Της Ομάδας Trefis
Η υπεροχή της Nvidia στον τομέα των επιταχυντών τεχνητής νοημοσύνης την έχει καταστήσει μία από τις πιο πολύτιμες εταιρείες παγκοσμίως, με την κεφαλαιοποίησή της ξεπερνά τα 4 τρισ. δολάρια. Τα οικονομικά της αποτελέσματα είναι ισχυρά, με τα έσοδα να αυξάνονται κατά 56% το τελευταίο τρίμηνο σε σύγκριση με την ίδια περίοδο το 2024, φτάνοντας τα 47 δισ. δολάρια και τα καθαρά περιθώρια κέρδους να ξεπερνούν σταθερά το 50%. Ωστόσο, η Ιστορία στέλνει σήμα προειδοποίησης. Στον κόσμο των κρυπτονομισμάτων, οι GPU (Μονάδες Επεξεργασίας Γραφικών) κατείχαν κάποτε την πρώτη θέση, αλλά τελικά αντικαταστάθηκαν από ειδικά κατασκευασμένα ASIC (Ολοκληρωμένα Κυκλώματα Ειδικής Εφαρμογής) με μεγαλύτερη αποδοτικότητα. Με την Broadcom να ανακοινώνει πρόσφατα μια μεγάλη παραγγελία ύψους 10 δισ. δολαρίων για τα τσιπ AI της, σύμφωνα με πληροφορίες από την OpenAI, οι επενδυτές αρχίζουν να διερωτώνται αν η Τεχνητή Νοημοσύνη θα ακολουθήσει παρόμοια πορεία. Και τι θα μπορούσε να σημαίνει αυτό για το μέλλον της Nvidia;
Από τις CPU (Κεντρικές Μονάδες Επεξεργασίας) στα ASIC
Όταν εμφανίστηκε το Bitcoin, η εξόρυξή του γινόταν με τη χρήση τυπικών CPU. Λίγο αργότερα, οι miners συνειδητοποίησαν ότι οι GPU ήταν πιο κατάλληλες για την επεξεργασία των παράλληλων υπολογισμών που απαιτούσε ο αλγόριθμος του Bitcoin. Τελικά, οι GPU αναδείχθηκαν ως το προτιμώμενο μέσο εξόρυξης, για να τις ξεπεράσουν στη συνέχεια οι FPGA (Συστοιχίες Επιτόπιες Προγραμματιζόμενων Πυλών) και τελικά από τα ASIC. Τα ASIC έφεραν μια μεγάλη αλλαγή. Αυτά τα τσιπ, σχεδιασμένα ειδικά για τον αλγόριθμο κατακερματισμού του Bitcoin, παρείχαν μεγαλύτερη αποδοτικότητα και ταχύτητα σε σύγκριση με τις GPU. Ένας μεμονωμένος εξορύκτης ASIC μπορούσε να επιτύχει terahashes ανά δευτερόλεπτο (σ.σ.: terahash είναι μονάδα μέτρησης της ταχύτητας επεξεργασίας δεδομένων, ιδιαίτερα στον χώρο της κρυπτονομισμάτων και του blockchain. Ένα terahash ισούται με 1 τρισεκατομμύριο hashes ανά δευτερόλεπτο), ενώ χρησιμοποιούσε σημαντικά λιγότερη ενέργεια από τις εγκαταστάσεις που βασίζονταν σε GPU.
Το μειονέκτημα ήταν η εξειδίκευση: τα ASIC περιορίζονταν στην εξόρυξη Bitcoin ή παρόμοιων αλγορίθμων, ενώ οι GPU μπορούσαν εύκολα να “μεταβαίνουν” και σε άλλα νομίσματα ή ακόμη και να προσαρμόζονται για gaming και Τεχνητή Νοημοσύνη. Αυτή η συνθήκη οδήγησε στην πλήρη αναδιάρθρωση του κλάδου. Η εξόρυξη έγινε πεδίο δραστηριοποίησης μεγάλων βιομηχανικών οντοτήτων που μπορούσαν να επενδύσουν στα ASIC. Οι GPU παραμένουν δημοφιλείς μεταξύ των μικρότερων miners, των ερασιτεχνών και όσων εξορύσσουν altcoins που αντιστέκονται στα ASIC ή είναι προσαρμοσμένα για εξόρυξη GPU.
Τι θα γίνει με την Τεχνητή Νοημοσύνη;
Οι GPU της Nvidia θέτουν τα πρότυπα για την εκπαίδευση μεγάλων γλωσσικών μοντέλων, όπως το GPT-4 της OpenAI, και υποστηρίζουν το μεγαλύτερο μέρος της υποδομής τεχνητής νοημοσύνης σε hyperscalers. Τα τελευταία τρία χρόνια, επενδύθηκαν δεκάδες δισεκατομμύρια σε GPU clusters, οδηγώντας τη μετοχή της Nvidia σε θηριώδες ράλι. Οι Amazon, Alphabet, Microsoft και Meta εκτιμούσαν πως θα επένδυαν συνολικά 364 δισ. δολάρια κατά την ίδια 3ετία. Η οικονομία της τεχνητής νοημοσύνης αλλάζει επίσης.
