Nvidia:技術革新の巨人であるNvidiaは、ゲームチェンジャーを解き放ちました。
- テーマ:
- ブログ
Rael Maitreya
日本語字幕が付いています。
Nvidia's New Computer Has Released A Terrifying WARNING To ALL Other Computers! (youtube.com)
字幕を書き出したものがこちら:
Nvidia
物理法則が支配する世界で、ある企業がその法則に逆らうことを敢えてしました。
技術革新の巨人であるNvidiaは、ゲームチェンジャーを解き放ちました。それは、限界を打ち破るだけでなく、それを超えるAIチップです。
この進歩は、物理学の基本原理にどのように挑戦するのでしょうか。そして、これは人工知能の未来とそれ以降にどのような影響を与えるのでしょうか。
物理法則に逆らうNvidiaの画期的なAIチップを発表するこの魅力的な冒険にご参加ください。
世界中で2兆ドルを超える驚異的な時価総額を達成した企業は、Microsoft、Apple、Googleの親会社であるAlphabet、およびコンピューターチップメーカーのNvidiaの4社だけです。
カリフォルニアに拠点を置くNvidiaの株式時価総額は、わずか8か月で1兆ドルから2兆ドルに急騰しました。
この急騰は、今日の人工知能革命の原動力となっている同社の最先端技術に対する絶え間ない需要によって推進されました。
1993 年にビデオゲームのグラフィックスを強化するために設立された企業が、21 世紀の AI 大手企業に変貌を遂げたのは興味深いことです。
2022 年 3 月、Nvidia はデータ センター向けに特別に設計された Hopper アーキテクチャを発表しました。Hopper のリリースは AI コミュニティに大きな興奮をもたらし、2023 年の AI ブームのさなか、これらの製品の需要は急増しました。
品不足と圧倒的な需要のため、顧客は H100 ベースのサーバーを注文してから配送されるまで 36 ~ 52 週間も待たなければなりませんでした。
驚くべきことに、2023 年の第 3 四半期だけで、Nvidia は Hopper ベースの H100 アクセラレータを驚異の 50 万台販売したと報告されています。Nvidia の Hopper 製品による AI 市場での比類のない地位は、同社の時価総額に極めて重要な役割を果たしました。
ブラックウェル
尊敬されるアメリカの数学者デビッド・ブラックウェルに敬意を表して名付けられたブラックウェル アーキテクチャは、ゲーム理論、確率論、情報理論、統計学における彼の画期的な研究に敬意を表しています。これらの数学的領域は、トランスフォーマーベースの生成 AI モデルの設計とトレーニング アルゴリズムに多大な影響を与えてきました。
特に、ブラックウェルは、権威ある米国科学アカデミーに入会した最初のアフリカ系アメリカ人学者という栄誉を持っています。
2023 年 10 月の Nvidia の投資家向けプレゼンテーションで、同社は更新されたデータ センター ロードマップを発表しました。
このロードマップには、新しいブラックウェル アーキテクチャに加えて、B100 および B40 アクセラレータへの参照が含まれています。以前は、ロードマップでは Hopper の後継は単に「Hopper-Next」と呼ばれていました。
その後、2024 年 3 月 18 日のグラフィックス テクノロジー カンファレンス (GTC) で、Nvidia はブラックウェル アーキテクチャを公式に発表しました。
ソフトウェア開発者、ハイテク界の大物、そして喜ぶ株主を含む 11,000 人を超える熱狂的なファンが、4 日間にわたる AI の祭典のためにサンノゼのプロ ホッケー アリーナに集まりました。彼らの目は、1 人の人物に釘付けになりました。Nvidia の CEO、Jensen Huang です。Huang は、Blackwell は単なるチップの域を超え、包括的なプラットフォームであると説明しました。一般的にはグラフィック プロセッシング ユニット (GPU) の製造に関連付けられていますが、Nvidia は従来の設計の限界を超えました。Hopper は、Blackwell を中核とする今日の GPU の進歩の頂点です。Hopper は 280 億個のトランジスタを誇っていますが、本当に際立っているのはアーキテクチャです。
Nvidia は初めて 2 つのダイをシームレスに融合し、1 秒あたり 10 テラバイトという驚異的な速度で通信する統合チップを作成しました。メモリやキャッシュの問題によってパフォーマンスが妨げられることはなく、1 つの巨大なチップとして機能します。ブラックウェルの野心的な目標に対する懐疑的な見方に直面しても、Nvidia はひるむことなく、画期的なブラックウェル チップを生み出しました。
