نقشه‌ای ۳۰ ساله‌ که غول‌های سیلیکون‌ولی را به زانو درآورد؛ انویدیا چگونه در عرصه هوش مصنوعی بی‌رقیب مانده است؟ | موبوگیم

امروزه انویدیا به شرکتی تبدیل شده که تمام غول‌های فناوری برای ساختن آینده هوش مصنوعی خود به آن وابسته‌اند.

مرکز همایش‌های بزرگ سن‌خوزه در کالیفرنیا مملو از جمعیت است. هزاران توسعه‌دهنده، گیمر، مهندس و علاقه‌مند به فناوری برای مراسم پایانی کنفرانس سه‌روزه NVISION 08 انویدیا گرد هم آمده‌اند. انتظار می‌رود در این رویداد فناوری‌های جدید گرافیکی، سخت‌افزارهای سریع‌تر برای بازی‌ها و تصویری از آینده رایانش به نمایش گذاشته شود.

اما حاضران نمی‌دانند که طی چند دقیقه آینده شاهد نمایشی خواهند بود که سال‌ها پیش از ظهور ChatGPT، Gemini و هوش مصنوعی مولد، نشانه‌ای از آینده فناوری انویدیا را آشکار می‌کند؛ فناوری‌ای که بعدها به یکی از پایه‌های اصلی انقلاب هوش مصنوعی تبدیل شد و انویدیا را به ارزشمندترین شرکت جهان رساند.

روی صحنه، آدام سَویج و جیمی هاینمن، چهره‌های برنامه MythBusters، کنار دو دستگاه غیرمعمول ایستاده‌اند. دستگاه نخست که لئوناردو نام گرفته، یک تفنگ پینت‌بال را روی بازوی رباتیک حمل می‌کند. سویج رو به تماشاگران می‌کند و توضیحی ارائه می‌دهد که بیشتر شبیه یک درس علمی است تا معرفی محصول. سویج می‌گوید:

این GPU، بیشتر فعالیت خود را در کنار یک CPU بسیار مهم انجام می‌دهد. ما تصمیم گرفتیم برای توضیح این موضوع یک نمایش مقایسه‌ای داشته باشیم.

بازوی رباتیک به‌آرامی روی یک بوم سفید حرکت می‌کند و در هر مرحله یک گلوله پینت‌بال شلیک می‌نماید. هر شلیک نمادی از یک محاسبه توسط تراشه است؛ محاسباتی که یکی پس از دیگری انجام می‌شوند و عملکردی شبیه پردازنده‌های اینتل یا AMD دارند. سویج توضیح می‌دهد:

مجموعه‌ای از اقدامات مجزا که به شکل متوالی و یکی پس از دیگری انجام می‌شوند.

تماشاگران با تشویقی کوتاه واکنش نشان می‌دهند، اما خیلی زود توجهشان به دستگاه بزرگی جلب می‌شود که زیر یک پوشش عظیم قرار گرفته است. این دستگاه به ۱۱۰۰ لوله شلیک پینت‌بال مجهز شده که هرکدام به صورت مستقل کنترل می‌شوند. سویج با لبخند می‌گوید:

هر یک از این گلوله‌های پینت‌بال مسافتی حدود ۲ متر را طی می‌کند و در مدت ۸۰ میلی‌ثانیه به هدف می‌رسد.

شمارش معکوس آغاز می‌شود: سه. دو. یک. صدای مهیب شلیک هم‌زمان ۱۱۰۰ گلوله فضا را پر می‌کند. کمتر از یک‌دهم ثانیه بعد، تصویر پیکسلی بزرگی از مونالیزا روی بوم ظاهر می‌شود. سویج در میان تشویق شدید حاضران اعلام می‌کند:

خانم‌ها و آقایان، کلاس علوم دیگر تمام شده است.

برای بسیاری از افراد حاضر، این اتفاق چیزی بیشتر از یک نمایش جذاب روی صحنه نبود. اما هدف انویدیا معرفی یک دستگاه پینت‌بال نبود؛ این شرکت در واقع یکی از مهم‌ترین مفاهیم رایانش مدرن یعنی پردازش موازی را به نمایش گذاشته بود.

