أخبار تكنولوجيا المعلومات

تترجم الأخبار التكنولوجية من المجلات الأجنبية جيدًا للمهوسين الذين لا يعرفون اللغة الإنجليزية ولكنهم يريدون دائمًا أن يكونوا على دراية

الرهان الكبير لشركة Nvidia Jen-Hsun Huang: السير على حافة الإفلاس لبناء “تاجر أسلحة” يعمل بالذكاء الاصطناعي بقيمة تريليون دولار

وتضاعفت الإيرادات ثلاث مرات لتصل إلى 18.1 مليار دولار، وارتفعت الأرباح إلى 9.2 مليار دولار من 680 مليون دولار في نفس الفترة من العام الماضي.

في ظل موجة الذكاء الاصطناعي، تجاوزت Nvidia التوقعات في الربع الأخير، حيث انتزعت التاج من TSMC وأصبحت "ملك الرقائق" بأدائها "المتفجّر".

هناك حرب مستمرة في الذكاء الاصطناعي، وشركة Nvidia هي تاجر الأسلحة الوحيد.

علق أحد المحللين في وول ستريت ذات مرة.

إن "أرباح الذكاء الاصطناعي" التي تتمتع بها Nvidia اليوم تأتي من "المقامرة الكبيرة" التي قام بها Huang Renxun منذ أكثر من عشر سنوات. ومن خلال تقرير متعمق صدر مؤخرا في مجلة نيويوركر، يمكننا أن نرى المزيد من التفاصيل وراء هذه "المقامرة" الحاسمة.

النجاح غير مضمون أبداً، والإفلاس دائماً على وشك الوقوع.

لحظة "الانفجار الكبير" التي أشعلت الذكاء الاصطناعي

لقد كانت أول وحدة تحكم في الألعاب بدقة 8K، واحتلت الجدار بأكمله، وكانت جميلة جدًا.

في عام 2000، قام إيان باك، طالب جامعة ستانفورد، ببناء وحدة ألعاب خاصة به عالية الوضوح من خلال ربط 32 بطاقة رسومات Nvidia GeForce معًا وإضافة 8 أجهزة عرض للعب "Quake".

في البداية، جاء نجاح NVIDIA GeForce بمساعدة لعبة "Quake". في وضع "Deathmatch" الخاص باللعبة، تمنح الحوسبة المتوازية لوحدة معالجة الرسومات اللاعبين ميزة السرعة، لذلك في كل مرة تقوم فيها GeForce بإصدار منتج جديد، سيواكب اللاعبون ذلك.

كان باك أيضًا فضوليًا بشأن ما يمكن أن تفعله GeForce إلى جانب جعل نفسه يرمي القنابل اليدوية بشكل أسرع.

لاحقًا، نجح باك في اختراق أداة البرمجة الأصلية لبطاقة الرسومات "shader" واستخدم الحوسبة المتوازية الخاصة بها لتحويل GeForce إلى كمبيوتر عملاق منخفض التكلفة.

لم يستغرق الأمر وقتًا طويلاً حتى أصبح باك موظفًا في NVIDIA.

▲إيان باك هو الآن نائب رئيس شركة Nvidia

أراد Huang Renxun من باك أن يصنع مجموعة من البرامج التي من شأنها تحويل كل GeForce إلى كمبيوتر فائق السرعة. وفي الوقت نفسه، يُسمح أيضًا لفريق الأجهزة بإجراء التعديلات المقابلة في هيكل الشريحة.

في عام 2006، تم إطلاق Buck's CUDA لـ NVIDIA رسميًا، مما سمح للباحثين والمبرمجين باستخدام لغات البرمجة للاستفادة بشكل شخصي وكفاءة أكبر من قوة الحوسبة لوحدات معالجة الرسومات.

ومع ذلك، فإن المستهلكين ليس لديهم اهتمام كبير بالكمبيوتر العملاق الذي يريد Huang Renxun تعميمه. علق "Acquired"، وهو بودكاست تكنولوجي مشهور في وادي السيليكون، قائلاً:

لقد أنفقوا مبالغ ضخمة من المال على بنية الرقائق الجديدة هذه.