ブラックウェルは 2 つのシステム タイプにシームレスに統合されます。
1 つ目は Hopper と完璧に連携し、アップグレードが簡単に行えます。
もう 1 つはプロトタイプ ボードで紹介されているトランスフォーマー エンジンで、その強力なパワーと将来のアクセシビリティを実証します。
2 つのブラックウェル チップと 4 つのブラックウェル ダイが超高速接続でグレース CPU にリンクされたセットアップを想像してみてください。この構成はコンピューティングを再定義する準備ができています。
Huang 氏によると、このコンピューターの真に注目すべき点は、この種のコンピューターとしては初めてであり、非常に小さなスペースに信じられないほどの計算パワーを詰め込んでいる点です。しかし、限界をさらに押し上げるために、Nvidia は物理の限界に逆らうことができる多数の新機能を必要としました。そこで、新しいトランスフォーマー エンジン内の第 5 世代 MV リンクという、Nvidia の最新の発明が登場します。このエンジンは、前身のHopperの2倍の速度で、ネットワーク自体に計算機能を備えています。なぜこれが重要なのでしょうか?
複数のGPUを連携させる場合、情報を共有して同期させる必要があります。
超高速リンクとネットワーク内で計算を実行できる機能により、パフォーマンスを大幅に向上できます。定格速度は 1.8 テラバイト/秒ですが、実効速度はそれを上回り、全体的に Hopper より何倍も高速です。新しい fp6 形式により、Hopper と比較して、チップあたりのトレーニング パフォーマンスが 2.5 倍になります。さらに、fp4 が導入され、推論タスクのスループットが 2 倍になります。これは、エネルギーを節約し、ネットワーク帯域幅を減らし、時間の使用を最適化するために不可欠であり、生成 AI の将来に非常に役立ちます。
MVLink
スイッチNvidia は、この時代を「生成 AI」と呼んでいます。これは、計算方法に大きな変化をもたらすためです。Nvidia の新しいプロセッサは、この時代に合わせてカスタマイズされており、fp4 形式によって実現されるコンテンツ トークン生成が重要な機能です。 NVIDIA Blackwell AI スーパーコンピューターに搭載されているこのチップは、Hopper の 5 倍のトークン生成および推論機能を提供します。
しかし、なぜそこで止まるのでしょうか? Nvidia はこのレベルのパフォーマンスだけでは満足しません。そのため、同社は現在の GPU の機能を超える、さらに大きな GPU の構築に着手しました。
MVLink スイッチ - コンピューティングの革命
MVLink スイッチは、Hopper 自体とほぼ同じサイズの 500 億個のトランジスタを誇る注目すべきチップです。4 つの MV リンクがあり、それぞれが 1.8 テラバイト/秒で動作し、このチップにより、すべての GPU が同時にフルスピードで相互に通信できるようになります。これは、コンピューティングの可能性の限界を押し上げる画期的な進歩です。したがって、これに似たシステムを構築できます。これは、わずか 6 年前のものから大きく飛躍した DGX の最新バージョンです。
当時、最初の DGX1 は控えめな 170 テラフロップス、つまり 0.17 ペタフロップスを誇っていました。時が流れて現在、DGX と Nvidia は 720 ペタフロップスを目指しており、トレーニングのエクサフロップスのマイルストーンにほぼ到達しています。これは記念碑的な成果です。これは、1 つのラックに凝縮された世界初のエクサフロップス マシンです。わかりやすく言うと、現時点では世界中にエクサフロップス マシンはほんの一握りしかありません。この DGX は単なる AI システムではありません。1 つの洗練されたラックに凝縮されたエクサフロップスのパワーハウスです。では、この驚くべき偉業を可能にした要因を詳しく見ていきましょう。
DGX のバックボーンは MVLink スパインで、1 秒あたり 130 テラバイトという驚異的な帯域幅を誇ります。その能力を示すために、インターネット全体の帯域幅の合計を上回ることを考慮してください。驚くべきことに、この偉業は高価な光学機器やトランシーバーを必要とせずに達成され、正確には 20 キロワットというかなりの電力を節約しています。合計 120 キロワットを消費するラックでは、1 ワットの節約が大きな違いを生みます。しかし、冷却はどうでしょうか。心配はいりません。この DGX は液体冷却式で、動作中は 25 °C の快適な温度を維持します。室温として取り込まれたものが、45 °C の心地よいジャグジーのような温度で排出されます。2 リットル / 秒の流量で冷却システムは、汗をかくことなく最適なパフォーマンスを保証します。
