NVIDIA начинала с графики для игр, а пришла к продаже целых вычислительных систем для искусственного интеллекта. Понять этот путь помогает не только история чипов: важную роль сыграли CUDA — платформа для вычислений на видеокартах — и покупка сетевого бизнеса Mellanox. Разбираемся, как эти решения связаны с нынешней зависимостью разработчиков от технологий компании.
Первые видеокарты не гарантировали успеха
Дженсен Хуанг, Крис Малаховски и Кертис Прим основали NVIDIA в 1993 году в Санта-Кларе. Их исходной задачей были графические ускорители для зарождавшегося рынка трёхмерных игр, а не обучение нейросетей.
Первый чип NV1, выпущенный в 1995 году, оказался неудачным: компания выбрала квадратичные поверхности, тогда как индустрия пошла по пути треугольников и Direct3D. Следующим важным шагом стал RIVA 128 в 1997 году. В 1999-м появился GeForce 256, который маркетологи NVIDIA назвали «первым в мире графическим процессором». Это именно позиционирование компании, а не повод считать, что до него никто не занимался компьютерной графикой.
CUDA дала видеокартам другую работу
В 2006 году NVIDIA выпустила CUDA. Эта платформа позволила использовать множество вычислительных ядер графического процессора не только для картинки в игре, но и для других расчётов. Программисты получили возможность писать для них код практически на обычном языке C.
Дальше компания развивала не один продукт, а набор инструментов: библиотеки для математических операций, средства работы с нейросетями и университетские программы. Смысл для пользователя прост: полезен не только сам чип, но и программы, с которыми он умеет работать.
В 2012 году нейросеть AlexNet победила в конкурсе распознавания изображений ImageNet. Её обучали на двух игровых видеокартах NVIDIA GeForce GTX 580. Этот эпизод связывает игровое прошлое компании с применением её оборудования в ИИ куда нагляднее, чем любая история о внезапном успехе после появления ChatGPT.
Отдельного ускорителя стало мало
Следующим направлением стали специализированные системы для ИИ. В 2016 году Хуанг лично доставил первый DGX-1 в OpenAI. NVIDIA расширяла предложение от отдельных графических процессоров к готовым вычислительным комплексам.
В 2020 году компания приобрела Mellanox, производителя сетевого оборудования InfiniBand. Такие сети соединяют множество ускорителей в общий вычислительный комплекс. Поэтому в истории NVIDIA важны не только возможности каждого чипа, но и связь между ними.
Попытка купить Arm завершилась иначе: сделка сорвалась в 2022 году из-за антимонопольных возражений. Расширение компании не было непрерывной чередой удачных приобретений.
Сила экосистемы — и зависимость от неё
NVIDIA пришла к продаже серверных стоек и вычислительных комплексов с сетью, охлаждением и программами. При этом PyTorch, TensorFlow и JAX — инструменты для работы с нейросетями — исторически оптимизировались прежде всего под CUDA. Для разработчика выбор оборудования связан и с тем, какие программы уже используются в проекте.
Обратная сторона такого удобства — зависимость от одного поставщика. Но она не означает отсутствия конкурентов: Google, Amazon и Microsoft разрабатывают собственные ИИ-чипы, а AMD развивает программную платформу ROCm. Из этой истории нельзя вывести ни неизбежную победу NVIDIA, ни скорую потерю её позиций.
Главный вывод ретроспективы: компания выросла не только за счёт ускорителей, но и за счёт инструментов и инфраструктуры вокруг них. Отдельный финансовый ракурс этой истории — в материале о том, как NVIDIA достигла капитализации в 5 трлн долларов. Рыночная оценка и техническая зависимость — разные стороны её положения, их не стоит смешивать.