В этом десятилетии в Nvidia задумались о развитии направления высокопроизводительных вычислений для разных сфер. В январе 2011 года компания также урегулировала патентный спор и подписала соглашение о перекрестном лицензировании на сумму $1,5 млрд с IBM, которое положило конец продолжающимся судебным разбирательствам между компаниями. Johnson & Johnson MedTech, Medtronic, Rockwell Automation, SETI Institute и другие компании разрабатывают системы NVIDIA IGX, чтобы ускорить работу ИИ на периферийных устройствах в приложениях для медицинских, промышленных и научных вычислений. Переходите на современные технологии ИИ на видеокартах NVIDIA GeForce RTX™ и повысьте производительность в играх, творчестве и разработке. В 2014 году руководитель по связям с общественностью Роберт Халлкок компании AMD обвинил Nvidia в борьбе с конкурентами при помощи библиотеки разработки GameWorks[англ.].
Спустя несколько месяцев после NV30 вышел NV35, который получил дополнительный блок вершинных шейдеров, усовершенствованные блоки пиксельных шейдеров, более широкую шину памяти и технологию визуализации теней UltraShadow[46]. В последовавшем 2005 году представлен чип NV40 и 6-е поколение GeForce, флагманская модель которого за счёт новых технологий почти вдвое превзошла по производительности модели 5-го поколения. GeForce 6 получил поддержку DirectX 9.0c и шейдерной модели версии three, аппаратную поддержку декодирования видео в форматах H.264, VC-1, WMV и MPEG-2, а также возможность параллельного использования нескольких карт через программно-аппаратную связку SLI. Бюджетные карты GeForce 6 были основаны на чипе NV43, упрощённой и недорогой в производстве версии NV40[17][44][47].
В мае 1995 года Nvidia представила свою первую разработку — мультимедийную карту NV1, которая объединила на одной PCI-плате блок обработки 2D-графики, ускоритель 3D-графики, звуковую карту и порт для игрового контроллера, совместимого с приставкой Sega Saturn. Компании сотрудничали, и в рамках договорённостей с американским подразделением Sega часть игр для Saturn была портирована на ПК для запуска на NV1. Компания была вынуждена сократить половину сотрудников, а впоследствии отказалась от разработки NV2 для Sega Dreamcast и сосредоточилась на разработке комплектующих для ПК[13][14][15][16][17]. Но все-таки одно из конкурентных преимуществ Nvidia — программная платформа CUDA, позволяющая клиентам использовать видеокарту GPU для повышения производительности параллельных вычислений.
Nvidia Isaac Обеспечивает Высокопроизводительный Ии Для Приложений Робототехники
В 1999 году компания разработала графический процессор, чтобы улучшить изображения на компьютерах. В 2006 году ученые Стэнфордского университета обнаружили, что технология способна ускорить математические операции. 25 мая акции Nvidia взлетели на 29% — это стало одним из крупнейших однодневных ростов в истории фондового рынка. Резкий рост произошел после того, как она опубликовала квартальный отчет и сообщила, что увеличивает производство чипов, чтобы удовлетворить растущий спрос.
- Семейство микропроцессор Nvidia Grace класса Server/Datacenter которые обеспечивают высокую производительность, энергоэффективность и возможность подключения с высокой пропускной способностью, и которые можно использовать в различных конфигурациях для различных нужд центров обработки данных[174].
- C870 поддерживала вычисления с одинарной точностью с производительностью 518 гигафлопс[77].
- Компании сотрудничали, и в рамках договорённостей с американским подразделением Sega часть игр для Saturn была портирована на ПК для запуска на NV1.
- Это укрепило репутацию корпорации и помогло ей пересечь рубеж в 500 млн проданных чипов.
- Созданная для оптимизации и измерения задержки системы, технология Reflex обеспечивает более быстрое прицеливание, сокращает время реакции и максимально повышает точность в соревновательных играх.
Открытие распространилось среди компьютерных ученых, и они начали покупать графические процессоры для таких задач. Nvidia воспользовалась своим преимуществом и инвестировала в разработку новых аппаратных и программных технологии для ИИ. Ее обучили с использованием всего двух программируемых графических процессоров Nvidia. Это заняло несколько дней, а не месяцы, как потребовалось бы с гораздо большим количеством обычных чипов. Начали появляться сообщения о том, что некоторые мобильные чипы и графические процессоры демонстрировали «аномальную частоту отказов» из-за производственных дефектов. В результате компания оказалась в центре коллективного иска, который был урегулирован в сентябре 2010 года.