では、システムの心臓部である GPU に焦点を移しましょう。 GPU を単純なコンポーネントと考える人もいるかもしれませんが、Nvidia にとって、それははるかに大きな意味を持っています。かさばる GPU の時代は終わりました。今日の GPU は、60 万個のパーツで構成され、重量が 3,000 ポンドもある複雑な驚異の装置です。これを比較すると、1.5 トンに相当します。実に素晴らしい偉業です。では、1.8 兆個のパラメータを持つ GPT モデルをトレーニングすることを想像してください。以前は、このタスクは 25,000 アンペアで 3 ~ 5 か月かかっていました。Hopper では、約 8,000 個の GPU が必要で、15 メガワットの電力を消費し、約 90 日で完了します。しかし、Blackwell では、同じタスクをわずか 2,000 個の GPU とわずか 4 メガワットの電力で実行できます。これは、効率とパフォーマンスの面で驚異的な成果です。
Blackwell は、当社にとってこれまでで最も成功した製品リリースとなる寸前であり、NVIDIA Robotics の領域に踏み込むにあたって、期待は明白です。Nvidia は、機械が周囲の実世界と対話する、魅力的な物理 AI の世界に踏み込んでいます。これまで、AI は主にデジタル領域に限定され、DGX システムのような単一のコンピューターの範囲内でデータを処理してきました。しかし、AI がこれらの境界を超え、ロボットが独自の知性を持ち、Nvidia Robotics が独立して現実世界の環境をナビゲートする未来を想像してみてください。
Robotics ChatGPT Moment の魔法が発揮されるのは、まさにこのときです。
Nvidia は、モデルのトレーニング用の AI パワーハウスである DGX や、低電力環境での高速センサー処理向けに設計された世界初のロボット プロセッサである AGX など、ロボット向けのエンドツーエンド システムの開発に熱心に取り組んできました。デジタル世界と物理世界のギャップを埋めるのが、Azure Cloud でホストされている Nvidia の仮想世界シミュレーション エンジン Omniverse です。
これは、人間とフォークリフトが倉庫の監視下でシームレスにやり取りする、活気に満ちた完全自律型倉庫で、究極の航空管制官として機能します。このインテリジェント システムは、交通を誘導し、倉庫内の案内を提供することで、全員の安全を確保します。そして、この未来的な倉庫と会話することもできます。さらに、これらすべてがリアルタイムで動作します。各ロボットには独自の自律型ロボット スタックが装備されており、プロセス全体が効率的でシームレスになります。Blackwell が先導することで、ロボット工学の未来は手の届くところにあります。ロボット工学の驚異をさらに深く掘り下げてみましょう。
ヒューマノイド ロボットの未来
まもなく、ロボット工学の優位性が確立されます。
ヒューマノイド ロボットの未来
さまざまな業界では、より安全で便利な選択肢として、ヒューマノイド ロボットの導入は避けられないようです。
その中でも、自動車部門は大きな変革の準備ができています。来年、Nvidia は Mercedes と提携し、続いて JLR と提携して、彼らの最先端技術を統合します。
Huang 氏は、世界最大の電気自動車会社である BYD が、Nvidia の最新のイノベーションである Thor を採用すると発表しました。Transformer エンジン用に設計されたこの次世代 AV コンピューターは、ロボット工学の未来を牽引し、ヒューマノイド ロボットにつながる可能性があります。
ヒューマノイド ロボットの進歩に向けた画期的な動きとして、Nvidia は Project Groot を立ち上げました。これは、ロボット学習の状況を再定義する先駆的な取り組みです。Nvidia は、単なる想像力を超えて、発明と探究の領域に踏み込み、限界を押し広げてヒューマノイド ロボットの潜在能力を最大限に引き出しています。
プロジェクトGroot は、ロボット工学の分野における重要な飛躍的進歩であり、マルチモーダル指示と過去のやり取りを処理できる包括的な基礎モデルを提供します。このモデル、プロジェクト
