NVIDIA - चिप उद्योग के इतिहास में पहली कंपनी, जिसका पूंजीकरण एक ट्रिलियन डॉलर से अधिक हो गया। सफलता का राज क्या है?
मुझे यकीन है कि आप में से कई लोगों ने कंपनी के बारे में सुना होगा NVIDIA और आप में से अधिकांश इसे विशेष रूप से ग्राफिक्स प्रोसेसर के साथ जोड़ते हैं, क्योंकि वाक्यांश "NVIDIA GeForce" लगभग सभी ने सुना है।
NVIDIA हाल ही में आईटी उद्योग में वित्तीय इतिहास रचा। यह पहली इंटीग्रेटेड सर्किट कंपनी है जिसका बाज़ार मूल्य एक ट्रिलियन डॉलर से अधिक हो गया है। यह इतिहास में इतनी बड़ी (बाजार पूंजीकरण द्वारा) सफलता हासिल करने वाली पांचवीं प्रौद्योगिकी-संबंधित कंपनी भी है। पहले, केवल लोग ही इतनी ऊंची रेटिंग का दावा कर सकते थे Apple, Microsoft, अल्फाबेट (Google का मालिक) और Amazon। इसीलिए फाइनेंसर कभी-कभी इसे "क्लब ऑफ फोर" कहते थे, जिसका अब विस्तार हो चुका है NVIDIA.
इसके अलावा, बाजार पूंजीकरण के मामले में, यह एएमडी, इंटेल, क्वालकॉम और अन्य प्रौद्योगिकी कंपनियों से बहुत पीछे है। एक दशक पहले पेश की गई कंपनी की दूरदर्शी नीति के बिना यह संभव नहीं था।
यह भी पढ़ें: क्या एलोन मस्क के ट्रुथजीपीटी का कोई भविष्य है?
की अविश्वसनीय मांग NVIDIA H100 टेंसर कोर
पूंजीकरण में इतनी वृद्धि का रहस्य क्या है? सबसे पहले, यह चिप की सफलता पर स्टॉक एक्सचेंज की प्रतिक्रिया है NVIDIA H100 टेंसर कोर, जिसकी क्लाउड इंफ्रास्ट्रक्चर और ऑनलाइन सेवाओं के अग्रणी प्रदाताओं के बीच उच्च मांग है। ये चिप्स Amazon, Meta और द्वारा खरीदे जाते हैं Microsoft (अपनी जरूरतों और अपने साझेदार - ओपनएआई कंपनी की जरूरतों के लिए)। वे चैटजीपीटी या डैल-ई जैसी जनरेटिव आर्टिफिशियल इंटेलिजेंस की विशिष्ट गणनाओं को तेज करने में विशेष रूप से ऊर्जा-कुशल हैं। त्वरित कंप्यूटिंग के लिए यह परिमाण के क्रम की एक अविश्वसनीय छलांग है। हमें किसी भी कार्यभार के लिए अभूतपूर्व प्रदर्शन, स्केलेबिलिटी और सुरक्षा मिलती है NVIDIA H100 टेंसर कोर जीपीयू।
एक स्विचिंग सिस्टम का उपयोग करना NVIDIA एक्सा स्केल पर कार्यभार में तेजी लाने के लिए एनवीलिंक को 256 एच100 जीपीयू तक जोड़ा जा सकता है। जीपीयू में खरबों मापदंडों के साथ भाषा मॉडल को हल करने के लिए एक समर्पित ट्रांसफार्मर इंजन भी शामिल है। H100 के संयुक्त प्रौद्योगिकी नवाचार पिछली पीढ़ी की तुलना में बड़े भाषा मॉडल (एलएलएम) को अविश्वसनीय 30 गुना तक तेज कर सकते हैं, जो उद्योग की अग्रणी संवादात्मक एआई प्रदान करते हैं। डेवलपर्स इसे मशीन लर्निंग के लिए लगभग आदर्श मानते हैं।
हालाँकि, H100 कहीं से भी प्रकट नहीं हुआ। और, सच कहें तो, यह विशेष रूप से क्रांतिकारी नहीं है। NVIDIAकिसी भी अन्य कंपनी की तरह, कई वर्षों से कृत्रिम बुद्धिमत्ता में भारी संसाधनों का निवेश नहीं किया गया है। परिणामस्वरूप, मुख्य रूप से GeForce ग्राफिक्स कार्ड ब्रांड से जुड़ी कंपनी उपभोक्ता बाजार को लगभग एक शौक की तरह मान सकती है। आख़िरकार, यह आईटी दिग्गजों के बाज़ार में वास्तविक शक्ति का निर्माण करता है NVIDIA पहले से ही उनसे बराबरी से बात कर सकते हैं।
यह भी दिलचस्प: 6G नेटवर्क क्या हैं और इनकी आवश्यकता क्यों है?