از پردازنده گرافیکی تا پردازش موازی

برخلاف CPU که معمولاً وظایف را به صورت مرحله‌به‌مرحله انجام می‌دهد، واحد پردازش گرافیکی یا GPU انویدیا می‌تواند هزاران محاسبه را به شکل هم‌زمان پیش ببرد. این فناوری در ابتدا برای سریع‌تر و واقعی‌تر شدن گرافیک بازی‌های ویدیویی ساخته شده بود.

نمایشی که آن روز در سن‌خوزه برگزار شد، یکی از نخستین نشانه‌های عمومی معماری رایانشی بود که بعدها انویدیا را به یکی از مهم‌ترین شرکت‌های جهان در حوزه فناوری تبدیل کرد.

GPU در ابتدا مخفف Graphics Processing Unit بود؛ تراشه‌ای که برای انجام هم‌زمان تعداد زیادی محاسبه گرافیکی طراحی شده بود تا بازی‌ها ظاهر بهتر و عملکرد روان‌تری داشته باشند. اما این پردازنده در گذر زمان از محدوده گرافیک فراتر رفت و به یک موتور محاسباتی همه‌منظوره تبدیل شد.

این فناوری بعدها برای حل مسائل علمی پیچیده، پردازش حجم عظیمی از داده‌ها و در نهایت آموزش مدل‌های هوش مصنوعی مورد استفاده قرار گرفت. اما برای درک اینکه GPU چگونه به ستون اصلی هوش مصنوعی تبدیل شد، باید به سال‌های قبل‌تر برگردیم.

سال ۱۹۹۳، در غرفه‌ای داخل یک رستوران دنیز در شرق سن‌خوزه، سه مهندس به نام‌های جنسن هوانگ، کریس مالاچوفسکی و کرتیس پریم ایده‌ای را بررسی می‌کردند. رایانه‌های شخصی کم‌کم توانایی اجرای بازی‌های سه‌بعدی را پیدا کرده بودند، اما قدرت محاسباتی کافی برای ایجاد تصاویر واقع‌گرایانه نداشتند.

این سه مهندس معتقد بودند پردازش گرافیکی باید تراشه تخصصی خودش را داشته باشد و نباید تمام بار محاسبات بر دوش CPU قرار بگیرد. همان گفت‌وگو در رستوران کنار جاده، پایه شکل‌گیری انویدیا شد. در سال ۱۹۹۹، این شرکت GeForce 256 را معرفی کرد و آن را نخستین Graphics Processing Unit جهان نامید. GPU برخلاف CPU که وظایف را پشت سر هم انجام می‌دهد، می‌توانست هزاران محاسبه را به طور هم‌زمان انجام دهد.

البته GPU در آن زمان برای هر نوع محاسباتی مناسب نبود و تمرکز اصلی آن روی پردازش گرافیکی بازی‌ها قرار داشت. همین تراشه باعث شد بازی‌ها گرافیک غنی‌تر، اجرای روان‌تر و دنیاهای مجازی جذاب‌تری داشته باشند. این تحول جایگاه انویدیا را در میان شرکت‌های مطرح تراشه‌ساز سیلیکون‌ولی تثبیت کرد، اما هنوز فناوری آن تأثیر گسترده‌ای خارج از دنیای بازی نداشت.

CUDA نقطه عطف انویدیا

نقطه تغییر بزرگ در سال ۲۰۰۶ رقم خورد. انویدیا CUDA یا Compute Unified Device Architecture را معرفی کرد؛ یک پلتفرم نرم‌افزاری که کاربرد GPU را به شکل چشمگیری گسترش داد. توسعه‌دهندگان دیگر مجبور نبودند از GPU فقط برای ساخت تصاویر گرافیکی استفاده کنند. آن‌ها می‌توانستند این تراشه‌ها را برای حل مسائل پیچیده‌ای که به پردازش موازی نیاز داشتند برنامه‌ریزی نمایند.

البته همه وظایف روی GPU عملکرد مناسبی نداشتند، اما برخی محاسبات به شکل فوق‌العاده‌ای با معماری موازی این تراشه‌ها سازگار بودند. به زبان ساده، CUDA یک تراشه مخصوص بازی را به ابزاری تبدیل کرد که دانشمندان، پژوهشگران و مهندسان نیز می‌توانستند از آن برای انجام محاسبات سنگین استفاده کنند.