Groot は、洗練されたアルゴリズムを備えており、ヒューマノイド ロボットが次のアクションを自律的に決定し、人間の指示とロボットの実行の間のギャップを埋めることを可能にします。
Project Groot の中核を成すのは、Nvidia が開発したロボット学習専用アプリケーションである Isaac LAB です。シミュレーション用の Omniverse Isaac Sim のパワーを活用した Isaac LAB は、ヒューマノイド ロボットがスキルを磨き、さまざまな現実世界のシナリオに適応できる仮想トレーニングの場を提供します。
Isaac LAB を補完するのは、Nvidia の高度な DGX および OVX システム全体でワークフローをシームレスに調整し、効率的なトレーニングとシミュレーション プロセスを保証する新しいコンピューティング オーケストレーション サービスである Osmo です。
Project Groot の最も注目すべき機能の 1 つは、最小限の人間のデモンストレーションから学習できることです。Project Groot を搭載したヒューマノイド ロボットは、いくつかの人間のやり取りを分析することで、日常のタスクを巧みに支援し、驚くほど正確に人間の動きを模倣できます。この画期的な進歩は、高度なニューラル ネットワークを活用して人間の行動を理解し、それをロボット向けの実行可能な指示に変換する Nvidia の最先端技術によって可能になりました。さらに、Project Groot により、ヒューマノイド ロボットは自然言語の指示に基づいて動作を生成できるようになり、汎用性と使いやすさがさらに向上します。ハイタッチをしたり、複雑な動きを披露したりするなど、Project Groot を搭載したヒューマノイド ロボットは、前例のないレベルの知性と適応性を発揮します。Project Groot の機能を駆動しているのは、ヒューマノイド ロボットの最適なパフォーマンスを実現するために Nvidia が細心の注意を払って設計した新しい Jetson Thor ロボット チップです。
これらのチップは Project Groot のバックボーンとして機能し、ヒューマノイド ロボットに命を吹き込み、ロボット工学の未来へと導くために必要な計算能力を提供します。
ヒューマノイド ロボットが自律性と能力の向上に向けて進化を続ける中、Project Groot はイノベーションの最前線に立ち、AI 搭載ロボットの新時代への道を切り開きます。
Nvidia はソフトウェア開発と最先端技術における卓越性への揺るぎない取り組みにより、ヒューマノイド ロボットの可能性は無限であり、ロボットが私たちの日常生活にシームレスに統合され、産業に革命をもたらし、テクノロジーとの関わり方を一新する未来を約束します。
それでは、Nvidia が今日の強力なテクノロジー ジャイアントへと進化した魅力的な道のりを詳しく見ていきましょう。
Nvidia の進化 1990 年代は、ぼやけたテレビ画面、ダイヤルアップ インターネット、ベージュ色のコンピューター ボックスが特徴でした。この 10 年間に育った人々は、パーソナル コンピューターの進化を目の当たりにしました。 90 年代初頭、ファイル ブラウザー ウィンドウやテキスト ブロックをレンダリングするだけで、必要なグラフィックスはほぼすべてでした。アニメーションやエンジニアリングの分野では、より複雑なグラフィックスが必要でしたが、CPU はこれらのタスクに十分なパワーを持っていました。高度なグラフィックスを求める人にとっては、ビデオ ゲーム コンソールが頼りになるソリューションでした。しかし、太陽が降り注ぐカリフォルニア出身のエンジニア 3 人組 (Jensen Huang、Chris Malachowski、Curtis Priem) は、別のアイデアを持っていました。彼らは、パーソナル コンピューティングにグラフィックスを簡単に取り入れることができる独立したハードウェア プロセッサを思い描きました。地元のデニーズで、コーヒーを何杯も飲みながらブレインストーミングを行った結果、彼らは重要な認識に至りました。コンピューターの心臓部である CPU は、シリアル処理用に設計されており、一度に 1 つのタスクしか処理できないという点です。しかし、ゲーム用の 3D グラフィックスを生成するには、反復的で計算量の多いタスクが必要で、CPU に負担がかかります。彼らの解決策は、並列処理が可能な独立したチップです。これは、コンピューティングのゲーム チェンジャーです。
