Du jeu vidéo à l’IA Le rôle central de Nvidia dans la révolution de l’IA

Du jeu vidéo à l'IA Le rôle de Nvidia dans la révolution de l'IA

Nvidia vaut désormais plus que Facebook, Tesla et Netflix. Selon Reuters, la valeur de l’action a triplé au cours des huit derniers mois. Mais comment cela s’est-il produit ? Comment une entreprise qui était presque au bord de la faillite en 1997 a-t-elle atteint une capitalisation boursière d’un billion de dollars en 2023 ? Découvrons-le en comprenant ce que fait réellement NVIDIA. Le traitement et les calculs de l’ordinateur se font sur une petite puce appelée CPU. Il s’agit notamment des processeurs Intel Core i7 ou AMD Ryzen. Le GPU, ou unité de traitement graphique, est la pièce matérielle que tous les joueurs, monteurs vidéo, mineurs de crypto et maintenant les startups d’IA recherchent. Le GPU prend le relais et rend des visuels sophistiqués lorsque l’ordinateur en a besoin, comme dans les jeux vidéo ou la modélisation 3D. Savez-vous qui a inventé le terme GPU ? C’était Nvidia, bien sûr. Grâce à ces GPUs, la capitalisation boursière de Nvidia approche maintenant les 1 billion de dollars. Cependant, ils n’ont pas réalisé cette performance du jour au lendemain.

L’histoire de NVIDIA

Trois ingénieurs, Curtis Preim, Chris Malachowsky et Jensen Huang, ont créé Nvidia en 1993 car ils pensaient que l’informatique graphique pourrait devenir la norme à l’avenir. Lorsque NVIDIA a failli faire faillite en 1997 en développant une technologie graphique pour le système de jeu de Sega, ce fut le premier grand tournant de l’entreprise. (Comme Nintendo, Sega était une entreprise qui était autrefois en concurrence sur le marché des consoles). Ils ont d’abord lancé la série Sonic, et Nvidia développait une carte graphique pour la console de jeu 128 bits de Sega, Dreamcast. Cependant, après un an de travail, Nvidia a découvert que sa stratégie était erronée car Microsoft s’apprêtait à révéler sa propre stratégie de mappage de textures, rendant le produit de Nvidia incompatible avec Windows 95. Nvidia a continué à produire cette console. Parce qu’elle ne se vendrait pas bien et ne fonctionnerait pas avec Windows, ils feraient finalement faillite. Cependant, s’ils ne la construisaient pas, ils feraient immédiatement faillite. Le PDG de NVIDIA, Jensen Huang, a informé le PDG de Sega que NVIDIA ne serait pas en mesure de construire le matériel graphique de la console et que Sega devrait chercher un autre partenaire. Il a supplié le PDG de Sega de lui payer intégralement car Nvidia allait s’effondrer sans cela. Parce que Sega a payé NVIDIA malgré le fait qu’ils n’aient pas tenu leur promesse envers eux, c’est pratiquement comme demander de l’argent directement. Bien que Jensen Huang ne sache pas pourquoi ils ont fait ça, ils ont pu survivre encore six mois en conséquence.

Nvidia a commencé à se développer au cours des années suivantes. Cependant, parce que la production de ces puces devenait de plus en plus coûteuse, Nvidia a signé un accord de fabrication avec TSMC. Nvidia aspirait à être une entreprise fantastique. Parce que la fabrication de puces aux États-Unis est une industrie à faible marge, ils ont décidé de ne pas produire les leurs. TSMC produit actuellement des processeurs pour de nombreuses entreprises technologiques, dont Apple, AMD, NVIDIA, et d’autres. Nvidia dépend beaucoup de cette coopération, mais elle est devenue difficile. Pourquoi ? Pour connaître la réponse, restez jusqu’à la fin du blog.

Nvidia : La puissance du jeu

Source:Nvidia

Au début des années 2000, Nvidia a obtenu une avance de 200 millions de dollars pour produire le matériel graphique de la Xbox de Microsoft. L’année suivante, leur chiffre d’affaires a atteint 1 milliard de dollars et a inspiré plusieurs jeux vidéo qui sont sortis cette année-là. Le tournant suivant a été important pour deux raisons : d’abord, les jeux populaires ont commencé à être développés en tenant compte des cartes Nvidia, et ensuite, les capacités de Nvidia se sont étendues au-delà de la simple création de cartes graphiques. Ils travaillaient en collaboration avec les concepteurs de jeux. La clé est qu’ils faisaient plus que fournir des cartes graphiques. Ils ont également aidé les créateurs de jeux comme Blizzard à optimiser les titres sur la technologie Nvidia pour garantir des taux de rafraîchissement fluides. Le jeu vidéo est excellent.