Новые Возможности Производства С Openusd
Принципиального прорыва в вычислительной мощности компания достигла в июне 2018 года в компьютере Jetson Xavier, основанном на следующем поколении чипов Tegra. Система с производительностью 30 терафлопс при энергопотреблении втрое меньше, чем у лампы накаливания, была представлена как первый в мире компьютер для интеллектуальных роботов. На плате Jetson Xavier разместились 8-ядерный процессор ARM для выполнения общих вычислений, графический процессор с тензорными ядрами, предназначенный для задач, связанных с глубоким обучением, и специализированные блоки для обработки видео[171]. Jetson Xavier был представлен в составе платформы Isaac, также включающей набор API и инструментов разработки для подключения к 3D-камерам и датчикам Isaac SDK, библиотеку ускорителей ИИ Isaac IMX и виртуальную среду для обучения и тестирования ИИ Isaac Sim[172][173].
За 10 лет ее доля на рынке серверных процессоров выросла с нуля до 30%, что разрушило монополию Intel. И теперь, судя по объему инвестиций, AMD делает ставку на рынок графических ускорителей для искусственного интеллекта. За 2023 год компания потратила на исследования и разработки 5,9 млрд долларов — против 6,6 млрд у Nvidia. Она начала применять параллельные вычисления для решения задач искусственного интеллекта. Параллельные вычисления предполагают, что одна задача разбивается на несколько частей, которые одновременно решаются с использованием нескольких процессоров. Это позволяет ускорить выполнение вычислений, что важно для разработки и запуска сложных приложений ИИ.
В последующие годы компания стала пионером в области графических процессоров (GPU), предлагая технологии многоядерной и параллельной обработки вычислений, которых не было в обычных процессорах. Корпорация фокусируется на графических процессорах, но производит и другие устройства. Она выпустила уже несколько поколений линеек графических процессоров и ускорителей вычислений для корпоративных клиентов на разной архитектуре, последней из которых стала Blackwell. Именно унифицированная архитектура, созданная Nvidia, позволяет применять GPU не только для создания графики, но и для решения других задач, связанных с вычислениями, например, в науке. Основной источник доходов компании — направление графических процессоров, которое в совокупности принесло в 2018 г.
Возможности этого устройства опережали уже существующие аналоги — на одной плате был размещен графический 3D-ускоритель, игровой порт и звуковая карта. Эта корпорация сыграла важную роль в развитии технологий искусственного интеллекта, метавселенных, беспилотного транспорта и видеоигр. За более чем 30 лет своего существования Nvidia успела превратиться из едва не обанкротившегося стартапа в IT-гиганта, оставившего многих конкурентов Adobe и Nvidia обзор далеко позади. В 2015 году с целью преодолеть дефицит специалистов в области обработки данных и глубокого обучения компания анонсировала собственную образовательную программу — Институт глубокого обучения (Deep Learning Institute, DLI)[181]. Первые образовательные сессии прошли в рамках GTC, а в 2016 году совместно с платформами массового онлайн-образования Coursera и Udacity выпустила онлайн-курсы по глубокому обучению и ИИ.
Подробнее О Nvidia
Успех этих продуктов позволил Nvidia получить контракт на разработку чипов для игровой консоли Xbox стоимостью $200 млн. Новый рынок для компании открылся в 2009 году, когда сразу несколько исследовательских групп обнаружили, что графические процессоры гораздо эффективнее для задач, связанных с глубоким обучением нейросетей. Профессор Стэнфордского университета Эндрю Ын тогда отмечал, что основанные на GPU решения могут быть в a hundred раз эффективнее, чем решения на базе центральных процессоров с архитектурой x86[116].
На пике пузыря Cisco была самой дорогой компанией США с капитализацией 560 млрд долларов. Но, по состоянию на середину июня 2024 года, капитализация Cisco составляет всего 185 млрд, и выше пиковых уровней 2000 года акции больше ни разу не поднимались. Одновременно компания постепенно расширяет линейку своих устройств, обращаясь к перспективным отраслям рынка.