GPUهای انویدیا به‌تدریج برای تحلیل مجموعه‌ داده‌های عظیم، شبیه‌سازی مولکول‌ها، پیش‌بینی آب‌وهوا، اجرای مدل‌های فیزیکی و حل مسائل ریاضی مورد استفاده قرار گرفتند؛ کارهایی که پردازنده‌های سنتی برای انجامشان به زمان بسیار بیشتری نیاز داشتند. ایده جاه‌طلبانه به نظر می‌رسید، اما واکنش اولیه صنعت چندان امیدوارکننده نبود. جنسن هوانگ بعدها در گفت‌وگویی با The Closer گفت:

وقتی CUDA را معرفی کردم، سالن کاملاً ساکت بود. هیچ‌کس آن را نمی‌خواست، کسی درخواستش نکرده بود و تقریباً هیچ‌کس آن را درک نمی‌کرد.

با این حال، هوانگ اعتقاد داشت انویدیا در حال ساخت فناوری برای آینده‌ای است که بخش بزرگی از صنعت هنوز قادر به دیدنش نبود. این پیش‌بینی چند سال بعد نتیجه داد.

در سال ۲۰۱۲، پژوهشگران از GPUهای انویدیا برای آموزش مدل هوش مصنوعی AlexNet استفاده کردند. این مدل حوزه تشخیص تصویر را متحول نمود و نشان داد GPUها فقط برای بازی ساخته نشده‌اند و می‌توانند ابزار قدرتمندی برای آموزش هوش مصنوعی باشند.

این اتفاق نقطه عطفی مهم بود و هوانگ به این نتیجه رسید که هوش مصنوعی صرفاً یک بازار جدید نیست، بلکه آینده رایانش است.

ساخت ابررایانه برای هوش مصنوعی

انویدیا در سال ۲۰۱۶ این دیدگاه را جدی‌تر دنبال کرد و DGX-1 را معرفی نمود؛ دستگاهی که به طور اختصاصی برای آموزش هوش مصنوعی ساخته شده بود. این محصول یکی از نخستین ابررایانه‌های هوش مصنوعی محسوب می‌شد و حدود ۱۲۹ هزار دلار قیمت داشت.

با این حال، در آن زمان افراد بسیار کمی متوجه بودند چرا یک شرکت یا پژوهشگر باید چنین مبلغی را برای ماشینی اختصاصی جهت آموزش هوش مصنوعی پرداخت کند. سپس یک تماس تلفنی همه‌چیز را وارد مرحله تازه‌ای کرد. این تماس از طرف ایلان ماسک بود که در راه‌اندازی یک آزمایشگاه تحقیقاتی غیرانتفاعی جدید به نام OpenAI نقش داشت. ماسک برای افزایش سرعت تحقیقات این مجموعه به یکی از سیستم‌های DGX-1 انویدیا نیاز داشت.

جنسن هوانگ تنها سفارش ارسال دستگاه را ثبت نکرد. او شخصاً یکی از نخستین سیستم‌های DGX-1 را داخل خودروی خود گذاشت و آن را به دفتر OpenAI در سان‌فرانسیسکو برد. ماسک پس از دریافت این ابررایانه در شبکه اجتماعی توییتر نوشت:

می‌خواهم از انویدیا و جنسن هوانگ بابت اهدای نخستین ابررایانه هوش مصنوعی DGX-1 به OpenAI برای حمایت از دموکراتیک کردن فناوری هوش مصنوعی تشکر کنم.

در آن دفتر نسبتاً کوچک، گروهی از پژوهشگران فعالیت می‌کردند که ایلیا سوتسکیور نیز یکی از آن‌ها بود؛ فردی که بعدها به یکی از چهره‌های مهم در توسعه فناوری‌های پشت ChatGPT تبدیل شد.

جاده‌ای که انویدیا برای هوش مصنوعی ساخت

حدود یک دهه بعد، زمانی که OpenAI سرویس ChatGPT را عرضه کرد، جهان ناگهان قدرت هوش مصنوعی مولد را کشف کرد. اما انویدیا از نقطه صفر شروع نکرده بود.

تراشه‌های این شرکت از مدت‌ها قبل بخش مهمی از بار پردازشی را در پشت صحنه بر دوش می‌کشیدند. در حالی که توجه عمومی به سمت هوش مصنوعی جلب شده بود، انویدیا نزدیک به دو دهه را صرف ساخت سخت‌افزار، نرم‌افزار و اکوسیستم توسعه‌دهندگان کرد؛ زیرساختی که بعدها رشد انفجاری هوش مصنوعی را امکان‌پذیر ساخت.

