Franziska Bechtold
NVIDIA ha superado repentinamente a las grandes empresas tecnológicas Microsoft, Google y Apple. Ahora es la empresa más valiosa del mundo.
En enero, las acciones de la empresa todavía estaban 45,05 euros valor. Desde entonces ha aumentado considerablemente hasta el valor máximo actual de 129,66 euros. Los expertos ven la razón principalmente en el revuelo Inteligencia artificial. Pero ¿por qué las GPU son cruciales para esto?
Mucha gente asocia las tarjetas gráficas principalmente con juegos de ordenador complejos. Pero las apariencias engañan, porque las que están instaladas en él Chips gráficos (GPU) puede hacer mucho más. “Las GPU existen desde más de 15 años No sólo se utiliza para jugar. «Ya entonces la gente se daba cuenta de la potencia informática que ofrecían», explica Ernst Haunschmid, Jefe del departamento de Computación de Alto Rendimiento de la Universidad Técnica de Vienala zona del futuro.
➤ Leer más: Cómo Nvidia se convirtió en la empresa más valiosa del mundo
Se requiere paralelismo
Las GPU deben poder mostrar muchos píxeles individuales en una pantalla al mismo tiempo. Cuanto mejor fuera la visualización de los juegos, mayor debía ser la potencia de cálculo de las GPU, afirma Haunschmid.
Este paralelismo es ahora esencial en muchos ámbitos. «Esto también se utiliza en casi todas las áreas de investigación en las que se lleva a cabo la simulación». Durante un tiempo, la minería de criptomonedas con tarjetas gráficas fue un gran revuelo, ahora es la IA.
Redes neuronales artificiales son una parte importante de la IA. Funcionan como conexiones en el cerebro. Hay uno de un lado Punto de partida (el patrón de entrada) y en el otro lado viene un Patrón de salida fuera de aquí. Esto está conectado por muchas neuronas artificiales.
En la fase de entrenamiento de un modelo de IA, las conexiones entre las neuronas individuales ajustado continuamente, se crean y reequilibran nuevas rutas hasta que una entrada produce la salida deseada. En el reconocimiento de imágenes, por ejemplo, la imagen de una manzana debería conducir a la palabra «manzana» y no a la palabra «plátano». Si una entrada produce un resultado incorrecto, la ruta debe ajustarse hasta que conduzca al resultado correcto.
CPU frente a GPU
Las GPU son especialmente adecuadas para esto, ya que pueden procesar todos estos procesos al mismo tiempo. Ahora tienes razón al preguntarte por qué estás usando un chip gráfico cuando no hay nada que mostrar gráficamente. En cambio, el cerebro de una computadora podría… CPU (unidad central de procesamiento), se puede utilizar para esto. Pero a diferencia de la GPU, procesa tareas. sucesivamente. «Las CPU no Generalistas. «Se pueden calcular, mover datos y realizar operaciones de E/S en soportes de almacenamiento de datos», afirma Haunschmid.
➤ Leer más: Nvidia presenta el “chip más potente del mundo”
Tener CPU y GPU Nuclear, entre los cuales se pueden distribuir tareas y así completarlas más rápidamente. Esto es crucial para que la computadora funcione con precisión. Actualmente hay CPU disponibles con hasta 128 El núcleo. La GPU insignia de Nvidia para aplicaciones industriales, la H100, ha 14,592 núcleosque procesan tareas específicas muy rápidamente.
Un experimento de los Cazadores de Mitos Demuestra muy claramente la diferencia entre CPU y GPU:
30.000 euros por un chip gráfico
Pero ¿por qué Nvidia pudo convertirse en el líder indiscutible del mercado por un margen tan amplio? Una de las razones es, sin duda, la alta calidad técnica de sus productos. Pero su política de precios también juega un papel importante.
Tu mejor tarjeta gráfica para juegos actual Tarjeta gráfica RTX4090actualmente cuesta 1.779 euros y podría con 16.384 El núcleo al menos a primera vista, también podría ser un candidato para aplicaciones de IA. Pero Nvidia comenzó a utilizar tarjetas de consumo de la serie GeForce en centros de datos hace años. excluido en sus condiciones de uso.
Esto también lo confirma Haunschmid, quien explica que Nvidia tiene uno freno técnico incorporado, lo que impide que las tarjetas de juego sean utilizadas con fines industriales. Ya existía una práctica similar en la minería de Bitcoin. La razón no podría ser más obvia: “Hay una diferencia de precio significativa en comparación con las tarjetas profesionales”. El H100 costos entre 30.000 y 40.000 euros.
Cientos de miles de GPU para Meta y Microsoft
Las grandes empresas no necesitan una, sino cientos de miles de GPU. Según estimaciones de analistas de Omdia Research (vía estadística) qué es Nvidia 2023 150.000 GPU H100 y microsoft y Meta entregado. 50.000 fichas continuó en cada caso Tencent, Oracle, Amazon y Google.
➤ Leer más: Nvidia: las criptomonedas no tienen ningún beneficio para la sociedad
Las GPU profesionales están explícitamente optimizadas para su uso en la industria mediante software y hardware específicos. Con CUDA Nvidia tiene la suya interfaz creado para acelerar los procesos en sus GPU.
Uno alto también es crucial Bandweite de memoria, que permite a la GPU profesional acceder a una gran cantidad de datos al mismo tiempo. Esto es esencial para las aplicaciones de IA donde las entradas deben coincidir con las entradas de la base de datos para ofrecer rápidamente el resultado deseado.
“La dominación continuará este año”
A través de años de trabajo en este sistema completo, que consta de GPU, interfaces y software, Nvidia ha logrado ofrecer una base técnica para el uso de la IA insuperable. Según Haunschmid, el software es la principal razón del éxito de Nvidia: “A otras empresas les resultará difícil convencer. El dominio de Nvidia continuará este año.» Este dominio del mercado es evidente en el H100: quien quiera comprar la GPU ahora tendrá que esperar más de un año calcular.
AMD quiere ponerse al día
Pero el sector empresarial también sigue siendo interesante para otras empresas si se ponen al día tecnológicamente. Aquí es donde están los mayores competidores. AMD y Intel falló hasta ahora.
AMD actualmente está tomando medidas precios de dumping por su potente KI-GPU MI300X en. Se vende entre 15.000 y 20.000 euros. Pero aunque se supone que supera al H100, el sistema Nvidia es más estable, más fiable y está más extendido. Pero probablemente sea sólo cuestión de tiempo antes de que AMD pueda al menos frenar la creciente fortuna de Nvidia.
También será interesante que se establezca más el uso de la IA. Porque la fase de entrenamiento, que actualmente requiere el mayor rendimiento, requiere procesadores diferentes a los llamados Fase de inferencia.
En esto, el modelo ya entrenado recibe nuevos datos para resolver una tarea. «Aquí los modelos lingüísticos tienen que encontrar exactamente la pieza adecuada en un enorme almacén de datos», explica Haunschmid. Además de las grandes empresas, las empresas emergentes también están trabajando arduamente para desarrollar procesadores de IA especiales para este uso.