Главные Изобретения Nvidia
В 2017 году компания начала тестирование GeForce NOW по модели службы аренды вычислительных ресурсов для запуска игр, доступной на любых устройствах, включая ПК под управлением OS X и Microsoft Windows (при этом пользователи Shield вновь получили бесплатный доступ к сервису). В 2017 году началось тестирование нового GeForce NOW на Mac, в январе 2018 года бета-версия сервиса стала доступна владельцам ПК на Windows[112]. Благодаря использованию графических ускорителей Tesla P40 с 24,5 гигабайтами VRAM в серверной части сервис смог обеспечить производительность в графики эквивалентную использованию GeForce GTX 1080 на устройстве пользователя с разрешением до 2560×1600[113]. В новом GeForce NOW пользователи потеряли доступ к каталогу игр по подписке, но получили возможность запускать на виртуальном компьютере любые игры из сервисов цифровой дистрибуции Steam, Uplay или Battle.net[114][115]. Развитие направления профессиональных графических карт Quadro для высокопроизводительных рабочих станций началось в 1999 году с выхода первого решения на базе ядра NV10, использованного в GeForce 256[19].
Снимки сохраняются в формате OpenEXR с поддержкой расширенного динамического диапазона. Режим Super Resolution позволяет с помощью ИИ масштабировать изображения до разрешения 63360×35640 без сглаживания[64]. В августе 2018 года с выходом новых графических процессоров с аппаратной поддержкой трассировки лучей компания представила Ansel RTX, который рассчитывает в 30 раз большее число лучей света, чем движок игры в реальном времени и позволяет получать фотореалистичное изображение[65][66].
В марте 2014 года компания представила свой первый специализированный компьютер для встраиваемых систем Jetson[англ.] TK1 на базе процессора Tegra K1, предназначенный для использования в автономных дронах, умных камерах, роботах и других интеллектуальных устройствах. Несмотря на скромные размеры, Jetson TK1 с производительностью в 326 гигафлопс был сравним по мощности с традиционными рабочими станциями, что позволило позиционировать новинку и последующие версии Jetson как «первые мобильные суперкомпьютеры»[168]. В Jetson TX1 на базе системы-на-чипе Tegra X1 производительность выросла до 1 терафлопс, а размер самого устройства удалось сократить до размера пластиковой карты[169]. В Jetson TX2 на основе обновлённого процессора Tegra X2 NVIDIA удалось удвоить производительность при сохранении прежнего уровня энергопотребления[170].
Спустя год вместе с анонсом ускорителей Tesla V100 на новой архитектуре Volta компания представила обновлённый DGX-1 с 8 картами V100, а также DGX Studio с 4 картами V100 и меньшим объёмом оперативной памяти. Обновлённый DGX-1, поступивший в продажу по цене 149 тысяч долларов, имел производительность в 960 терафлопс при выполнении задач глубокого обучения, DGX Station с производительностью 490 терафлопс получил цену в 69 https://boriscooper.org/ тысяч[118][119]. По итогам 2018 года продажа ускорителей вычислений и решений для ЦОД принесли компании 1,ninety three миллиарда долларов (на 133 % больше, чем в 2017 году, и почти 24 % оборота в 2018 году), а продукты для автомобильной промышленности — 558 миллионов (около 5,7 %)[26].
Nvidia Ansel
Программы обучения в DLI построены вокруг прикладных направлений применения технологий компании в самоуправляемых автомобилях, здравоохранении, робототехнике, финансах, а практические занятия ведут специалисты Nvidia и компаний-партнёров и сотрудники университетов[184][185][186]. На IV квартал 2018 года была крупнейшим в мире производителем PC-совместимой дискретной графики с долей eighty one,2 % (статистика включает все графические процессоры, доступные для прямой покупки конечными пользователями — GeForce, Quadro и ускорители вычислений на базе GPU Tesla)[9]. В июне 2024 года Nvidia стала крупнейшей компанией в мире по рыночной капитализации (3,34 трлн долларов)[10]. Пережив непростые времена, в 1998 году Nvidia переехала в Кремниевую Долину и выпустила чип-ускоритель RIVA TNT, способный работать с двумя текселями одновременно.
В 2015 году компания выпустила обновлённую модель с исправленными «детскими болезнями» под индексом K1, которая при идентичной предшественнику конфигурации имела значительно меньшую цену в розничной продаже[162][163]. По итогам 2018 года Tesla были самыми популярными ускорителями в области высокопроизводительных вычислений и использовались в 127 суперкомпьютерах, входящих в Top500 — рейтинг самых мощных устройств этого класса[84]. Для сравнения, в рейтинге 2015 года присутствовало 66 устройств, использовавших ускорители Tesla, 26 устройств с Intel Xeon Phi на базе процессоров общего назначения и 3 суперкомпьютера с AMD FirePro[85].