Η εκπαίδευση μεγάλων γλωσσικών μοντέλων συνεχίζει να εξαρτάται σε μεγάλο βαθμό από τις GPU, αλλά συνήθως πρόκειται για κάποιο “βαρύ” έργο και στα πρώτα του στάδια. Η ανάπτυξη της εκπαίδευσης θα μπορούσε να πατήσει “φρένο”, καθώς τα πιο προσβάσιμα δεδομένα στο Διαδίκτυο χρησιμοποιούνται από τα μεγάλα γλωσσικά μοντέλα. Το μεγαλύτερο μέρος της μελλοντικής ζήτησης πιθανόν να αφορά την εξαγωγή συμπερασμάτων – την εφαρμογή εκπαιδευμένων μοντέλων σε μεγάλη κλίμακα για απαντήσεις σε δισεκατομμύρια ερωτήματα. Σε αντίθεση με την εκπαίδευση, η εξαγωγή συμπερασμάτων είναι επαναληπτική, αξιόπιστη και ευάλωτη σε πιθανή αύξηση του κόστους. Αυτός είναι ο τομέας όπου τα προσαρμοσμένα τσιπ θα μπορούσαν να υπερέχουν, όπως έκαναν τα ASIC. Το ερώτημα είναι: τα τσιπ της Broadcom θα διαλύσουν τα όνειρα της AMD για την τεχνητή νοημοσύνη;
Την περασμένη εβδομάδα η Broadcom ανακοίνωσε μια παραγγελία αξίας 10 δισ. δολαρίων για εξατομικευμένα τσιπ τεχνητής νοημοσύνης από έναν και μόνο πελάτη, ο οποίος φημολογείται πως είναι η OpenAI. Εάν όντως είναι η Open AI, αυτό θα σήμαινε ότι η κατασκευάστρια του ChatGPT απεμπλέκει μέρος των λειτουργιών της από τις GPU της Nvidia, με στόχο να βελτιώσει την αποδοτικότητα της και να μειώσει το κόστος. Ο CEO της Broadcom, Hock Tan, επισήμανε την άνοδο των XPU ή των εξατομικευμένων επιταχυντών, που έχουν σχεδιαστεί για συγκεκριμένο φόρτο εργασίας. Αυτά τα τσιπ θα μπορούσαν να προσφέρουν στους hyperscalers μεγαλύτερο έλεγχο των δαπανών για την υποδομές τους, μειώνοντας συγχρόνως την εξάρτηση από τις ακριβές GPU της Nvidia. Για την OpenAI, που το ChatGPT της έχει εκατομμύρια χρήστες καθημερινά, μικρές μειώσεις στο κόστος ανά συμπερασμό θα οδηγήσουν σε σημαντική εξοικονόμηση. Η ύπαρξη εναλλακτικών λύσεων πέραν της Nvidia ενισχύει επίσης τη διαπραγματευτική δύναμη για τις GPU.
Μειονεκτήματα των ASIC
Η ελκυστικότητα των ASIC τόσο στον κλάδο των κρυπτονομισμάτων όσο και στην τεχνητή νοημοσύνη είναι προφανής: αποδοτικότητα, χαμηλότερη κατανάλωση ενέργειας και σταθερή απόδοση για επαναλαμβανόμενες εργασίες. Για εταιρείες που χειρίζονται μεγάλο όγκο εργασίας σε τεχνητή νοημοσύνη, αυτά τα πλεονεκτήματα είναι ακαταμάχητα. Ωστόσο, υπάρχουν και μειονεκτήματα. Αφού παραχθεί, η λειτουργικότητα ενός τσιπ ASIC είναι ως επί το πλείστον στατική, σε αντίθεση με τις GPU που μπορούν να επαναπρογραμματιστούν ή να αναβαθμιστούν. Ακριβώς όπως τα ASIC για τo Bitcoin περιορίζονταν στον αλγόριθμο SHA-256 και ήταν ευάλωτα σε αλλαγές πρωτοκόλλου, έτσι και τα ειδικά τσιπ για AI ίσως να μην διαθέτουν την ευελιξία των GPU. Εάν τα μοντέλα της Τεχνητής Νοημοσύνης εξελιχθούν ραγδαία, τα ASIC μπορεί να ξεπεραστούν γρήγορα. Από την άλλη πλευρά, οι GPU προσαρμόζονται πολύ εύκολα και μπορούν να διαχειριστούν τόσο την εκπαίδευση όσο και την εξαγωγή συμπερασμάτων διάφορων μοντέλων. Ο σχεδιασμός και η κατασκευή προσαρμοσμένων ASIC είναι ακριβός και χρονοβόρος, γεγονός που τα καθιστά “δυσπρόσιτα” για τις μικρότερες εταιρείες.
Επιπτώσεις για την Nvidia
Για την Nvidia, ο κίνδυνος είναι ότι ο βασικός μοχλός ανάπτυξης της –οι GPU για τεχνητή νοημοσύνη– ενδέχεται να μην είναι τόσο σταθερός όσο φαίνεται. Ενώ οι εργασίες εκπαίδευσης θα συνεχίσουν πιθανώς να κυριαρχούνται από τις GPU, κι ενώ συνεχίζεται η στροφή προς το πυρίτιο για τη διαδικασία εξαγωγής συμπερασμάτων, η Nvidia ενδέχεται να βρεθεί ενώπιον μείωσης της ζήτησης. Η συμφωνία της Broadcom θα μπορούσε να σηματοδοτήσει το πρώτο βήμα σε μια ευρύτερη τάση, καθώς εταιρείες όπως η Google, η Amazon και η Meta εξετάζουν παρόμοιες προσεγγίσεις, ενώ παράλληλα αναπτύσσουν τα δικά τους τσιπ. Η Nvidia εξακολουθεί να επωφελείται από τα πλεονεκτήματα του οικοσυστήματος και από την ολοκληρωμένη πλατφόρμα της λογισμικού (CUDA) που συμβάλλει στη δέσμευση των πελατών. Ωστόσο, λαμβάνοντας υπόψη τις υψηλές αποτιμήσεις και τη δυναμική ανάπτυξη, η απειλή των ASIC είναι κάτι που οι επενδυτές θα πρέπει να παρακολουθούν στενά.