क्या आर्टिफिशियल इंटेलिजेंस भविष्य है?
आज लगभग हर कोई इस बात से सहमत है, यहाँ तक कि इस क्षेत्र के संशयवादी विशेषज्ञ भी। अब यह लगभग एक स्वयंसिद्ध, एक सत्यवाद है। हालांकि NViDIA इसके बारे में 20 साल पहले पता था. क्या मैंने तुम्हें आश्चर्यचकित किया?
तकनीकी रूप से, पहला निकट संपर्क NVIDIA कृत्रिम बुद्धिमत्ता के साथ 1999 में ऐसा हुआ, जब GeForce 256 प्रोसेसर बाजार में आया, जो मशीन लर्निंग गणनाओं को तेज करने में सक्षम था। तथापि NVIDIA केवल 2006 में कृत्रिम बुद्धिमत्ता में गंभीरता से निवेश करना शुरू किया, जब इसने CUDA आर्किटेक्चर पेश किया, जिसने प्रशिक्षण और अनुसंधान के लिए ग्राफिक्स प्रोसेसर की समानांतर प्रसंस्करण क्षमताओं का उपयोग करने की अनुमति दी।
क्यूडा क्या है? इसे समानांतर कंप्यूटिंग प्लेटफॉर्म और एप्लिकेशन प्रोग्रामिंग इंटरफेस (एपीआई) के रूप में परिभाषित किया गया है जो सॉफ्टवेयर को सामान्य प्रयोजन ग्राफिक्स प्रोसेसिंग यूनिट (जीपीजीपीयू) का उपयोग करने की अनुमति देता है। इस दृष्टिकोण को जीपीयू पर सामान्य प्रयोजन कंप्यूटिंग कहा जाता है। इसके अलावा, CUDA एक सॉफ्टवेयर लेयर है जो ग्राफिक्स प्रोसेसर के वर्चुअल इंस्ट्रक्शन सेट और समानांतर कंप्यूटिंग तत्वों तक सीधी पहुंच प्रदान करता है। इसे C, C++ और Fortran जैसी प्रोग्रामिंग लैंग्वेज के साथ काम करने के लिए डिजाइन किया गया है।
यह पहुंच ही है जो समानांतर डेवलपर्स के लिए जीपीयू संसाधनों का लाभ उठाना आसान बनाती है, डायरेक्ट3डी और ओपनजीएल जैसे पिछले एपीआई के विपरीत, जिसके लिए उन्नत ग्राफिक्स प्रोग्रामिंग कौशल की आवश्यकता होती है।
एक महत्वपूर्ण सफलता कंपनी द्वारा किया गया प्रावधान था NVIDIA अभूतपूर्व एलेक्सनेट न्यूरल नेटवर्क के लिए कंप्यूटिंग शक्ति। यह एक कन्वेन्शनल न्यूरल नेटवर्क (सीएनएन) है, जिसे यूक्रेनी एलेक्स क्रिज़ेव्स्की द्वारा इल्या सुत्ज़केवर और जेफरी गिंटन के सहयोग से विकसित किया गया है।