لقد أنفقوا مليارات الدولارات بهدف خدمة مجال متخصص من الحوسبة الأكاديمية والعلمية، والذي كان سوقًا صغيرًا في ذلك الوقت، وبالتأكيد أصغر من المليارات التي استثمروها.

في ذلك الوقت، كانت NVIDIA أيضًا تطلق شبكة واسعة وتحاول العثور على العملاء المستهدفين. لقد جربت تجار الأسهم وشركات التنقيب عن النفط وعلماء الأحياء الجزيئية وما إلى ذلك، لكنني لم أفكر في مجال الذكاء الاصطناعي.

لم أشعر حتى أن "العراب للذكاء الاصطناعي" أخذ زمام المبادرة "للحضور إلى باب منزلك".

لا عجب.

▲ "العراب للذكاء الاصطناعي" جيفري هينتون

اليوم، نطلق على جيفري هينتون لقب "الأب الروحي للذكاء الاصطناعي".

ومع ذلك، في عام 2009، كان هينتون يعمل في مجال الذكاء الاصطناعي الذي لم يعجبه رأس المال، ولا تزال أبحاثه في هذا المجال تعتبر "شبكة عصبية" متخصصة.

كتب هينتون هذه الرسالة الإلكترونية إلى Nvidia في ذلك العام:

لقد أخبرت للتو الآلاف من الباحثين في مجال تعلم الآلة أنه يجب عليهم جميعًا شراء بطاقات الرسومات NVIDIA. هل يمكنك أن ترسل لي واحدة مجانا؟

نتيجة؟ بالطبع تم رفضه.

قبل ذلك، حاول هينتون استخدام منصة NVIDIA CUDA لتدريب شبكة عصبية على التعرف على اللغة البشرية، ووجد أن جودة النتائج كانت أفضل بكثير من المتوقع، فقرر تقديمها في مؤتمر صناعي.

على الرغم من رفض شركة Nvidia إرسال بطاقة رسومات لهينتون، إلا أن هينتون ظل يشجع الطلاب على استخدامها.

والأكثر أهمية من بينهم هما المبرمجان المتميزان أليكس كريزيفسكي وإيليا سوتسكيفر.

▲ (من اليسار إلى اليمين) إيليا سوتسكيفر وأليكس كريزفسكي وجيفري هينتون

كان ينبغي للقراء ذوي النظر الحاد أن يكتشفوا أن الأخير هو كبير العلماء في OpenAI، وهو الشخص الذي يقود التكنولوجيا وراء ChatGPT.

في عام 2012، اشترى Sutskever وKrizhevsky بطاقتي رسومات NVIDIA GeForce، وقاما بتغذية الملايين من بيانات الصور إلى الشبكة العصبية في غضون أسبوع، وقاما بتدريب "AlexNet". يتذكر سوتسكيفر بعد ذلك:

جاءت وحدة معالجة الرسوميات (GPU) وشعرت وكأنها معجزة.

تنهده لم يكن بدون سبب.

وفي نفس العام أيضًا، اشترت Google أكثر من 16000 وحدة معالجة مركزية لتدريب شبكتها العصبية حتى تتمكن من التعرف على مقاطع فيديو القطط.

ومع ذلك، يمكن لـ AlexNet التعرف بشكل صحيح على صور السيارات الكهربائية والفهود وسفن الشحن وما إلى ذلك، باستخدام وحدتي معالجة رسوميات فقط.

في عام 2012، في تحدي التعرف البصري واسع النطاق من ImageNet، والذي كان لا يزال موثوقًا جدًا في ذلك العام، فاز AlexNet بالبطولة بنسبة خطأ بين الخمسة الأوائل بلغت 15.3%، وهو ما كان أفضل بكثير من المركز الثاني والمتسابقين السابقين. أنه كان يشتبه في الغش ذات مرة. علق هينتون قائلاً:

لقد كانت نوعًا من لحظة الانفجار الكبير. نقلة نوعية.

على الرغم من أن ذلك لم يكن مقصودًا، إلا أن NVIDIA أشعلت لحظة "الانفجار الكبير" للذكاء الاصطناعي.

تصبح شركة الذكاء الاصطناعي

(هوانغ رينكسون) أرسل بريدًا إلكترونيًا ليلة الجمعة يقول فيه إن كل شيء في الشركة سوف يدور حول التعلم العميق وأننا لم نعد شركة تصوير.