امروز تقریباً تمام مدل‌های بزرگ هوش مصنوعی، از ChatGPT شرکت OpenAI و Gemini گوگل گرفته تا Claude شرکت Anthropic و Llama شرکت متا، در مراحل مختلف توسعه و آموزش خود از GPUهای انویدیا و CUDA بهره برده‌اند. رقبایی مانند AMD نیز در بازار حضور دارند، اما انویدیا فعلاً فاصله قابل توجهی ایجاد کرده؛ زیرا فقط تراشه تولید نکرده و در کنار سخت‌افزار، یک اکوسیستم کامل برای هوش مصنوعی ساخته است.

دوروپ دار، هم‌بنیان‌گذار و مدیرعامل شرکت Primus Partners، می‌گوید:

برتری انویدیا فقط به ارائه بهترین تراشه بازار محدود نمی‌شود. این شرکت تقریباً دو دهه صرف ساخت یک اکوسیستم کامل هوش مصنوعی بر پایه سخت‌افزار خود کرده است؛ از CUDA و کتابخانه‌های نرم‌افزاری گرفته تا ابزارهای توسعه‌دهندگان، فناوری شبکه و بهینه‌سازی چارچوب‌های هوش مصنوعی. همین موضوع یک مزیت اکوسیستمی آشکار ایجاد کرده، زیرا ساخت محصولات روی پلتفرم انویدیا آسان‌تر است و انتقال به آن نیز هزینه کمتری نسبت به گزینه‌های دیگر دارد.

همین اکوسیستم را می‌توان بزرگ‌ترین مزیت رقابتی انویدیا دانست. آتول آریا، بنیان‌گذار و مدیرعامل Blackstraw، نیز می‌گوید:

مزیت واقعی انویدیا فقط GPU نیست. برتری اصلی در اکوسیستمی است که این شرکت طی نزدیک به دو دهه ساخته؛ نرم‌افزار، ابزارهای توسعه‌دهندگان و زیرساختی که اکنون بسیاری از فناوری‌ها وجود آن را بدیهی فرض می‌کنند.

به بیان دیگر، انویدیا فقط تراشه‌های سریع‌تر تولید نکرد؛ این شرکت جاده‌هایی را ساخت که صنعت هوش مصنوعی امروز روی آن‌ها حرکت می‌کند.

ارزشمندترین شرکت جهان

تراشه‌های انویدیا امروز کاربردهایی بسیار فراتر از اجرای بازی روی رایانه‌های شخصی دارند. این پردازنده‌ها برای آموزش و اجرای مدل‌های زبانی بزرگی مانند ChatGPT و Gemini به کار می‌روند، روند تحقیقات علمی را سرعت می‌بخشند، به خودروهای خودران برای درک محیط و مسیریابی کمک می‌کنند، در کارخانه‌ها به ربات‌ها قدرت می‌دهند، برای صنایع مختلف دوقلوهای دیجیتال ایجاد می‌‌نمایند و در برخی از سریع‌ترین ابررایانه‌های هوش مصنوعی جهان مورد استفاده قرار می‌گیرند.

ساچین دوگال، بنیان‌گذار و مدیرعامل SekondBrain، می‌گوید:

انویدیا را می‌توان یکی از مهم‌ترین شرکت‌های زیرساختی در حوزه هوش مصنوعی امروز دانست. تقریباً هر پیشرفت بزرگ در هوش مصنوعی مدرن، به صورت مستقیم یا غیرمستقیم، از دسترسی به سخت‌افزار، مجموعه نرم‌افزاری و اکوسیستم توسعه‌دهندگان انویدیا بهره برده است.

یکی از نمونه‌های این زیرساخت، NVIDIA Grace است؛ یک CPU مرکز داده مبتنی بر معماری Arm که برای بارهای کاری پیچیده هوش مصنوعی و رایانش با عملکرد بالا طراحی شده و انویدیا برای آن افزایش عملکرد قابل توجهی را مطرح کرده. اَمارجیت سینگ تاک، مدیر تحقیقات و راهکارهای میکروسکوپی ZEISS India، می‌گوید:

اهمیت انویدیا برای صنعت هوش مصنوعی امروز را به سختی می‌توان بیش از حد توصیف کرد. این شرکت به یکی از عوامل کلیدی انقلاب هوش مصنوعی تبدیل شده و زیرساخت محاسباتی مورد نیاز برای مدل‌های زبانی بزرگ، سامانه‌های خودران، تحقیقات علمی و نوآوری صنعتی را فراهم می‌کند.