このチップは複雑なタスクを小さなタスクに分割して同時に実行し、特に 3D グラフィックスのレンダリングなどのタスクの効率を大幅に向上させました。後に GPU として知られるようになったこの革新的なチップは、CPU に取って代わるものではなく、グラフィック タスクを補完するものでした。このアイデアは Nvidia の基盤となり、その後 20 年間にわたってコンピューティングだけでなくコンピューター サイエンスにも革命をもたらしました。しかし当時、Nvidia は PC でのゲーム体験の向上に注力していました。この市場は大きな可能性を秘めていました。こうして 1993 年、カリフォルニア州フリーモントのマンションで Nvidia の旅が始まりました。Nvidia は、並列処理 GPU を家庭用コンピューターに統合するという革新的なコンセプトで設立されました。
興味深いことに、「Nvidia」という名前は、「次のバージョン」に由来する「NV」と、ラテン語で「羨望」を意味する「Invidia」を組み合わせたものです。
ロゴに緑を選んだのは、同社のチップが提供する膨大なコンピューティング能力によって彼らが喚起したいと願っていた羨望の念を象徴している。Nvidia の頭脳は一流のエンジニアたちだった。台湾系アメリカ人の電気技師、ジェンセン・フアンは、LSI Logic の CoreWare ディレクターとして、また AMD のマイクロプロセッサ設計者として豊富な経験を持っていた。LSI Logic は、Nvidia の初期の歩みにおいて重要な役割を果たした。ジェンセン・フアンとともに、同社の共同設立者には、HP と Sun Microsystems で貴重なエンジニアリング経験を積んだクリス・マラコウスキーと、IBM アーリー・ファンディングと Sun Microsystems でグラフィック チップ設計者を務めたカーティス・プライムがいた。熟練したエンジニアであることは有利だったが、スタートアップの立ち上げには独自の課題があることを Nvidia の設立者たちはすぐに悟った。
1993 年、彼らは岐路に立たされ、どう進めばよいか分からなかった。助言を求めて、彼らは会社設立の手助けをしてくれる弁護士の助けを得た。わずか 200 ドルを手にした Huang は、大胆な一歩を踏み出し、ささやかな資金を投資して Nvidia の旅を開始した。この最初の投資は、会社の設立への道を開いただけでなく、Huang に Nvidia の 20% の株式を確保した。次のハードルは、彼らの野心的なビジョンを推進するための資金を確保することだった。懐疑から成功へベンチャー キャピタリストを説得するのは困難な戦いであることが判明した。投資家は、洗練されたビジネス プランではなく、成功の実績と説得力のあるビジョンを持つ創業者を探した。困難にもかかわらず、Nvidia は最終的に Sequoia Capital と Sutter Hill Ventures の注目を集め、2,000 万ドルという多額の資金を確保した。多くの人にとって、このレベルの資金は、新興企業にとって異例の額に思えるかもしれない。しかし、重要な役割を果たしたのは、フアン氏が以前LSI Logicと関係を持っていたことです。LSI LogicのCEOとのつながりを生かして、フアン氏は以前LSI Logicに投資していたベンチャー企業、セコイア・キャピタルとの面会を手配しました。当初は懐疑的でしたが、セコイア・キャピタルは、急成長するグラフィックカード業界の可能性を認識し、最終的にNvidiaに賭けました。この最初の200万ドルの投資に続いて、さらに1,800万ドルが投資され、Nvidiaは将来の成功へと進みました。当時、Nvidiaへの投資を決めるのはリスクの高い動きでした。同様の目標を狙う企業は89社ありましたが、競争に勝ち残ったのはAMDとNvidiaだけでした。Nvidiaが1999年に株式を公開したとき、その価値は6億ドルに急上昇し、最初の投資は100倍という驚異的な利益をもたらしました。しかし、あまり先を急ぐのはやめましょう。物語のこの時点では、Nvidia は単なる小さなエンジニア チームでした。資金を手にして、チームを編成し、最初の製品である NV1 を開発するのに 2 年かかりました。1995 年に正式に発売された NV1 は、Nvidia が市場に参入した最初の製品でした。NV1 の開発段階で、Nvidia はセガと契約を結び、同社のゲーム コンソール用のチップを製造しました。
