NVIDIA створює хвилю на 5 трильйонів доларів! CUDA закриває захисний бар'єр, жодна компанія з глобального AI не може втекти.

30 жовтня ринкова капіталізація Nvidia перевищила 5 трильйонів доларів, ставши єдиною компанією у світі, яка досягла цього рубежу. Однак, поряд із шоком, виникає велике запитання: якщо індустрія AI чіпів така прибуткова, чому тільки Nvidia заробляє гроші? Відповідь полягає в захисному механізмі Nvidia, який формувався протягом майже 20 років — CUDA, ця пастка для уніфікованої обчислювальної архітектури заблокувала понад 4,5 мільйона розробників по всьому світу.

Суперники NVIDIA — це всі топові майстри, чому ж досі ніхто не може їх перемогти

Чи є у NVIDIA суперники? Так. Дуже багато. І кожен з них - справжній професіонал. Якщо подивитися навколо, ми можемо перерахувати принаймні трьох важковаговиків «конкурентів». Наприклад, AMD. Вона є давнім суперником NVIDIA в галузі напівпровідників. За технологією та досвідом, вони безумовно є найкваліфікованішими гравцями, здатними змагатися з NVIDIA. Наприклад, Intel. Вона колись була «королевою чіпів». Має потужні виробничі можливості та велику базу клієнтів. Наприклад, Google. Вона має майже безмежні ресурси та провідну у світі команду з штучного інтелекту. І, крім того, вона розробляє власні спеціалізовані чіпи для штучного інтелекту.

Ти подивися, ці три гіганти, чиє ім'я не лунає по всьому світу? Але це також зробило проблему ще більш гострою: на столі явно всі професіонали, але фішки, здається, всі в одного гравця. Чому так?

Спочатку скажу відповідь, тому що NVIDIA використовує пастку системи з дуже високими «витратами на перенесення», надійно тримаючи своїх клієнтів. Ви, можливо, скажете, що це тому, що чіпи NVIDIA є найшвидшими і найкращими. Але насправді ця відповідь не є достатньо чіткою. Уявіть собі таку ситуацію: генеральний директор AMD Ліза Су заходить в офіс OpenAI і пропонує генеральному директору Сему Альтману дуже привабливу пропозицію. AMD має абсолютно нові чіпи GPU, які на 30% ефективніші за B200 від NVIDIA і коштують вдвічі дешевше.

Якщо ви зараз Сем Алтман, цю «угоду» ви підпишете чи ні? Дайте мені здогадатися, ймовірно, Сем Алтман не підпише. Принаймні, він буде дуже-дуже вагатися. Чому? Навіть якщо перед ним стоїть більш дешевий і ефективний варіант, це не може його зацікавити? Тому що ціна є лише невеликою частиною всього процесу. У бізнес-технічних інвестиціях потрібно розглядати з точки зору TCO (загальна вартість володіння). Це не лише найпряміша ціна, але й різні непрямі та приховані витрати.

високі витрати на міграцію до десятків мільярдів доларів невидима пастка

Якщо OpenAI дійсно перейде з NVIDIA на AMD, що станеться? Прямо кажучи, основні витрати на працю, витрати на перенесення коду, операційні витрати та вартість можливостей значно зростуть. І будь-яка зміна може безпосередньо визначити життя і смерть.

Подумайте, якщо ми змінимо платформу, що буде з тисячами провідних інженерів? Чи повинні вони викинути свій досвід за понад десять років і почати з нуля? Яка ж це буде величезна витрата на навчання? І що робити з тими мільйонами рядків коду? Це ж не просто «копіювати та вставити». Це як спробувати виростити південні лічі на півночі. Не просто викопати і перевезти, потрібно провести багато досліджень, тестувань, витратити багато часу. Так само з ШІ, чи вийде врешті-решт, сказати важко.

Крім того, перехід на іншу платформу означає необхідність одночасно обслуговувати дві абсолютно різні платформи. Витрати в цьому випадку можуть зрости вдвічі. Найгірше, і це найбільший ризик, - це надто високі витрати можливостей. У цій сфері AI кожна секунда на рахунку. Якщо через зміну платформи розробка відстане, або вихід моделі затримається на кілька місяців, то можна дуже легко перетворитися з лідера галузі на послідовника.

Список прихованих витрат при переході на OpenAI

Витрати на людські ресурси: перепідготовка тисячі інженерів, досвід обнуляється, витрати часу на кілька років

Міграція коду: мільйони рядків коду CUDA потрібно переписати, тестування та верифікація займають багато часу та зусиль.

Двоїсте обслуговування платформ: під час міграції одночасно працюють дві системи, вартість подвоюється.

Вартість можливостей: відставання в дослідженнях та розробках від конкурентів може призвести до зміни статусу з лідера на послідовника.

Витрати на ризик: невдала міграція може призвести до зниження продуктивності моделі, комерційний вплив важко оцінити.

Отже, після складання всіх прямих та непрямих витрат, ми досягли результату «блокування постачальника». Якщо сказати простіше, я намагаюся прив’язати вас до себе як в програмному, так і в апаратному забезпеченні. В довгостроковій перспективі це оптимальне рішення для компаній, що займаються штучним інтелектом, оскільки їм не потрібно буде хвилюватися про апаратне забезпечення протягом терміну дії контракту в майбутньому. Тепер, якщо повернутися до замовлення AMD «показник продуктивності на 30% вищий, а ціна вдвічі нижча», чи все ще вважаєте його вигідним? Відповідь негативна. Економія в сотні мільйонів доларів на апаратному забезпеченні є незначною в порівнянні з можливими витратами на міграцію, що можуть досягати десятків мільярдів доларів, і потенційними стратегічними ризиками.

CUDA екосистема Windows епохи AI

! Екосистема NVIDIA CUDA

（джерело：X）

До цього моменту ви, напевно, вже зрозуміли, що справжнім «замком» для клієнтів компанії NVIDIA є не її апаратне забезпечення, а невидима, неосяжна «клітка». Це те, що називається «крепосною стіною NVIDIA» — CUDA. Повна назва CUDA — Compute Unified Device Architecture (Уніфікована архітектура обчислювальних пристроїв). Кажучи простими словами, це набір інструментів програмування, який допомагає програмістам краще використовувати графічні процесори NVIDIA.

Якщо сказати, що GPU від Nvidia є “комп'ютерним хостом” епохи ШІ, то CUDA — це “операційна система Windows” епохи ШІ. Подумайте, чому протягом десятиліть технічно кращий, а ще й безкоштовний Linux не зміг похитнути панування Windows на ринку персональних комп'ютерів? Відповідь — не в самій системі, а в екосистемі.

Тому що величезна екосистема додатків на Windows надзвичайно потужна. Від Microsoft Office до Adobe, а також до різноманітного програмного забезпечення для конкретних галузей – все це тісно пов'язано з усією екосистемою. Уявіть собі, компанія, якій потрібно багато професійного програмного забезпечення, між вартістю покупки ліцензії на Windows і витратами на повторне навчання співробітників, який вибір вона зробить? Відповідь очевидна.

CUDA, ось так, вона має неймовірно величезну екосистему застосувань. Для багатьох підприємств та осіб це є обов'язковим вибором. Є статистика, що на сьогодні у світі більше 4,5 мільйона розробників використовують CUDA для розробки. А у 2020 році це число було лише 1,8 мільйона. Кількість завантажень пакету інструментів CUDA щомісяця досягає сотень тисяч.

20 років азартних ігор: від нікому непотрібного до незамінного

У 2006 році, після виходу CUDA, ніхто не звертав на це уваги, Силіконова долина та Уолл-стріт не вважали це перспективним. У 2008 році, під впливом фінансової кризи, акції NVIDIA впали більше ніж на 80%, ринкова капіталізація становила близько 4 мільярдів. Навіть всередині NVIDIA були розбіжності щодо майбутнього CUDA. Водночас витрати на розробку CUDA також були дуже великими. Перший GPU, що підтримував CUDA, був G80. Для розробки цього чіпа NVIDIA витратила 4 роки часу, вартість склала 475 мільйонів доларів, що становило третину загального бюджету на дослідження та розробки за ці 4 роки.

Тоді дійсно йшлося про життя і смерть. Що робити? Хуан Женьсюн придумав спосіб: вкласти гроші. Основна увага була зосереджена на вкладанні грошей у школи та науково-дослідні установи. Він через донати та передачу обладнання дозволив CUDA потрапити до університетів, спершу виховуючи користувачів у сфері освіти та досліджень. Крім того, в усьому світі були створені різні центри досліджень та розробок CUDA, навчальні центри, запроваджено навчальні курси тощо. У той час щорічні витрати на дослідження та розробки CUDA становили 500 мільйонів доларів.

Незважаючи на всі зусилля, витрачені на людські, матеріальні та фінансові ресурси, CUDA протягом тривалого часу не викликала оптимізму. На початку 2013 року багато інвестиційних аналітиків вважали, що лише відмовившись від CUDA і повернувшись до основного бізнесу з комп'ютерних ігор, акції NVIDIA зможуть зрости. Деякі навіть ставили під сумнів, чи зможе генеральний директор Дженсен Хуанг продовжувати свою роботу. Зараз видно, що NVIDIA зробила ставку на CUDA. І, більше того, вона виявилася вдалою.

Чому CUDA змогла з невідомості перетворитися на популярний продукт? Тому що випускники, які вивчали CUDA, вступають до технологічних компаній, а ресурси та бібліотеки коду CUDA стають все більш багатими. До 2015 року в світі вже було 800 університетів, які запропонували курси з CUDA. З часом сфери використання CUDA поширилися з університетів на медицину, комерцію та інші сфери. Щодо «співпраці» з сферою штучного інтелекту, можна сказати, що це чисто «випадковість».

