Ни одна компания не извлекла такую пользу из бума ИИ, как Nvidia. Изначально знаменитая своими полупроводниками, которые используются в центрах обработки данных для обеспечения работы ИИ, Nvidia ныне является самой дорогой компанией в мире. Её акции выросли на 181% с начала года.
Эта доминирующая позиция обусловлена тем, что Nvidia — несомненный лидер в области аппаратного обеспечения для ИИ. Конкуренты компании не могут сравниться с её графическими процессорами (GPU) по производительности и универсальности, что дает Nvidia значительное преимущество для повсеместного использования ИИ-инструментов.
Впрочем, несмотря на недавние успехи, несколько проблем могут подорвать конкурентное преимущество Nvidia. Производство этих GPU все ещё остаётся дорогим, и ускоренное применение ИИ вызывает экологические проблемы, так как технологии требуют много энергии.
С учетом вышесказанного, возникает вопрос: будет ли Nvidia продолжать свой стремительный рост в ближайшие месяцы и годы, или конкуренты найдут способы сократить разрыв?
Разделение рынка
Рынок полупроводников для ИИ можно разделить на два сегмента: тренировка и выполнение алгоритмов. Тренировка проходит исключительно на GPU в дата-центрах, а выполнение — на серверах или пограничных устройствах. Таким образом, существующие три сегмента рынка представляют собой возможность для компаний укрепиться в индустрии.
Пограничные устройства для выполнения ИИ-навыков обеспечивают повышенную защиту данных, так как это уменьшает зависимость от облачных серверов и снижает риск утечек информации. Кроме того, они предоставляют возможность обработки данных в режиме реального времени, без задержки, что улучшает общую производительность.
Экономия затрат — ещё один значительный фактор. Снижение зависимости от дорогих облачных сервисов для ИИ может привести к существенному уменьшению общего владения. При этом, уменьшение энергопотребления и выбросов углерода от пограничных устройств соответствует целям экологической, социальной и управленческой ответственности (ESG).
Монополия Nvidia на рынке тренировки ИИ
На рынке тренировки ИИ-графиков, Nvidia занимает доминирующее положение с долей в 98% по сравнению с такими конкурентами, как Google и Intel. Этот уровень успеха вряд ли снизится в ближайшее время благодаря высокой производительности полупроводников Nvidia и синхронизированной экосистеме, которую компания создала.
Современные GPU и комплексная поддержка программного обеспечения делают Nvidia предпочтительным выбором для множества центров обработки данных и высокопроизводительных вычислительных приложений. Таким образом, потенциальные конкуренты в этом секторе сталкиваются с неизбежными барьерами для входа, если они планируют кинуть вызов Nvidia.
Использование разницы в пограничном выполнении ИИ
Самое большое возможность для проникновения в рынок полупроводников для ИИ состоит в секторе пограничного выполнения. Возможно, наибольший фактор здесь заключается в том, что новые компании внедряют нейропроцессоры (NPU) — специализированную альтернативу GPU с меньшим энергопотреблением. Нейропроцессоры предназначены для ускорения выполнения ИИ-задач, таких как глубокое обучение и выполнение. Они могут обрабатывать большие объёмы данных параллельно и быстро исполнять сложные алгоритмы с использованием специальной памяти для эффективного хранения и извлечения данных.
Хотя GPU обладают большей производительностью и универсальностью, NPU меньше, дешевле и энергоэффективнее. Парадоксально, но NPU также могут превосходить GPU по ряду ИИ-задач благодаря своей специализированной архитектуре
Кто привлекает больше всего внимания?
Калифорнийская компания SiMa.ai собрала впечатляющие $270 миллионов, чтобы ускорить внедрение высокопроизводительного машинного обучения при низком энергопотреблении в встроенных пограничных приложениях. Ещё одна калифорнийская компания, Etched, предоставляет аппаратное обеспечение для ИИ, специализированное для трансформеров, предназначенное для радикального снижения затрат на выполнение больших языковых моделей (LLM).
Техасская компания Mythic, оцененная более чем в $500 миллионов, предлагает GPU настольного уровня в чипе, который работает по значительно меньшей цене, не ухудшая производительность или точность. Ещё одна компания, привлекающая значительное внимание, — Quadric, которая разрабатывает пограничные процессоры для выполнения ИИ на устройствах.
В Европе также появляются перспективные компании, несмотря на недостаток единой стратегии в области полупроводников для ИИ. Нидерландская компания Axelera AI, разрабатывающая программную платформу для ускорения компьютерного зрения в пограничных устройствах, объявила о привлечении €63 миллионов в конце июня 2024 года под руководством EICF, Samsung Catalyst и Innovation Industries.
Экономически эффективная и энергоэффективная альтернатива
Стартапы, перечисленные выше, имеют потенциал для роста, потому что они процветают в областях, где Nvidia уязвима. Устройства с NPU являются жизнеспособной альтернативой GPU, так как они решают важные проблемы стоимости, размера и энергопотребления. Их применение варьируется от промышленного Интернета вещей до автономных транспортных средств.
Смещение мощи Nvidia будет непростой задачей. Однако с тем, как крупные технологические гиганты вроде Microsoft, AWS и Google активно разрабатывают или приобретают технологии для ИИ, на горизонте замаячила консолидация рынка, которая может нарушить баланс сил.
Источник: TechRadar