これらのチップは、「バーチャルファイター」や「デイトナ」などの人気ゲーム向けに作られました。興味深いことに、NV1 チップはコンピューターとも互換性があり、ゲーマーはセガサターンのゲームを PC で直接楽しむことができました。これは 1995 年当時としては画期的なコンセプトでした。Nvidia は、NV1 チップに四角形ベースの画像レンダリング アーキテクチャを採用するという大胆な選択をしましたが、セガはこの決定にあまり乗り気ではありませんでした。セガの反対にもかかわらず、Nvidia の経営陣は方針を変えることを拒否し、断固とした態度を示しました。しかし、なぜ三角形ではなく四角形でポリゴンをレンダリングすることにしたのでしょうか。この選択の背後にある理論的根拠は、Lazy Game Reviews のビデオで説明されています。三角形ではなく四角形または正方形を使用する目的は、CPU の負荷を軽減してレンダリングを高速化することです。理論的には、このアプローチはポリゴンの数を減らし、丸いオブジェクトのレンダリング品質を向上させることを意味していました。あらゆる場所が三角形に制限されるのではなく、正方形で形状を作成する柔軟性を提供しました。この戦略は、CPU 速度とメモリ クロックが比較的低かった時代には理にかなっていました。ゲーム内の特定のオブジェクトやモデルのレンダリングが改善されたからです。
しかし、テクノロジが進歩し、メモリ機能が向上するにつれて、このアプローチは実用的ではなくなりました。さらに、広く使用されているグラフィックス API である OpenGL がサポートされていなかったため、互換性の問題も生じました。Nvidia と SGS Thompson は、消費者にとって OpenGL の必要性について懐疑的な見方さえ示しました。さらに、DirectX と Direct3D が登場したとき、クアッドによる NV1 のレンダリングはさらなる制限をもたらしました。Nvidia はソフトウェア パッチでこれに対処しようとし、NV1 で DirectX を実行できるようにしましたが、ソフトウェア モードでのみ実行できるようにし、ハードウェア アクセラレーション機能を無効にしました。革新的なアプローチにもかかわらず、NV1 プロジェクトは最終的に大きな影響を与えることができませんでした。3D グラフィックス、ビデオ、オーディオ処理などを 1 つのチップに統合した多目的ソリューションを目指していました。
しかし、Nvidia の CEO Huang が後に述べたように、NV1 はタコに似ていました。つまり、複雑で多面的で、おそらく時代を先取りしていたのです。結局、市場の注目を集めることはできませんでした。市場はもっとシンプルなものを求めていました。つまり、NV1 チップのようなオールインワン ソリューションではなく、専用の 3D グラフィック チップです。さらに、NV1 は競合製品に比べて高価すぎると思われていました。さらに事態を悪化させたのは、業界が移行し、Microsoft が 3D グラフィック レンダリング用の三角形ベースの標準を優先する新しい API である DirectX を導入したことです。これにより、開発者はグラフィックのコーディングが容易になり、DirectX を採用するようになりました。残念ながら、Nvidia にとって、NV1 チップは DirectX と互換性がなかったため、多くの既存のゲームがパフォーマンスの問題に悩まされたり、Nvidia の新しいチップでプレイできなくなったりしました。この非互換性は Nvidia に大きな打撃を与え、顧客パートナーの Diamond Multimedia は、販売不振とゲーム サポート不足のため、購入した 25 万台の NV1 ユニットの大半を返品しました。この返品により Nvidia はほぼ破産し、従業員 80 人のうち 40 人が解雇され、売れないチップが余剰になりました。これは悲惨な状況で、1,000 万ドルの損失となりました。この混乱の中、Nvidia はセガ向けに NV2 チップを開発していましたが、これも同じ時代遅れのクアドラングル アーキテクチャに基づいていました。生き残るためには方向転換が必要だと悟った Huang は、大胆な行動に出ました。Nvidia の進歩と変革 Huang は、セガの CEO に、契約から解放してほしいが全額支払いをしてほしいと申し出ました。このお金は、Nvidia が経営を維持するために不可欠でした。セガの CEO は並外れた親切心で、黄氏の要請に同意しました。この寛大さにより、Nvidia は業界の方向性に沿った方向に焦点とリソースを向け直すことができました。セガがその重要な時期に投資を撤回していたら、Nvidia は消滅の危機に直面していたでしょう。NV1 での Nvidia の経験は、彼らの旅において重要な教訓となりました。顧客のニーズと市場動向を理解することの重要性を強調し、Nvidia の将来の戦略を形作りました。