في وقت مبكر من صباح يوم الاثنين التالي، أصبحنا شركة ذكاء اصطناعي.

حقا، الأمر بهذه السرعة.

وقال نائب رئيس نفيديا جريج إستس لصحيفة نيويوركر.

بعد ظهور AlexNet لأول مرة، في غضون بضع سنوات، اختار جميع المشاركين تقريبًا في تحديات التعرف البصري واسعة النطاق شكل الشبكات العصبية.

بحلول منتصف عام 2010، وصلت دقة التعرف على الصور للشبكات العصبية المدربة باستخدام وحدات معالجة الرسومات إلى 96%، وهو مستوى من الدقة تجاوز حتى مستوى البشر.

تحققت رؤية Huang Renxun للكمبيوتر العملاق، وبدأ يبحث عن هدفه التالي:

حقيقة أننا نستطيع حل مشكلة رؤية الكمبيوتر، وهي مشكلة غير منظمة تمامًا، تشير إلى السؤال: "ما الذي يمكنك تدريسه أيضًا؟"

يبدو أن الإجابة الداخلية لهوانغ رينكسون هي – كل شيء.

وهو يعتقد أن الشبكات العصبية ستغير المجتمع، ويمكنه أيضًا استخدام CUDA لاحتكار سوق الأجهزة المطلوبة خلفها.

لقد اتخذ قفزة وبدأ رحلة الذكاء الاصطناعي لـ Nvidia.

هذه المرة، لم يعد قادة صناعة الذكاء الاصطناعي بحاجة إلى كتابة رسائل بريد إلكتروني إلى شركة Nvidia لتقديم طلب للحصول على بطاقات رسومية مجانية.

في أغسطس 2016، قام Huang Renxun شخصيًا بتسليم أول DGX-1 في العالم إلى مكتب OpenAI.

قام " ماسك " – الذي لم يكن قد انفصل عن OpenAI في ذلك الوقت – بإخراج المنتج شخصيًا الذي استغرق بنائه 3000 شخص ثلاث سنوات.

وفي البيان الصحفي الرسمي، قال هوانغ مازحا:

ولو كان هذا هو المنتج الوحيد الذي تم شحنه، لكان المشروع سيكلف 2 مليار دولار.

من كان يظن أن جوجل ستعلن في العام المقبل عن بنية جديدة لتدريب الشبكات العصبية، وهي Transformer.

تم التقاط هذا الإنجاز الجديد بواسطة Sutskever، مما أدى إلى قيام OpenAI ببناء أول نموذج GPT، وكلها مبنية على أجهزة الكمبيوتر العملاقة NVIDIA.

في مثل هذا اليوم من عام مضى، أصدرت OpenAI رسميًا ChatGPT للجمهور، مما أدى إلى تغيير كل شيء، بما في ذلك Nvidia.

هناك طلبات لا نهاية لها والعرض يفوق الطلب.

وفي عام 2023، ارتفع سعر سهم شركة Nvidia بأكثر من 200%، لتصبح أول شركة مصنعة للرقائق في العالم بقيمة سوقية تتجاوز تريليون دولار أمريكي.

CUDA، التي لم تكن متفائلة في السابق، جمعت أيضًا 4 ملايين مطور وأصبحت "خندقًا" آخر لـ NVIDIA في مجال الذكاء الاصطناعي.

سواء كان الأمر يتعلق بالأبحاث في مجال الطيران والعلوم الحيوية والآلات واستكشاف الطاقة وغيرها من المجالات، يتم إجراء معظمها على CUDA.

أحدث منتجات الذكاء الاصطناعي من NVIDIA، DGX H100، عبارة عن صندوق معدني يزن 370 رطلاً وسعره 500000 دولار.

وبالمقارنة مع DGX-1 الذي تم إرساله إلى مكتب OpenAI في ذلك الوقت، فإن المنتج الجديد يعمل بشكل أسرع بخمس مرات.

إذا كنت ترغب في تدريب AlexNet، فيمكنك القيام بذلك في دقيقة واحدة.

الفائز الذي يكون دائماً "على حافة الإفلاس"

وفي سبتمبر من هذا العام، تمت دعوة هوانغ مرة أخرى إلى مطعم ديني في سان خوسيه، كاليفورنيا.

في ذلك الوقت، قام بصياغة المستندات مع شركائه في جناح هذا المطعم وقام بتأسيس شركة Nvidia.

لقد أرادوا تصميم شريحة من شأنها أن تجعل المنافسين "يشعرون بالحسد". جاء Jen-Hsun Huang باسم "Nvidia"، متضمنًا الكلمة اللاتينية "invidia".

في الوقت الحاضر، من المؤكد أن نفيديا تشعر بالغيرة من منافسيها، حتى أن الرئيس التنفيذي لسلسلة المطاعم Denny's صنع خصيصًا لوحة تذكارية لهم، حتى يسطع نور نفيديا في المطعم.

ومع ذلك، فإن نجاح نفيديا ليس قصة "فائز" نموذجية بشكل خاص.

عندما تأسست شركة NVIDIA لأول مرة، كان Huang Jen-Hsun، الذي كان يحب ألعاب الفيديو، يعتقد أن سوق الألعاب يستحق بطاقات رسومات أفضل، وأطلق منتجه الأول NV1 في عام 1995.

ومع ذلك، لم يتم قبول NV1 حقًا من قبل السوق السائدة، وأحد الأسباب هو أن Microsoft أطلقت واجهة برمجة تطبيقات D3D في نفس العام، لكن NV1 لا يدعم D3D. منتج الجيل التالي، NV2، فشل أيضًا.

أما هوانج رينكسون، الذي خسر "رهانه" ذات يوم، فلم يكن مقتنعا. ففي عام 1996، قام بتسريح نصف موظفيه، وقلل من الأموال، وراهن بكل شيء على منتجات جديدة لم يتم اختبارها:

الاحتمالات هي 50/50، لكننا بالفعل على وشك الإفلاس في كلتا الحالتين.

عندما تم إطلاق RIVA 128 رسميًا، لم يكن لدى NVIDIA سوى ما يكفي من المال لتغطية نفقات شهر واحد. ولحسن الحظ، حقق RIVA 128 نجاحًا كبيرًا، حيث تم بيع ملايين الوحدات خلال 4 أشهر.

ومنذ ذلك الحين، شجع هوانغ الموظفين على العمل مع هذا "اليأس".

بالنسبة لجين هسون هوانغ، فإن الصعوبات والإخفاقات ليست غريبة:

أجد أنني أفكر بشكل أكثر وضوحًا عندما أكون في موقف صعب.

حتى أن معدل ضربات القلب سينخفض.

حتى أنه أصر على أنه "يجب تقاسم الإخفاقات".

في السابق، كانت شركة Nvidia قد أرسلت بطاقة رسوميات بها مشكلة ومروحة عالية جدًا.

لم يطرد هوانج رينكسون المدير المسؤول عن هذا المنتج، بل عقد اجتماعًا وجمع مئات الأشخاص وطلب من المدير وصف كل قرار أدى في النهاية إلى هذه المهزلة.

أصبح عرض "الفشل" "مخصصًا" داخل NVIDIA.

يمكنك أيضًا أن تعرف بسرعة من هذا من يمكنه البقاء هنا ومن لا يمكنه ذلك.

إذا بدأ شخص ما في وضع دفاعات، أعلم أنه لن يبقى طويلاً.

وقال دوايت ديركس، رئيس قسم البرمجيات في نفيديا.

يحب هوانغ أيضًا تشجيع الموظفين على متابعة "أسواق قيمتها صفر مليار دولار" – وهي مناطق تجريبية لا يوجد فيها منافسون ولا عملاء واضحون.

بعد كل شيء، كما قال هوانغ رينكسون:

اعتقدت دائمًا أننا كنا على بعد 30 يومًا فقط من الإفلاس. هذا لم يتغير أبدا.

لا يوجد سبب لعدم تجربتها.

# مرحبًا بكم في متابعة حساب WeChat العام الرسمي لـ aifaner: aifaner (معرف WeChat: ifanr). سيتم توفير المزيد من المحتوى المثير لك في أقرب وقت ممكن.

Ai Faner الرابط الأصلي · عرض التعليقات · سينا ​​ويبو