कनवॉल्यूशनल न्यूरल नेटवर्क्स (सीएनएन) ऑब्जेक्ट रिकग्निशन के लिए हमेशा पसंदीदा मॉडल रहे हैं- वे शक्तिशाली मॉडल हैं जिन्हें नियंत्रित करना आसान है और यहां तक कि प्रशिक्षित करना भी आसान है। लाखों छवियों पर उपयोग किए जाने पर वे किसी भी खतरनाक हद तक ओवरफिटिंग का अनुभव नहीं करते हैं। उनका प्रदर्शन समान आकार के मानक फीड-फॉरवर्ड न्यूरल नेटवर्क के लगभग समान है। एकमात्र समस्या यह है कि उन्हें उच्च-रिज़ॉल्यूशन वाली छवियों पर लागू करना मुश्किल है। इमेजनेट के पैमाने के लिए ऐसे नवाचारों की आवश्यकता थी जो जीपीयू के लिए अनुकूल हों और प्रदर्शन में सुधार करते हुए प्रशिक्षण के समय को कम करें।
30 सितंबर 2012 को, एलेक्सनेट ने इमेजनेट लार्ज स्केल विज़ुअल रिकॉग्निशन चैलेंज में भाग लिया। नेटवर्क ने शीर्ष पांच त्रुटि परीक्षण में 15,3% का स्कोर हासिल किया, जो दूसरे स्थान के स्कोर से 10,8% कम है।
मूल कार्य से मुख्य निष्कर्ष यह था कि मॉडल की जटिलता इसके उच्च प्रदर्शन के कारण थी, जो कम्प्यूटेशनल रूप से बहुत महंगा था, लेकिन प्रशिक्षण प्रक्रिया के दौरान ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू) के उपयोग से संभव हुआ।
एलेक्सनेट दृढ़ तंत्रिका नेटवर्क में ही आठ परतें होती हैं; पहले पांच संकरी परतें हैं, जिनमें से कुछ अधिकतम युग्मित परतों से पहले हैं, और अंतिम तीन पूरी तरह से जुड़ी हुई परतें हैं। नेटवर्क, अंतिम परत को छोड़कर, दो प्रतियों में विभाजित है, प्रत्येक एक GPU पर चल रहा है।
यानी इसके लिए धन्यवाद NVIDIA और अभी भी अधिकांश विशेषज्ञों और वैज्ञानिकों का मानना है कि एलेक्सनेट एक अविश्वसनीय रूप से शक्तिशाली मॉडल है जो बहुत जटिल डेटासेट पर उच्च सटीकता प्राप्त करने में सक्षम है। एलेक्सनेट किसी भी ऑब्जेक्ट डिटेक्शन कार्य के लिए अग्रणी आर्किटेक्चर है और कृत्रिम बुद्धिमत्ता समस्याओं के लिए कंप्यूटर विज़न क्षेत्र में इसका बहुत व्यापक अनुप्रयोग हो सकता है। भविष्य में, इमेजिंग के क्षेत्र में एलेक्सनेट का उपयोग सीएनएन से अधिक किया जा सकता है।
यह भी दिलचस्प: ब्लूस्की घटना: किस तरह की सेवा और क्या यह लंबे समय तक है?