Nvidia が破綻寸前だったことは、特に現在の時価総額が 1 兆ドルを超えていることを考えると、驚くべきことです。しかし、市場のフィードバックに耳を傾け、パーソナル コンピューターに集中するという決断が、同社の驚異的な成功物語の始まりとなりました。挫折後、Nvidia はより直接的なアプローチで PC 業界に再参入することを決定しました。タイミングは理想的で、PC 市場は活況を呈していました。1999 年、Nvidia は GeForce 256 グラフィック カードを発表しました。このカードは成功しただけでなく、GeForce 256 業界を一変させました。初のプログラム可能なグラフィック カードとして、GPU という用語も普及しました。この画期的な進歩により、ゲーマーや開発者は高度なシェーディングや照明効果を使用して新しい創造的な方法を模索できるようになり、ゲーム体験が大幅に向上しました。この成功を利用して、Nvidia は同年に株式を公開しました。2000 年までに、同社は Microsoft の Xbox ゲーム コンソール用のグラフィック ハードウェアを開発する重要な契約を獲得しました。この契約により、Nvidia は 2 億ドルという大幅な前払い金を得ることになり、これは同社がセガと行った以前のコンソール開発からすると大きな飛躍でした。
Xbox は 2001 年にデビューし、Nvidia がカスタムメイドした NV2A という特殊なチップを搭載していました。この成功は、2000 年代を通じて Nvidia の繁栄の足がかりとなりました。同社は Sony の PlayStation 3 のプロセッサを形作る上で極めて重要な役割を果たし、Apple、Dell、HP などのコンピュータ業界の大手企業の注目を集め、これらの企業は自社製品に Nvidia の GPU を組み込み始めました。同社の成長軌道は、戦略的決定と革新的な技術の組み合わせにより、止められないもののように思われました。
Nvidia の重要な戦略的動きの 1 つは、ファブレス チップ企業としての地位を確立することでした。しかし、それは何を意味するのでしょうか。基本的に、ファブレス チップ企業はチップを設計しますが、製造は外部委託します。黄氏はこのアプローチを強く支持し、コストを大幅に削減できると考えていた。過去 30 年間、Nvidia は世界有数の半導体製造会社である台湾セミコンダクター マニュファクチャリング カンパニー (TSMC) と提携してきた。TSMC の最先端の製造能力は、Nvidia の継続的な成功に大きく貢献してきた。
Huang 氏自身が認めているように、Nvidia の業績の多くは TSMC の先駆的な TSMC の取り組みによるものです。Nvidia はチップ設計に注力していましたが、製造をアウトソーシングすることで、リソースをイノベーションに投入することができました。同社は、GPU とその並列処理能力の計り知れない可能性を認識し、ゲーム用チップやグラフィックスを超えて視野を広げました。Nvidia は、GPU の完全な機能を解き放つために必要なツールとソフトウェアを開発者に提供することを目指しました。2006 年に、同社は CUDA を発表しました。これは、幅広いアプリケーションで GPU のパワーを活用することで並列コンピューティングに革命をもたらしたソフトウェア ツールキットです。CUDA が登場する前は、GPU のプログラミングはプログラマーにとって非常に面倒で困難なものでした。複雑な低レベルのマシン言語や API を掘り下げる必要があり、しばしば頭痛の種でした。しかし、CUDA は、C、C++、Java などの使い慣れた言語を使用して GPU のパワーを活用できるプログラムの作成を大幅に簡素化することで、状況を変えました。このイノベーションは、グラフィックス アプリケーションだけにとどまらず、大きな影響を及ぼしました。膨大な量のデータを扱う多くの分野で並列処理能力を活用できる可能性が開かれました。このトレンドは、2008 年に東京工業大学がスーパーコンピューターに CUDA アクセラレーション GPU を採用し、驚異的なパフォーマンスを達成したことで勢いを増しました。それ以来、Amazon Web Services、Google Cloud Platform、Netflix など、他の多くのデータ センターが、クラウド コンピューティング、機械学習、ビデオ ストリーミング、Web 検索などのさまざまなアプリケーションに GPU を採用してきました。しかし、真のブレークスルーは 2012 年の AI の爆発的な普及によってもたらされました。GPU 革命決定的な瞬間は、画期的なディープラーニング ニューラル ネットワークである AlexNet の出現によって訪れました。