با این حال، پرسش مهمی مطرح است: آیا انویدیا برای همیشه در صدر بازار باقی خواهد ماند؟ احتمالاً نه. کارشناسان صنعت معتقدند سلطه انویدیا یک‌شبه از بین نخواهد رفت، اما در عین حال هیچ شرکتی برای همیشه در جایگاه نخست باقی نمی‌ماند. آتول آریا می‌گوید:

اگر انویدیا فردا ناپدید شود، نوآوری متوقف نخواهد شد، اما سرعت آن به شکل قابل توجهی کاهش پیدا می‌کند. شرکت‌های بزرگ دیگری گزینه‌های قابل استفاده دارند، ولی هیچ‌کدام نمی‌توانند بلافاصله مقیاس و بلوغی را که انویدیا ایجاد کرده جایگزین کنند.

رقابت هم‌اکنون در حال افزایش است. AMD و اینتل مجموعه تراشه‌های هوش مصنوعی خود را گسترش داده‌اند. گوگل تراشه‌های اختصاصی Tensor Processing Unit یا TPU را توسعه داده، آمازون پردازنده‌های Trainium و Inferentia را معرفی کرده و مایکروسافت نیز روی تراشه‌های هوش مصنوعی Maia سرمایه‌گذاری می‌کند.

در کنار این غول‌ها، شرکت‌های نوپایی مانند Groq و Cerebras نیز سخت‌افزارهای تخصصی برای اجرای مدل‌های هوش مصنوعی یا استنتاج توسعه می‌دهند. OpenAI نیز چند روز پیش اعلام کرد که یک تراشه اختصاصی هوش مصنوعی را در مدت تنها ۹ ماه ساخته است. با این حال، دوگال معتقد است سؤال اصلی فقط این نیست که چه شرکتی می‌تواند انویدیا را شکست دهد. او می‌پرسد:

مسئله این است که آیا جهان باید برای قابلیتی که به یکی از پایه‌های رشد اقتصادی، امنیت ملی و پیشرفت علمی تبدیل شده، تا این اندازه به یک تأمین‌کننده واحد وابسته باشد؟

او باور دارد کشورهایی مانند هند نباید تنها روی ساخت مدل‌های هوش مصنوعی تمرکز کنند و باید در تمام لایه‌های زنجیره فناوری هوش مصنوعی سرمایه‌گذاری داشته باشند تا بتوانند سهم بیشتری از این انقلاب به دست آورند. دوگال می‌گوید:

از بسیاری جهات، GPU به معادل مدرن یک میدان نفتی تبدیل شده است. هوش مصنوعی دیگر فقط یک بحث نرم‌افزاری نیست و به‌طور فزاینده‌ای به موضوعی ژئوپلیتیکی تبدیل می‌شود.

طنز ماجرا اینجاست که انویدیا در ابتدا قصد نداشت به دنبال نفت دیجیتال برود. هدف اولیه این شرکت فقط ساخت فناوری گرافیکی بهتر برای بازی‌های ویدیویی بود.

اما هم‌زمان با افزایش محبوبیت محصولاتش میان گیمرها، این شرکت از حدود دو دهه قبل به دنیایی فراتر از بازی فکر می‌کرد. انویدیا سال‌به‌سال کارت‌های گرافیکی خود را برای اجرای بازی‌های سینمایی‌تر و پیچیده‌تر ارتقا می‌داد و در همین مسیر به یک واقعیت مهم رسید.

فناوری‌ای که می‌تواند یک دنیای مجازی را بازسازی کند، قادر است برای درک و تحلیل دنیای واقعی نیز مورد استفاده قرار گیرد. همین مسیر در نهایت به CUDA و پردازش موازی رسید؛ فناوری‌هایی که پایه بخش بزرگی از رایانش مدرن و انقلاب هوش مصنوعی را شکل دادند. بقیه ماجرا نیز همان‌طور که می‌گویند، به بخشی از تاریخ فناوری تبدیل شد.