C’est encore le cas aujourd’hui. En fait, DLSS, l’une de leurs solutions d’upscaling, a récemment été adoptée par de nombreux développeurs de jeux. Ils l’appelaient autrefois le programme “La façon dont il est censé être joué”. Aujourd’hui, c’est un phénomène répandu. Étant donné que de nombreux jeux sont spécifiquement optimisés pour les cartes graphiques Nvidia, on les voit souvent alimentés par Nvidia ou un partenaire privilégié, Nvidia, lors de l’écran d’ouverture des jeux. GeForce de Nvidia a également été utilisé par la PS3. Ils vendaient du matériel graphique pour les deux Xbox et PlayStation. Aujourd’hui, lorsque les joueurs débattent de qui va gagner entre Xbox et PlayStation, la réponse est NVIDIA car leurs puces sont présentes dans les deux.

En 2020, la plupart des entreprises ont été frappées de plein fouet par la Covid-19, mais pour NVIDIA, c’était comme s’ils avaient attrapé le vif d’or. Les gens travaillaient soudainement depuis chez eux, et quand ils ne travaillaient pas et étaient toujours coincés à la maison, ils jouaient, et ils avaient besoin de matériel, et les PC sont devenus essentiels. La demande de GPU a explosé en 2020. Le chiffre d’affaires de Nvidia était légèrement inférieur à 11 milliards de dollars ; un an plus tard, le chiffre d’affaires a explosé pour atteindre près de 27 milliards, tout en doublant leur bénéfice net.

CUDA

Cela nous amène au prochain carrefour crucial où nous comprenons que la raison pour laquelle Nvidia est nécessaire aujourd’hui est pour les entreprises d’IA. Ce sont les entreprises de cryptomonnaie au cours des dernières années. Actuellement, ce sont les entreprises d’IA. NVIDIA a introduit quelque chose appelé CUDA ou Compute Unified Device Architecture. Peu importe la tendance qui émerge, tant que la tendance est basée sur le calcul, NVIDIA triomphera. Il excelle dans le traitement simultané. En général, les GPU alimentés par CUDA de Nvidia excellent dans le traitement parallèle, tandis que les CPU excellent généralement dans le traitement séquentiel. Un GPU a beaucoup, beaucoup plus de cœurs qu’un CPU, qui a au maximum huit ou seize cœurs. Par conséquent, tandis que les CPU prennent généralement en charge une seule tâche, la terminent, puis passent à la tâche suivante, les GPU ont la capacité de diviser le travail. Par exemple, le GPU peut rendre certains éléments d’une scène sur divers cœurs lors de la production d’une scène (traitement parallèle).

Source:www.gigabyte.com

Nvidia et l’IA sont un mariage parfait au paradis du silicium ; vous voyez, les GPU sont la base de l’intelligence artificielle, et Nvidia se trouve être l’un des meilleurs dans le domaine. En 2006, Nvidia a introduit CUDA dans le monde, une plateforme de calcul parallèle et un modèle de programmation. Cela permet aux développeurs de tirer parti du potentiel futur des GPU. En termes simples, c’est comme apprendre à un cheval de course à faire le moonwalk ; impressionnant et incroyablement utile pour des scénarios très spécifiques. Avec Cuda, Nvidia a transformé ses GPU en puissances de calcul ultra-rapides avec le bon logiciel ; les utilisateurs peuvent désormais exécuter des calculs sur des gigaoctets de données avec quelques requêtes simples, ce qui a pris du temps aux gens pour comprendre, environ 10 ans.

Nvidia et l’IA

Les GPU de Nvidia ne sont pas seulement essentiels pour la formation et le fonctionnement des modèles d’IA, ils sont synonymes d’eux. Dans ChatGPT, les GPU sont nécessaires non seulement pour la formation initiale du modèle d’IA, mais chaque fois que quelqu’un utilise ChatGPT, donc le nombre de GPU requis augmentera avec le nombre d’utilisateurs.

OpenAI a probablement nécessité l’équivalent de 20 000 GPU Nvidia DGZ A100 pour former le modèle chatGPT. L’estimation supplémentaire est qu’OpenAI a besoin de l’équivalent d’environ 30 000 de ces systèmes pour prendre en charge les 100 millions d’utilisateurs actifs du produit. À mesure que l’industrie de l’IA se développe, Microsoft, Google, Amazon, IBM et de nombreuses autres entreprises devront acheter plus de GPU.