トロント大学の博士課程の学生であるアレックス・クリジェフスキー氏が開発したAlexNetは、GPUのパワーを活用して計算効率を大幅に向上させました。クリジェフスキー氏は、2枚のNvidia GeForce GTX 580ゲーミングカードをコンピューターに接続し、120万枚の画像という膨大なデータセットでAlexNetのニューラルネットワークを処理しました。結果は驚くべきものでした。画像認識の精度は、前年の25%と比較して15%のエラー率と、目覚ましい向上を示しました。これらの数字は今日の基準では控えめに思えるかもしれませんが、当時は重要なマイルストーンであり、はるかに優れた精度を誇るChatGPT、Google Gemini、Google Lensなど、今では当たり前になっている高度なAIツールの基礎を築きました。しかし、過去には、この出来事はまさに革命的でした。これは、ニューラル ネットワークを取り巻く長年の懐疑論を打ち砕き、いわゆる AI の冬を引き起こし、新しい時代の幕開けとなりました。何十年もの間、専門家はニューラル ネットワークの実用性を否定してきましたが、このイベントの成功により、専門家の考えが間違っていたことが証明されました。この革命において、Nvidia GeForce GTX 580 カードが重要な役割を果たしました。CUDA 向けに最適化されたこのカードは、並列アルゴリズムの実装への道を開き、AlexNet が実行するようなディープラーニング タスクに不可欠なものとなりました。突然、ディープラーニング アプリケーションにさまざまな可能性が生まれ、Nvidia はこの変革の瞬間の最前線に立つことになりました。CUDA とその周辺のソフトウェア エコシステムへの戦略的投資は、大きな成果を上げ始めました。Nvidia GPU は、生成 AI と大規模言語モデルのトレーニングと展開のゴールド スタンダードに急速に成長しました。たとえば、ChatGPT で有名な OpenAI は、AI モデルを迅速かつ広範囲に展開するために、Nvidia の A100 シリーズ GPU を活用しました。
2022年11月のChatGPTの爆発的なデビューに続いて、大手テクノロジー企業がNvidiaのGPUの買収に殺到し、熱狂的な需要が巻き起こった。特にA100 GPUは飛ぶように売れ、Microsoftだけで1万台という驚異的な台数を調達した。A100ユニットは1台あたり11万ドルという高額だったが、Nvidiaは数十万台を販売した。前例のない需要により、Nvidiaの売上高は2023年7月までの四半期で135億ドルに急上昇し、前年比101%という驚異的な増加を記録した。5月25日には、同社の株式市場価値はわずか1日で1,840億ドルに急上昇した。そして、2023 年 5 月 30 日、Nvidia は、世界で 6 番目に切望された時価総額 1 兆ドルに到達した企業となり、記念すべき節目を達成しました。現在、Nvidia の時価総額は 2 ドルを超えています。Nvidia の新しいテクノロジーについてどう思いますか? 下のコメント欄でご意見をお聞かせください。このビデオを楽しんでご覧になった方は、ぜひ高評価を付けてチャンネルに登録してください。
ジェンスン・フアン(Jen-Hsun "Jensen" Huang、繁体字:?仁勳、こうじんくん、
1963年2月17日 - )は、台湾系アメリカ人の起業家、実業家。グラフィック・プロセッサ会社のNVIDIAを共同設立し、社長兼CEOを務めている。
2008年のフォーブズによると、アメリカのCEOの中で61番目に給料の高い人物である。
若年期
台湾の台南市生まれ。ケンタッキー州オネイダに移住し、その後オレゴン州に移った。ポートランドのアロア高等学校卒。
1984年にオレゴン州立大学で電気工学の学士号を、1992年にスタンフォード大学で電気工学の修士号を取得した。
経歴
Computex Taipeiにおけるジェンスン・フアン
大学卒業後、LSIロジックのSun Microsystemsを担当するDirector of Sales及びAdvanced Micro Devices, Inc. (AMD)でマイクロプロセッサの設計者となった。
1993年の30歳の誕生日である2月17日に、Nvidiaを共同設立し、現在に至るまでCEO兼社長を務めている。2016年時点で、約13億アメリカドル相当のNvidia株を保有している。2007年にCEOとして2460万ドルを稼ぎ、フォーブズ誌のアメリカの高額CEOランキングの61位につけた。wikipedia