرانجام نتیجه داد.
در سال ۲۰۱۲، محققان از پردازندههای گرافیکی انویدیا برای آموزش یک مدل هوش مصنوعی به نام AlexNet استفاده کردند؛ مدلی که انقلاب بزرگی در زمینه تشخیص تصویر (قابلیت درک و شناسایی محتوای عکسها توسط کامپیوتر) ایجاد کرد. این اتفاق ثابت کرد که پردازندههای گرافیکی، علاوه بر بازی، ابزارهای قدرتمندی برای آموزش هوش مصنوعی نیز هستند و این موضوع نقطه عطف بزرگی در این حوزه به شمار میرفت. هوانگ متوجه شد که هوش مصنوعی صرفا یک بازار جدید نیست، بلکه آینده دنیای محاسبات است.
ابرکامپیوتری برای آموزش هوش مصنوعی
در سال ۲۰۱۶، انویدیا با راهاندازی سیستم DGX-1، پافشاری و اعتقاد خود به این مسیر را بیشازپیش نشان داد. این دستگاه که به طور خاص برای آموزش هوش مصنوعی ساخته شده بود، یکی از اولین ابرکامپیوترهای هوش مصنوعی جهان به شمار میرفت و قیمتی حدود ۱۲۹ هزار دلار داشت.
اما بار دیگر، تنها افراد معدودی درک میکردند که چرا کسی باید به چنین دستگاه گرانقیمتی که صرفا به هوش مصنوعی اختصاص دارد، نیاز داشته باشد.
سپس یک تماس تلفنی همهچیز را تغییر داد.
تماس از سوی ایلان ماسک بود که در آن زمان به راهاندازی یک آزمایشگاه تحقیقاتی غیرانتفاعی در زمینه هوش مصنوعی به نام OpenAI کمک میکرد. ماسک برای سرعت بخشیدن به تحقیقات این آزمایشگاه، خواهان یکی از سیستمهای DGX-1 انویدیا بود. جنسن هوانگ نهتنها مقدمات ارسال این سیستم را فراهم کرد، بلکه شخصا یکی از اولین سیستمهای DGX-1 را در ماشین خود گذاشت و آن را تا دفتر OpenAI در سانفرانسیسکو برد.
ماسک پس از دریافت محموله از شخص هوانگ، در توییتر نوشت:
میخواهم از انویدیا و جنسن هوانگ بهخاطر اهدای اولین ابرکامپیوتر هوش مصنوعی DGX-1 به OpenAI در راستای حمایت از دموکراتیزه کردن (در دسترس قرار دادن آن برای عموم مردم) فناوری هوش مصنوعی تشکر کنم.
داخل آن دفتر نسبتا کوچک، تعداد انگشتشماری از محققان از جمله Ilya Sutskever حضور داشتند که بعدها به یکی از معماران کلیدی پشتپرده ساخت ChatGPT تبدیل شد.
جادهای که انویدیا برای هوش مصنوعی ساخت
یک دهه بعد، زمانی که OpenAI از ChatGPT رونمایی کرد، جهان ناگهان به قدرت شگفتانگیز هوش مصنوعی مولد پی برد. اما انویدیا کارش را تازه از صفر شروع نکرده بود. تراشههای این شرکت از مدتها قبل در پشتصحنه در حال انجام سنگینترین پردازشها بودند.
در حالی که همه شرکتهای دیگر فقط درباره هوش مصنوعی حرف میزدند، انویدیا تقریبا دو دهه از وقت خود را در سکوت صرف ساختن سختافزار، نرمافزار و اکوسیستمی برای برنامهنویسان کرده بود که این شکوفایی بزرگ در هوش مصنوعی را امکانپذیر میکرد.
امروزه، تقریبا تمامی مدلهای اصلی هوش مصنوعی، از ChatGPT شرکت OpenAI و Gemini شرکت گوگل گرفته تا Claude شرکت آنتروپیک و Llama شرکت متا، همگی با استفاده از پردازندههای گرافیکی انویدیا و پلتفرم CUDA این شرکت آموزش دیدهاند. تولیدکنندگان تراشه دیگری مثل AMD نیز وجود دارند، اما حداقل در حال حاضر، انویدیا از همه رقبا جلوتر است؛ چراکه همان اکوسیستمی را ایجاد کرده است که مدلهای فعلی هوش مصنوعی روی آن بنا شدهاند.
دوروپ دهار، همبنیانگذار و مدیرعامل دفتر هند در شرکت پریموس پارتنرز، میگوید:
برتری انویدیا صرفا بهخاطر ارائه بهترین تراشه در بازار نیست. در طول تقریبا دو دهه، انویدیا یک اکوسیستم کامل هوش مصنوعی بر پایه سختافزارهای خود ساخته است که شامل پلتفرم CUDA، کتابخانههای نرمافزاری، ابزارهای توسعهدهندگان، فناوریهای شبکهسازی و بهینهسازی چارچوبهای هوش مصنوعی میشود. این موضوع یک مزیت آشکار به این شرکت داد، زیرا ساختوساز روی پلتفرم انویدیا و کوچ کردن به آن، در مقایسه با هر پلتفرم دیگری، بسیار سادهتر و ارزانتر است.
این اکوسیستم، بزرگترین مزیت رقابتی انویدیا محسوب میشود.
آتول آریا، بنیانگذار و مدیرعامل شرکت Blackstraw نیز با این موضوع موافق است و میگوید:
مزیت واقعی انویدیا فقط پردازنده گرافیکی آن نیست. بلکه اکوسیستمی است که در طول نزدیک به دو دهه ساخته: نرمافزارها، ابزارهای برنامهنویسی و زیرساختی که امروزه سایر شرکتها پیشفرضشان این است که این امکانات از قبل مهیا و آماده است.
به عبارت دیگر، انویدیا صرفا تراشههای سریعتر نساخت، بلکه جادههایی را ساخت که صنعت هوش مصنوعی امروز روی آنها حرکت میکند.
باارزشترین شرکت روی زمین
امروزه، کارایی تراشههای انویدیا بسیار فراتر از اجرای بازی در کامپیوترهای شخصی است.
این تراشهها وظیفه آموزش و اجرای مدلهای زبانی بزرگ را بر عهده دارند، به اکتشافات علمی سرعت میبخشند، به خودروهای خودران در مسیریابی جادهها کمک میکنند، به رباتهای کارخانهها قدرت میبخشند، همزادهای دیجیتال (شبیهسازیهای دقیق و مجازی از محیطهای فیزیکی واقعی) برای صنایع ایجاد میکنند و برخی از سریعترین ابرکامپیوترهای هوش مصنوعی جهان را به کار میاندازند.
یا همانطور که ساچین دو دوگال، بنیانگذار و مدیرعامل شرکت SekondBrain بیان میکند:
انویدیا احتمالا مهمترین شرکت زیرساختی در دنیای امروز هوش مصنوعی است. تقریبا هر دستاورد بزرگ در هوش مصنوعی مدرن، چه به صورت مستقیم و چه غیرمستقیم، بهواسطه دسترسی به سختافزارها، بسته نرمافزاری و اکوسیستم برنامهنویسان انویدیا شتاب گرفته است.
این زیرساخت به بزرگترین مزیت رقابتی انویدیا تبدیل شده است.
آمارجیت سینگ تاک، رئیس بخش تحقیقات در شرکت ZEISS هند، میگوید:
امروزه اغراق درباره اهمیت انویدیا در صنعت هوش مصنوعی دشوار است. این شرکت با ارائه زیرساخت محاسباتیای که به همهچیز، از سیستمهای هوش مصنوعی و خودروهای خودران گرفته تا اکتشافات علمی و نوآوریهای صنعتی قدرت میبخشد، به عنوان یکی از عوامل کلیدی در شکلگیری انقلاب هوش مصنوعی ظهور کرده است.
اما آیا انویدیا میتواند برای همیشه پادشاه بماند؟
احتمالا نه.
کارشناسان صنعت معتقدند که سلطه انویدیا یکشبه از بین نخواهد رفت، اما آنها همچنین بر این باورند که هیچ شرکتی برای همیشه در اوج نمیماند.
آتول آریا میگوید:
اگر انویدیا فردا ناپدید شود، نوآوری متوقف نخواهد شد، اما سرعت آن بهشدت کاهش خواهد یافت. سایر بازیگران بزرگ جایگزینهای مناسبی دارند، اما هیچ شرکت واحدی نمیتواند فورا جایگزین آن مقیاس و بلوغی شود که انویدیا ساخته است.
این رقابت از همین حالا در حال شکلگیری است. شرکتهای AMD و اینتل در حال گسترش محصولات تراشههای هوش مصنوعی خود هستند. گوگل پردازندههای اختصاصی خود به نام TPU را توسعه داده است، آمازون پردازندههای خاص خود را معرفی کرده و مایکروسافت در حال سرمایهگذاری روی تراشههای اختصاصی است. در همین حال، استارتاپهایی مانند Groq و Cerebras در حال ساخت سختافزارهای تخصصی هوش مصنوعی برای بخش استنتاج هستند (استنتاج مرحلهای است که هوش مصنوعی پس از آموزش، از آموختههایش برای پاسخگویی به کاربران استفاده میکند). حتی شرکت OpenAI همین چند روز پیش اعلام کرد که تراشه هوش مصنوعی اختصاصی خود را در عرض تنها ۹ ماه ساخته است.
اما آقای دوگال اشاره میکند که سؤال بزرگتر این نیست که چه کسی انویدیا را شکست خواهد داد. او میپرسد:
مسئله این است که آیا دنیا باید تا این حد به یک تأمینکننده واحد برای قابلیتی که در حال تبدیل شدن به پایه و اساس رشد اقتصادی، امنیت ملی و پیشرفت علمی است، وابسته باشد؟
او معتقد است کشورهایی مانند هند باید فراتر از صرفا ساخت مدلهای هوش مصنوعی نگاه کنند و روی تمام لایهها و اجزای هوش مصنوعی سرمایهگذاری کنند تا در این انقلاب دست بالا را داشته باشند.
او در این باره میگوید:
از بسیاری جهات، پردازندههای گرافیکی به معادل امروزی میدانهای نفتی تبدیل شدهاند. هوش مصنوعی دیگر فقط یک بحث نرمافزاری نیست، بلکه روزبهروز بیشتر به یک مسئله ژئوپلیتیک (سیاست جغرافیایی) تبدیل میشود.
از طنز روزگار، انویدیا هرگز با هدف حفاری برای کشف این نفت دیجیتال کار خود را آغاز نکرده بود. این شرکت صرفا میخواست گرافیک بهتری برای بازیهای ویدیویی بسازد. اما حتی بیش از دو دهه پیش که محبوبیت این شرکت در میان گیمرها بهشدت در حال افزایش بود، انویدیا در سرش رؤیای دنیایی فراتر از بازیهای ویدیویی را میپروراند و در حالی که سال به سال تلاش میکرد تا کارت گرافیکهای خود را برای اجرای بازیهای سینماییتر ارتقا دهد، کشف کرد ابزاری که برای بازآفرینی یک دنیای مجازی استفاده میشود، میتواند برای درک دنیای واقعی نیز مورد استفاده قرار گیرد. این آغاز راه نرمافزار CUDA و محاسبات موازی بود و بقیه ماجرا، همانطور که میگویند، حالا به تاریخ پیوسته است.
برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.