आर्टिफिशियल इंटेलिजेंस केवल प्रयोगशालाओं और डेटा केंद्रों में ही नहीं है
В NVIDIA उपभोक्ता उपकरणों और इंटरनेट ऑफ थिंग्स की प्रौद्योगिकियों में भी एआई के लिए काफी संभावनाएं देखी गईं। जबकि प्रतिस्पर्धी अभी एक नए प्रकार के एकीकृत सर्किट में अधिक व्यापक रूप से निवेश करने पर विचार करना शुरू कर रहे हैं, NVIDIA पहले से ही उनके लघुकरण पर काम कर रहा है। टेस्ला और अन्य कार कंपनियों के सहयोग से विकसित टेग्रा K1 चिप संभवतः विशेष रूप से महत्वपूर्ण है।
Tegra K1 प्रोसेसर पहले प्रोसेसर में से एक है NVIDIA, विशेष रूप से मोबाइल और एम्बेडेड उपकरणों में एआई अनुप्रयोगों के लिए डिज़ाइन किया गया है। Tegra K1 ग्राफ़िक्स कार्ड और सिस्टम की श्रृंखला के समान GPU आर्किटेक्चर का उपयोग करता है NVIDIA GeForce, Quadro और Tesla, जो OpenGL 4.4, DirectX 11.2, CUDA 6.5 और OpenCL 1.2 जैसे ग्राफिक्स और कंप्यूटिंग मानकों के साथ उच्च प्रदर्शन और अनुकूलता प्रदान करते हैं। इसके लिए धन्यवाद, टेग्रा K1 प्रोसेसर उन्नत कृत्रिम बुद्धिमत्ता एल्गोरिदम जैसे गहरे तंत्रिका नेटवर्क, सुदृढीकरण सीखने, छवि और भाषण पहचान और डेटा विश्लेषण का समर्थन कर सकता है। टेग्रा K1 में 192 CUDA कोर हैं।
2016 में NVIDIA गहरे तंत्रिका नेटवर्क और अन्य कृत्रिम बुद्धिमत्ता मॉडल का समर्थन करने के लिए अनुकूलित पास्कल प्रोसेसर की एक श्रृंखला जारी की। एक वर्ष के भीतर, कृत्रिम बुद्धिमत्ता से संबंधित अनुप्रयोगों के लिए वोल्टा प्रोसेसर की एक श्रृंखला बाजार में दिखाई दी, जो और भी अधिक कुशल और ऊर्जा-बचत करने वाली हैं। 2019 में NVIDIA डेटा सेंटरों और सुपर कंप्यूटरों के लिए उच्च-प्रदर्शन कंप्यूटर नेटवर्क बनाने वाली कंपनी मेलानॉक्स टेक्नोलॉजीज को खरीदता है।
परिणामस्वरूप, वे सभी प्रोसेसर का उपयोग करते हैं NVIDIA. उदाहरण के लिए, उपभोक्ता बाजार में, गेमर्स क्रांतिकारी डीएलएसएस छवि पुनर्निर्माण एल्गोरिदम का उपयोग करते हैं, जो उन्हें ग्राफिक्स कार्ड पर बहुत अधिक पैसा खर्च किए बिना गेम में तेज ग्राफिक्स का आनंद लेने की अनुमति देता है। बिजनेस बाजार में यह मान्यता है कि चिप्स NVIDIA कई मायनों में प्रतिस्पर्धियों की पेशकश से परे। हालाँकि ऐसा नहीं है कि इंटेल और एएमडी बौद्धिक क्रांति के दौरान पूरी तरह से सोये रहे।
यह भी दिलचस्प: आर्टिफिशियल इंटेलिजेंस पर आधारित सर्वोत्तम उपकरण
आर्टिफिशियल इंटेलिजेंस के क्षेत्र में इंटेल और एएमडी
आइए प्रत्यक्ष प्रतिस्पर्धियों के बारे में बात करें NVIDIA इस बाज़ार खंड में. इंटेल और एएमडी यहां अधिक सक्रिय रूप से काम कर रहे हैं, लेकिन काफी देरी से।
इंटेल ने एआई प्रौद्योगिकियों और समाधानों के अपने पोर्टफोलियो को मजबूत करने के लिए कई एआई कंपनियों जैसे नर्वाना सिस्टम्स, मूविडियस, मोबाइलआई और हबाना लैब्स का अधिग्रहण किया है। इंटेल आर्टिफिशियल इंटेलिजेंस के लिए हार्डवेयर और सॉफ्टवेयर प्लेटफॉर्म भी प्रदान करता है, जैसे कि Xeon प्रोसेसर, FPGAs, NNP चिप्स और ऑप्टिमाइज़ेशन लाइब्रेरी। एआई नवाचार और शिक्षा को आगे बढ़ाने के लिए इंटेल सार्वजनिक और निजी क्षेत्र के भागीदारों के साथ भी काम करता है।
