Nakon snažnog rasta dionica, koji je Nvidiju nakratko učinio najvrjednijom tvrtkom na svijetu, ulagači sve pažljivije razmatraju nova ulaganja u tog proizvođača čipova. Svjesni su da uvođenje umjetne inteligencije neće biti jednoznačan proces i da se neće temeljiti isključivo na Nvidijinoj tehnologiji.
Zasad Nvidia ostaje vodeći dobavljač temeljne hardverske opreme u AI groznici. Prihodi i dalje snažno rastu, a narudžbe za seriju čipova Hopper i njezina nasljednika Blackwell dosežu rekordne razine.
Daljnji uspjeh tvrtke ovisit će o tome hoće li Microsoft, Google i drugi tehnološki divovi pronaći dovoljno komercijalnih primjera za primjenu umjetne inteligencije kako bi opravdali golema ulaganja u Nvidijine čipove. Čak i ako u tome uspiju, ostaje pitanje koliko će najmoćnijih i najskupljih čipova uopće biti potrebno: u siječnju je kineski startup DeepSeek predstavio AI model za koji tvrdi da postiže istu razinu performansi kao modeli velikih američkih tvrtki, ali uza znatno manja ulaganja.
Nakon objave znanstvenog rada u kojem je DeepSeek detaljno opisao sposobnosti svojeg modela i način na koji je razvijen, tržišna vrijednost Nvidije pala je za 589 milijardi dolara, što je najveći jednodnevni gubitak vrijednosti ikoje kompanije u povijesti. Do sredine svibnja dionica je većim dijelom nadoknadila izgubljenu vrijednost.
U nastavku donosimo pregled razloga zašto Nvidia bilježi tako snažan rast i s kojim se izazovima suočava.
Koji su najpopularniji Nvidijini AI čipovi?
Trenutačno najviše prihoda donosi Hopper H100, nazvan po pionirki računalstva Grace Hopper. Riječ je o naprednoj verziji grafičkog procesora (GPU), izvorno razvijenog za potrebe videoigara. Hopper sada postupno ustupa mjesto novoj liniji čipova Blackwell, nazvanoj po matematičaru Davidu Blackwellu.
I Hopper i Blackwell koriste tehnologiju koja omogućuje da računalni klasteri s Nvidijinim čipovima djeluju kao jedinstvena cjelina, s mogućnošću obrade golemih količina podataka i iznimno brzih računalnih operacija. To ih čini idealnima za energetski zahtjevne zadatke treniranja neuronskih mreža koje pokreću najnoviju generaciju AI proizvoda.
Nvidia, osnovana 1993., počela je razvijati to područje prije više od deset godina, kladeći se na to da će paralelno računalstvo jednog dana postati ključno i izvan svijeta videoigara. Tvrtka iz Santa Clare u Kaliforniji planira ponuditi čipove Blackwell u raznim konfiguracijama, uključujući i kao dio superčipa GB200, koji objedinjuje dva Blackwell GPU-a i jedan Grace CPU, procesor opće namjene, također nazvan po Hopper.
Zašto su Nvidijini AI čipovi posebni?
Generativne AI platforme uče zadatke poput prevođenja tekstova, sažimanja izvješća i generiranja slika obrađujući ogromne količine postojećih podataka, odnosno što više "vide", to bolje funkcioniraju. Razvijaju se kroz metode pokušaja i pogrešaka, što zahtijeva milijarde iteracija i ogromnu računalnu 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 procesiranje podataka) da se ne može proizvesti kao jedinstvena komponenta. U stvarnosti je riječ o dvama čipovima povezanim u jednu funkcionalnu cjelinu koja djeluju skladno.
Za tvrtke koje žure s treniranjem svojih AI sustava za nove zadatke, performanse čipova Hopper i Blackwell ključne su. Ti su čipovi toliko strateški važni da je američka vlada ograničila njihovu prodaju Kini.
Kako je Nvidia postala lider u umjetnoj inteligenciji?
Nvidia je već dominirala na tržištu grafičkih čipova, komponenti koje prikazuju slike na ekranima računala. Najsnažniji među njima imaju tisuće jezgri koje mogu istovremeno obrađivati više tijekova podataka, što omogućuje izradu složenih 3D prikaza u modernim videoigrama.
Nvidijini su inženjeri još početkom 2000-ih prepoznali da se grafički akceleratori mogu prilagoditi i za druge namjene. Istraživači umjetne inteligencije tada su otkrili da upravo takvi čipovi omogućuju prelazak iz teorije u praksu.
Bloomberg
Što radi Nvidijina konkurencija?
Prema podacima analitičke kuće IDC, Nvidia drži oko 90 posto tržišta GPU-ova za podatkovne centre. Glavni pružatelji usluga u oblaku Amazon AWS, Google Cloud (Alphabet) i Microsoft Azure, koji su i najveći kupci Nvidijinih čipova, razvijaju vlastite procesore. Isto čine i izravni konkurenti AMD i Intel.
Na sajmu Computex u Tajvanu u svibnju ove godine, Nvidia je dala naslutiti da je spremna prilagoditi svoju strategiju činjenici da njezini ključni kupci razvijaju vlastite komponente. Direktor Jensen Huang najavio je da će NVLink, sustav visokih performansi za povezivanje čipova unutar servera, ubuduće biti otvoren i za proizvode drugih proizvođača. Dotad je ta tehnologija bila rezervirana isključivo za Nvidijine procesore i akceleratore. Ipak, razvoj alternativnih rješenja zasad nije ozbiljno ugrozio Nvidijinu dominaciju.
Kako Nvidia zadržava prednost?
Nvidia ubrzano ažurira svoju ponudu, uključujući softver koji podržava hardver, brzinom kojom konkurencija ne može pratiti. Također je razvila sustave klastera koji kupcima omogućuju grupnu nabavu i brzu implementaciju čipova H100 u podatkovne centre.
Premda procesori poput Intel Xeona mogu obrađivati zahtjevne podatke, imaju manje jezgri i sporiji su pri zadacima poput treniranja AI modela, koji zahtijevaju masivnu obradu informacija. Intel, nekoć vodeći u segmentu podatkovnih centara, i dalje pokušava razviti akceleratore koji bi mogli konkurirati Nvidijinim rješenjima.
Kakva je trenutačna potražnja za AI čipovima?
Huang i njegov tim neprestano ističu da imaju više narudžbi nego što ih mogu ispuniti, čak i za starije modele čipova. Microsoft, Amazon, Meta i Google najavili su zajednička ulaganja u AI i podatkovne centre vrijedna stotine milijardi dolara. No u posljednje vrijeme pojavile su se sumnje da se interes za AI centre polako smanjuje. Microsoft je u nekoliko regija smanjio opseg izgradnje podatkovnih centara, što je potaknulo šira pitanja o tome stvaraju li tvrtke veće kapacitete nego što će im dugoročno trebati.
Zašto je kineski startup DeepSeek izazvao toliku pažnju?
Objava novog open-source modela DeepSeek R1 potaknula je pitanje kako je startup postigao rezultate usporedive s američkim divovima, koristeći samo djelić njihovih resursa.
DeepSeek svoj AI model razvija na temelju stvarnih ulaznih podataka iz svijeta, oslanjajući se na tzv. inferencijski pristup – manje zahtjevan 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 umjetne inteligencije", naglašavajući pritom da nije došlo do kršenja američkih izvoznih ograničenja.
Ta ograničenja, naime, zabranjuju izvoz najnaprednijih Nvidijinih čipova u Kinu, pa je izjava tvrtke imala i svrhu umirivanja analitičara koji su sumnjali u mogućnost ilegalnog pristupa tehnologiji. Ipak, Nvidia ističe da će njezini čipovi ostati ključni i ako se metode razvoja AI modela promijene: "Inferencija zahtijeva velike količine Nvidijinih GPU-ova i visoko učinkovitu mrežnu infrastrukturu", poručili su iz kompanije.
.webp){kind=icon}