La division Deep Learning de Nvidia

Nvidia s’était déjà fait un nom dans l’industrie du jeu, mais d’ici 2012, Nvidia faisait bien plus que simplement alimenter les cartes graphiques. Ils avaient de nouveaux cas d’utilisation, des centres de données, des GPU en cloud et bien sûr, la formation de modèles d’IA. Il s’est avéré que la même technique de traitement parallèle qui était bénéfique pour l’affichage des visuels était également excellente pour l’apprentissage profond, où l’ordinateur apprend les modèles sous-jacents en fonction des entrées et des sorties. Nvidia est conscient que cela a le potentiel de modifier fondamentalement l’industrie du calcul. Ils ont donc commencé à se concentrer considérablement sur le développement de processeurs conçus pour la formation de l’IA. C’est ce qu’ils appellent leur division Deep Learning. Savez-vous à quoi d’autre le traitement parallèle est utile ? L’extraction de cryptomonnaie !! Le processus d’extraction de cryptomonnaie consiste à résoudre des énigmes mathématiques difficiles qui nécessitent beaucoup de puissance de calcul. Par conséquent, dans la ruée vers l’or des cryptos également, les GPU avec un traitement parallèle efficace deviennent essentiels. Les gens ont rempli leurs sous-sols avec ces cartes. Leur capitalisation boursière a donc augmenté en 2021. La ruée vers l’IA connaît la même chose une fois de plus. Des entreprises comme OpenAI, Amazon et Facebook forment des modèles d’IA tels que GPT et Lama en utilisant des bâtiments entiers remplis de GPU. Cependant, Nvidia a développé des GPU uniques, tels que l’A100, spécialement conçus pour l’apprentissage profond et coûtant plus de 10 000 dollars. Ce ne sont pas exactement les mêmes GPU que ceux que nous utilisons pour les jeux. ByteDance, la société mère de TikTok, a fini par dépenser un milliard de dollars il y a seulement une semaine pour acquérir des puces auprès de NVIDIA. Indépendamment de qui remporte la course à l’IA, Nvidia est déjà gagnant car la plupart de ces entreprises utilisent les GPU de Nvidia pour former leur modèle.

Modèle de revenus de Nvidia

Le principal marché comprend les jeux, les centres de données, la visualisation professionnelle, les logiciels de modélisation 3D, les studios VFX, l’automobile et les OEM. Jusqu’au quatrième trimestre de 2021, les jeux étaient leur principale source de revenus. Le boom de la crypto a généré une pénurie de GPU, ce qui a fait augmenter les coûts. Le secteur des jeux a continué de dominer en 2023 malgré une légère baisse des revenus des jeux et une diminution du nombre de personnes achetant des GPU ou des cartes de jeu pour miner des cryptomonnaies. Cependant, Nvidia n’est pas très préoccupé par cela, compte tenu de ses revenus des centres de données. Cela augmente, grâce au boom de l’IA. Nvidia dépense près de 2 milliards de dollars en recherche et développement. Il consacre la majeure partie de ses efforts à la recherche pour fabriquer les meilleurs GPU au monde et très peu à la fabrication.

Conflit entre Taïwan et la Chine

Nvidia a signé un accord de fabrication avec TSMC. Cette alliance devient quelque peu problématique en raison du conflit entre Taïwan et la Chine. Les grandes entreprises veulent également délocaliser leurs installations de fabrication de puces en dehors de la juridiction de la Chine. Le CHIPS Act, parrainé par le président américain Joe Biden, fournira 280 milliards de dollars supplémentaires pour promouvoir la production et la recherche en matière de semiconducteurs dans le pays. En Arizona, TSMC construit deux installations de puces, dont la première devrait commencer ses opérations en 2024. L’Inde a également annoncé une incitation de 10 milliards de dollars à la fabrication de semiconducteurs. Si de nombreuses choses se concrétisent, l’Inde pourrait, au cours des dix prochaines années, devenir un centre de fabrication mondial de semiconducteurs important.

CONCLUSION

ChatGPT est là et il a changé notre façon de voir le monde qui nous entoure. De nombreuses grandes entreprises de technologie sont en course pour remporter la révolution de l’IA et comme je le dis souvent, lorsque de nombreux grands pouvoirs sont impliqués dans une guerre, la technologie se développe à grande vitesse. Nous verrons bientôt de nombreuses avancées technologiques étonnantes de la part de Nvidia dans un avenir proche. Alors les gars, accrochez-vous car nous ne faisons que gratter la surface de la révolution de l’IA et il y a tout un monde de possibilités qui attend d’être exploré.

N’hésitez pas à partager vos réflexions dans la section des commentaires. Vos suggestions sont toujours les bienvenues.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more