AMD ने Epyc प्रोसेसर और Radeon Instinct ग्राफिक्स कार्ड की एक श्रृंखला विकसित की है जो AI और गहन शिक्षण अनुप्रयोगों के लिए अनुकूलित हैं। AMD Google जैसी कंपनियों के साथ भी काम करता है, Microsoft, आईबीएम और अमेज़ॅन, एआई के लिए क्लाउड समाधान प्रदान करते हैं। एएमडी शैक्षणिक संस्थानों और उद्योग संगठनों के साथ साझेदारी के माध्यम से एआई अनुसंधान और विकास में भाग लेने का भी प्रयास करता है। हालाँकि, यह सब बहुत अच्छा है NVIDIA पहले से ही उनसे बहुत आगे है, और एआई एल्गोरिदम के विकास और समर्थन के क्षेत्र में इसकी सफलता अतुलनीय रूप से अधिक है।
यह भी दिलचस्प: Google I/O 2023 का सारांश: Android 14, पिक्सेल और ढेर सारा AI
NVIDIA दशकों से वीडियो गेम से जुड़ा हुआ है
ये भी नहीं भूलना चाहिए. NVIDIA उपभोक्ता और व्यापार बाजारों के बीच अपने राजस्व का सटीक विवरण प्रदान नहीं करता है, लेकिन कंपनी अपने वित्तीय विवरणों में जो ऑपरेटिंग सेगमेंट का खुलासा करती है, उसके आधार पर उनका अनुमान लगाया जा सकता है। NVIDIA चार ऑपरेटिंग सेगमेंट को अलग करता है: गेमिंग, प्रोफेशनल विज़ुअलाइज़ेशन, डेटा सेंटर और ऑटोमोटिव।
यह माना जा सकता है कि गेमिंग खंड मुख्य रूप से उपभोक्ता बाजार पर केंद्रित है, क्योंकि इसमें गेम कंसोल के लिए GeForce वीडियो कार्ड और टेग्रा चिप्स की बिक्री शामिल है। पेशेवर विज़ुअलाइज़ेशन खंड मुख्य रूप से व्यापार बाजार पर केंद्रित है, क्योंकि इसमें वर्कस्टेशन और पेशेवर अनुप्रयोगों के लिए क्वाड्रो वीडियो कार्ड और आरटीएक्स चिप्स की बिक्री शामिल है। डेटा सेंटर सेगमेंट भी मुख्य रूप से व्यापार बाजार पर केंद्रित है, क्योंकि इसमें सर्वर और क्लाउड सेवाओं के लिए जीपीयू और एनपीयू (अर्थात, अगली पीढ़ी के चिप्स - अब जीपीयू नहीं, बल्कि विशेष रूप से एआई के लिए डिज़ाइन किए गए) की बिक्री शामिल है। ऑटोमोटिव सेगमेंट उपभोक्ता और व्यापार दोनों बाजारों को लक्षित करता है, क्योंकि इसमें इंफोटेनमेंट और ऑटोनॉमस ड्राइविंग के लिए टेग्रा और ड्राइव सिस्टम की बिक्री शामिल है।
इन धारणाओं के आधार पर, कुल राजस्व में उपभोक्ता और व्यापार बाजारों से राजस्व की हिस्सेदारी का अनुमान लगाना संभव है NVIDIA. वर्ष 2022 की नवीनतम वित्तीय रिपोर्ट के अनुसार, कंपनी का राजस्व NVIDIA परिचालन खंडों के अनुसार इस प्रकार थे:
- खेल: $ 12,9 बिलियन
- पेशेवर विज़ुअलाइज़ेशन: $1,3 बिलियन
- डेटा केंद्र: $ 9,7 बिलियन
- ऑटोमोबाइल: $ 0,8 बिलियन
- अन्य सभी खंड: $8,7 बिलियन
कुल आय NVIDIA $33,4 बिलियन की राशि। यदि हम मान लें कि ऑटोमोटिव खंड उपभोक्ता और व्यावसायिक बाजारों के बीच लगभग समान रूप से विभाजित है, तो निम्नलिखित अनुपात की गणना की जा सकती है:
- उपभोक्ता बाजार से आय: (12,9 + 0,4) / 33,4 = 0,4 (40%)
- व्यापार बाजार से आय: (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60%)
इसका मतलब है कि लगभग 40% आय NVIDIA उपभोक्ता बाज़ार से आता है, और लगभग 60% व्यापार बाज़ार से आता है। यानी मुख्य दिशा बिजनेस सेगमेंट है। लेकिन खेल उद्योग भी काफी अच्छी आय लाता है। सबसे खास बात ये है कि ये हर साल बढ़ते हैं.