У 2012 році на глобальному конкурсі з розпізнавання зображень на основі ШІ, організованому Стенфордським університетом, тріо з Торонто представило штучну нейронну мережу під назвою AlexNet, яка виграла чемпіонат. І точність була на 41% вищою, ніж у другого місця. Як їм це вдалося? Команда сказала, що використовувала 2 графічні процесори NVIDIA GTX 580, і вони були єдиною командою на всьому конкурсі, яка тренувала нейронну мережу за допомогою CUDA.

Тоді Google також звернув увагу на цю команду. Вони виявили, що AlexNet раніше використовував лише дві відеокарти GPU, а результати були практично такими ж, як і ті, що отримані Google за допомогою 16000 CPU. Незабаром уся галузь усвідомила, що GPU є найкращим апаратним забезпеченням для підтримки AI. А NVIDIA, ймовірно, стане ключем до розвитку AI.

Боротьба конкурентів: AMD з відкритим вихідним кодом, сегментація Intel, власна розробка Google

Коли ви зрозумієте CUDA, а потім подивитеся на конкурентів NVIDIA, ви зрозумієте, що кожен їхній крок жорстко обмежений NVIDIA. Наприклад, AMD вирішила перейти на відкритий код. Вона розробила платформу з відкритим кодом під назвою ROCm, мета якої - замінити CUDA. Але це як «Linux епохи ШІ», безкоштовно, з відкритим кодом, з технічним потенціалом, дешевше. Але для користувачів витрати на міграцію занадто високі.

Наприклад, Intel вибирає сегментувати ринок. Intel дуже розумний, відверто визнає, що NVIDIA значно випереджає в сегменті висококласного AI. Отже, Intel позиціонує свою серію чіпів Gaudi для корпоративних рішень та навчання малих і середніх моделей. Але це також означає, що Intel відмовляється від найприбутковішої частини ринку AI-чіпів.

Наприклад, Google обрав позитивний підхід. Investopedia повідомляла, що валова маржа Nvidia при продажу GPU становить приблизно 80%, в галузі це називають “податком Nvidia”. Щоб не платити високу надбавку, Google з 2015 року почала розробку власних рішень, всередині використовуючи обчислювальну екосистему під назвою TPU. У порівнянні з цим, TPU глибоко інтегрований з внутрішньою платформою Google, що не впливає на позицію Nvidia.

Тож ви бачите, що ці великі суперники змагаються не просто в продуктивності, а в стратегії. Вони всі намагаються обійти CUDA, обійти NVIDIA. Але принаймні наразі ніхто не може їх зрушити. Всі, хто кидає виклик, обходять гору, і це саме по собі є найвищою шаною до цієї важкодоступної вершини.

Підказка для підприємців: незамінність економічного бар'єра

NVIDIA пройшла шлях від недооцінюваної компанії до об'єкта загальної уваги. Цей шлях дійсно вражає. В мережі деякі висловлюють занепокоєння: зростання акцій NVIDIA таке велике, це занадто, чи не є це бульбашкою? Чи стане вона другим Cisco? У період інтернет-бульбашки 2000 року Cisco була постачальником мережевого обладнання, і в свій найвищий момент її оцінка перевищувала 150-кратний показник її майбутнього співвідношення ціни та прибутку. Але після лопання бульбашки вона впала до нуля.

Насправді, між ними є фундаментальні відмінності. Cisco стикається з ринком «однократного» будівництва. Коли ранній Інтернет завершив «прокладку труб», зростання Cisco природно зупинилося. А NVIDIA стикається з постійно зростаючим ринком. Принаймні, наразі, AI все ще зростає, тому ця «гонка озброєнь» ще не має кінця. Що ще важливіше, клієнти NVIDIA - це такі світові гіганти, як Microsoft, Google, Meta, які не мають фінансових проблем. Для них купівля чіпів NVIDIA - це не вибір, а необхідність для виживання в епоху AI.

Звичайно, ми ніколи не можемо передбачити, що станеться в майбутньому. Можливо, одного дня раптово з'явиться новий алгоритм, який зробить GPU неважливими, і змінить всі правила гри. Але принаймні на даний момент ми можемо навчитися дуже важливого уроку від NVIDIA. Який ваш захист? Не варто запитувати: «Чи є мій продукт кращим, швидшим чи дешевшим за конкурентів?» А слід запитати: «Чи є у мого продукту екосистема, з якої клієнти не захочуть йти?»

Насправді, ринкова капіталізація компанії Nvidia у 5 трильйонів доларів є найгучнішою відповіддю на це питання. Вона доводить, що в діловому світі найпростіша та найважливіша основна логіка. Найглибший захисний рів, не створюється за рахунок ціни та продуктивності, а полягає в тому, щоб зробити вас незамінним.