यह भी दिलचस्प: डायरी ऑफ़ ए ग्रम्पी ओल्ड गीक: बिंग बनाम गूगल
भविष्य हमें क्या लाएगा?
यह स्पष्ट है कि NVIDIA कृत्रिम बुद्धिमत्ता एल्गोरिदम के विकास में भाग लेने की योजना पहले से ही है। और यह अपने किसी भी प्रत्यक्ष प्रतिस्पर्धियों की तुलना में कहीं अधिक व्यापक और अधिक आशाजनक है।
अभी पिछले महीने में ही NVIDIA कृत्रिम बुद्धिमत्ता में कई नए निवेशों की घोषणा की। उनमें से एक GET3D तंत्र है, जो विभिन्न वस्तुओं और पात्रों के जटिल त्रि-आयामी मॉडल बनाने में सक्षम है जो वास्तविकता को ईमानदारी से प्रतिबिंबित करते हैं। GET3D एक ग्राफ़िक्स चिप का उपयोग करके प्रति सेकंड लगभग 20 ऑब्जेक्ट उत्पन्न कर सकता है।
एक और दिलचस्प प्रोजेक्ट का भी जिक्र किया जाना चाहिए. इज़राइल-1 के बारे में कृत्रिम बुद्धिमत्ता कार्यक्रमों के लिए एक सुपर कंप्यूटर है, जो NVIDIA इज़राइल के विज्ञान और प्रौद्योगिकी मंत्रालय और कंपनी मेलानॉक्स के सहयोग से बनाया गया है। मशीन में 7 पेटाफ्लॉप से अधिक कंप्यूटिंग शक्ति होने और 1000 से अधिक जीपीयू का उपयोग होने की उम्मीद है NVIDIA A100 टेंसर कोर। इज़राइल-1 का उपयोग चिकित्सा, जीव विज्ञान, रसायन विज्ञान, भौतिकी और साइबर सुरक्षा जैसे क्षेत्रों में अनुसंधान और विकास के लिए किया जाएगा। और दीर्घकालिक संभावनाओं को देखते हुए ये पहले से ही बहुत आशाजनक पूंजी निवेश हैं।
इसके अलावा, पहले से ही एक और परियोजना है - NVIDIA ऐस. यह एक नई तकनीक है जो खिलाड़ी को प्राकृतिक और यथार्थवादी तरीके से गैर-खिलाड़ी चरित्र (एनपीसी) के साथ बातचीत करने की अनुमति देकर गेमिंग उद्योग में क्रांति लाने के लिए तैयार है। ये पात्र खिलाड़ी के साथ खुला संवाद करने, उसकी भावनाओं और इशारों पर प्रतिक्रिया करने और यहां तक कि अपनी भावनाओं और विचारों को व्यक्त करने में सक्षम होंगे। NVIDIA ACE उन्नत भाषा मॉडल और AI-आधारित छवि जनरेटर का उपयोग करता है।
पहले ट्रिलियन डॉलर में NVIDIA. ऐसा लगता है कि जल्द ही और भी कुछ होगा। हम कंपनी की प्रगति पर नज़र रखना सुनिश्चित करेंगे और आपको बताएंगे।
यह भी पढ़ें: