NVIDIA - perusahaan pertama dalam sejarah industri chip, yang kapitalisasinya melebihi satu triliun dolar. Apa rahasia suksesnya?
Saya yakin banyak dari Anda telah mendengar tentang perusahaan ini NVIDIA dan sebagian besar dari Anda mengasosiasikannya secara khusus dengan prosesor grafis, karena kalimat "NVIDIA GeForce" telah didengar oleh hampir semua orang.
NVIDIA baru-baru ini membuat sejarah keuangan di industri TI. Ini adalah perusahaan sirkuit terpadu pertama yang nilai pasarnya melebihi satu triliun dolar. Ini juga merupakan perusahaan terkait teknologi kelima dalam sejarah yang mencapai kesuksesan sebesar itu (berdasarkan kapitalisasi pasar). Sebelumnya, hanya orang yang bisa membanggakan rating setinggi itu Apple, Microsoft, Alfabet (pemilik Google) dan Amazon. Itu sebabnya para pemodal terkadang menyebutnya "Klub Empat", yang kini telah diperluas NVIDIA.
Selain itu, dalam hal kapitalisasi pasar, jauh tertinggal dari AMD, Intel, Qualcomm dan perusahaan teknologi lainnya. Ini tidak akan mungkin terjadi tanpa kebijakan visioner perusahaan, yang diperkenalkan satu dekade lalu.
Baca juga: Apakah ada masa depan untuk TruthGPT Elon Musk?
Permintaan yang luar biasa untuk NVIDIA Inti Tensor H100
Apa rahasia peningkatan kapitalisasi? Pertama-tama, ini adalah reaksi bursa terhadap kesuksesan chip tersebut NVIDIA H100 Tensor Core, yang memiliki permintaan tinggi di antara penyedia infrastruktur cloud dan layanan online terkemuka. Chip ini dibeli oleh Amazon, Meta dan Microsoft (untuk kebutuhan sendiri dan kebutuhan mitranya - perusahaan OpenAI). Mereka sangat hemat energi dalam mempercepat perhitungan yang umum terjadi pada kecerdasan buatan generatif, seperti ChatGPT atau Dall-E. Ini adalah lompatan luar biasa dalam percepatan komputasi. Kami mendapatkan performa, skalabilitas, dan keamanan yang belum pernah ada sebelumnya untuk beban kerja apa pun NVIDIA GPU Inti Tensor H100.
Menggunakan sistem switching NVIDIA NVLink dapat dihubungkan ke hingga 256 GPU H100 untuk mempercepat beban kerja pada skala yang sangat besar. GPU juga menyertakan Mesin Transformer khusus untuk memecahkan model bahasa dengan triliunan parameter. Kombinasi inovasi teknologi H100 dapat mempercepat model bahasa besar (LLM) hingga 30x lipat dibandingkan generasi sebelumnya, sehingga menghasilkan AI percakapan yang terdepan di industri. Pengembang menganggapnya hampir ideal untuk pembelajaran mesin.
Namun, H100 tidak muncul begitu saja. Dan sejujurnya, hal ini tidak terlalu revolusioner. NVIDIA, tidak seperti perusahaan lain, yang telah menginvestasikan sumber daya besar dalam kecerdasan buatan selama bertahun-tahun. Hasilnya, perusahaan yang terutama terkait dengan merek kartu grafis GeForce dapat memperlakukan pasar konsumen hampir seperti sebuah hobi. Hal ini membangun kekuatan nyata di pasar raksasa TI NVIDIA sudah bisa berbicara dengan mereka secara setara.
Juga menarik: Apa itu jaringan 6G dan mengapa dibutuhkan?
Apakah kecerdasan buatan adalah masa depan?
Saat ini, hampir semua orang yakin akan hal ini, bahkan para ahli yang skeptis di bidang ini. Sekarang ini hampir merupakan sebuah aksioma, sebuah kebenaran yang dapat disangkal. Meskipun NViDIA tahu tentang hal itu 20 tahun yang lalu. Apakah aku mengejutkanmu?
Secara teknis, kontak dekat pertama NVIDIA dengan kecerdasan buatan terjadi pada tahun 1999, ketika prosesor GeForce 256 muncul di pasaran, yang mampu mempercepat penghitungan pembelajaran mesin. Namun NVIDIA mulai berinvestasi secara serius dalam kecerdasan buatan hanya pada tahun 2006, ketika memperkenalkan arsitektur CUDA, yang memungkinkan penggunaan kemampuan pemrosesan paralel prosesor grafis untuk pelatihan dan penelitian.
Apa itu CUDA? Ini paling baik didefinisikan sebagai platform komputasi paralel dan antarmuka pemrograman aplikasi (API) yang memungkinkan perangkat lunak untuk menggunakan unit pemrosesan grafik tujuan umum (GPGPU). Pendekatan ini disebut komputasi tujuan umum pada GPU. Selain itu, CUDA adalah lapisan perangkat lunak yang menyediakan akses langsung ke kumpulan instruksi virtual dan elemen komputasi paralel dari prosesor grafis. Ini dirancang untuk bekerja dengan bahasa pemrograman seperti C, C++ dan Fortran.
Aksesibilitas inilah yang memudahkan pengembang paralel untuk memanfaatkan sumber daya GPU, tidak seperti API sebelumnya seperti Direct3D dan OpenGL, yang memerlukan keterampilan pemrograman grafis tingkat lanjut.
Terobosan penting adalah penyediaan oleh perusahaan NVIDIA daya komputasi untuk jaringan saraf AlexNet yang inovatif. Ini adalah jaringan saraf konvolusional (CNN), yang dikembangkan oleh Alex Kryzhevskyi dari Ukraina bekerja sama dengan Ilya Sutzkever dan Jeffrey Ginton.
Convolutional Neural Networks (CNNs) selalu menjadi model masuk untuk pengenalan objek—mereka adalah model kuat yang mudah dikendalikan dan bahkan lebih mudah untuk dilatih. Mereka tidak mengalami overfitting hingga tingkat yang mengkhawatirkan saat digunakan pada jutaan gambar. Performanya hampir identik dengan jaringan neural feed-forward standar dengan ukuran yang sama. Satu-satunya masalah adalah sulit diterapkan pada gambar beresolusi tinggi. Skala ImageNet memerlukan inovasi yang akan dioptimalkan untuk GPU dan mengurangi waktu pelatihan sambil meningkatkan kinerja.
Pada tanggal 30 September 2012, AlexNet berpartisipasi dalam Tantangan Pengenalan Visual Skala Besar ImageNet. Jaringan mencapai hasil 15,3% dalam pengujian lima kesalahan terbesar, lebih dari 10,8% lebih rendah dari hasil pengujian di tempat kedua.
Kesimpulan utama dari karya aslinya adalah bahwa kompleksitas model disebabkan oleh kinerjanya yang tinggi, yang juga sangat mahal secara komputasi, tetapi dimungkinkan dengan penggunaan unit pemrosesan grafik (GPU) selama proses pelatihan.
Jaringan saraf convolutional AlexNet sendiri terdiri dari delapan lapisan; lima yang pertama adalah lapisan konvolusional, beberapa di antaranya didahului oleh lapisan yang digabungkan secara maksimal, dan tiga yang terakhir adalah lapisan yang terhubung sepenuhnya. Jaringan, kecuali lapisan terakhir, dibagi menjadi dua salinan, masing-masing berjalan pada satu GPU.
Itu berkat NVIDIA dan sebagian besar ahli dan ilmuwan masih percaya bahwa AlexNet adalah model yang sangat kuat yang mampu mencapai akurasi tinggi pada kumpulan data yang sangat kompleks. AlexNet adalah arsitektur terkemuka untuk tugas deteksi objek apa pun dan dapat memiliki aplikasi yang sangat luas di sektor visi komputer untuk masalah kecerdasan buatan. Di masa depan, AlexNet dapat digunakan lebih dari CNN di bidang pencitraan.
Juga menarik: Fenomena Bluesky: layanan seperti apa dan untuk berapa lama?
Kecerdasan buatan tidak hanya ada di laboratorium dan pusat data
В NVIDIA melihat prospek besar bagi AI juga dalam teknologi perangkat konsumen dan Internet of Things. Sementara pesaing baru mulai mempertimbangkan investasi yang lebih luas pada sirkuit terpadu jenis baru, NVIDIA sedang mengerjakan miniaturisasinya. Chip Tegra K1, yang dikembangkan bekerja sama dengan Tesla dan perusahaan mobil lainnya, mungkin sangat penting.
Prosesor Tegra K1 merupakan salah satu prosesor pertama NVIDIA, dirancang khusus untuk aplikasi AI di perangkat seluler dan tertanam. Tegra K1 menggunakan arsitektur GPU yang sama dengan rangkaian kartu grafis dan sistemnya NVIDIA GeForce, Quadro dan Tesla, yang memberikan kinerja tinggi dan kompatibilitas dengan standar grafis dan komputasi seperti OpenGL 4.4, DirectX 11.2, CUDA 6.5 dan OpenCL 1.2. Berkat ini, prosesor Tegra K1 dapat mendukung algoritma kecerdasan buatan tingkat lanjut seperti jaringan saraf dalam, pembelajaran penguatan, pengenalan gambar dan ucapan, serta analisis data. Tegra K1 memiliki 192 inti CUDA.
Pada tahun 2016 NVIDIA merilis serangkaian prosesor Pascal yang dioptimalkan untuk mendukung jaringan saraf dalam dan model kecerdasan buatan lainnya. Dalam setahun, serangkaian prosesor Volta untuk aplikasi terkait kecerdasan buatan muncul di pasaran, yang bahkan lebih efisien dan hemat energi. Pada tahun 2019 NVIDIA membeli Mellanox Technologies, pembuat jaringan komputer berkinerja tinggi untuk pusat data dan superkomputer.
Alhasil, mereka semua menggunakan prosesor NVIDIA. Di pasar konsumen, misalnya, gamer menggunakan algoritma rekonstruksi gambar DLSS yang revolusioner, yang memungkinkan mereka menikmati grafis yang lebih tajam dalam game tanpa menghabiskan banyak uang untuk membeli kartu grafis. Di pasar bisnis, dikenal chip NVIDIA dalam banyak hal melampaui apa yang ditawarkan pesaing. Meskipun Intel dan AMD tidak sepenuhnya tertidur selama revolusi intelektual.
Juga menarik: Alat terbaik berdasarkan kecerdasan buatan
Intel dan AMD di bidang kecerdasan buatan
Mari kita bicara tentang pesaing langsung NVIDIA di segmen pasar ini. Intel dan AMD bekerja lebih aktif di sini, tetapi dengan penundaan yang lama.
Intel telah mengakuisisi beberapa perusahaan AI seperti Nervana Systems, Movidius, Mobileye dan Habana Labs untuk memperkuat portofolio teknologi dan solusi AI. Intel juga menawarkan platform perangkat keras dan perangkat lunak untuk kecerdasan buatan, seperti prosesor Xeon, FPGA, chip NNP, dan pustaka pengoptimalan. Intel juga bekerja sama dengan mitra sektor publik dan swasta untuk memajukan inovasi dan pendidikan AI.
AMD telah mengembangkan serangkaian prosesor Epyc dan kartu grafis Radeon Instinct yang dioptimalkan untuk aplikasi AI dan pembelajaran mendalam. AMD juga bekerja sama dengan perusahaan seperti Google, Microsoft, IBM dan Amazon, menyediakan solusi cloud untuk AI. AMD juga berupaya untuk berpartisipasi dalam penelitian dan pengembangan AI melalui kemitraan dengan institusi akademis dan organisasi industri. Tapi semuanya baik-baik saja NVIDIA sudah jauh di depan mereka, dan keberhasilannya dalam bidang pengembangan dan dukungan algoritma AI jauh lebih besar.
Juga menarik: Ringkasan Google I/O 2023: Android 14, Pixel dan banyak AI
NVIDIA telah dikaitkan dengan video game selama beberapa dekade
Hal ini juga tidak boleh dilupakan. NVIDIA tidak memberikan perincian pasti pendapatannya antara pasar konsumen dan pasar bisnis, namun pendapatan tersebut dapat diperkirakan berdasarkan segmen operasi yang diungkapkan perusahaan dalam laporan keuangannya. NVIDIA memisahkan empat segmen operasi: Permainan, Visualisasi Profesional, Pusat Data, dan Otomotif.
Dapat diasumsikan bahwa segmen game terutama difokuskan pada pasar konsumen, karena mencakup penjualan kartu video GeForce dan chip Tegra untuk konsol game. Segmen visualisasi profesional terutama difokuskan pada pasar bisnis, karena mencakup penjualan kartu video Quadro dan chip RTX untuk workstation dan aplikasi profesional. Segmen pusat data juga terutama berfokus pada pasar bisnis, karena mencakup penjualan GPU dan NPU (yaitu, chip generasi mendatang - bukan lagi GPU, tetapi dirancang khusus untuk AI) untuk server dan layanan cloud. Segmen otomotif menargetkan pasar konsumen dan bisnis, karena mencakup penjualan sistem Tegra dan Drive untuk infotainment dan penggerak otonom.
Berdasarkan asumsi-asumsi ini, kita dapat memperkirakan bagian pendapatan dari pasar konsumen dan bisnis terhadap total pendapatan NVIDIA. Berdasarkan laporan keuangan terbaru tahun 2022, pendapatan perseroan NVIDIA menurut segmen operasi adalah sebagai berikut:
- Game: $12,9 miliar
- Visualisasi profesional: $1,3 miliar
- Pusat data: $9,7 miliar
- Otomotif: $0,8 miliar
- Semua segmen lainnya: $8,7 miliar
Jumlah pemasukan NVIDIA berjumlah $33,4 miliar. Jika kita berasumsi bahwa segmen otomotif terbagi rata antara pasar konsumen dan pasar bisnis, proporsi berikut dapat dihitung:
- Pendapatan dari pasar konsumen: (12,9 + 0,4) / 33,4 = 0,4 (40%)
- Pendapatan dari pasar bisnis: (1,3 + 9,7 + 0,4 + 8,7) / 33,4 = 0,6 (60%)
Artinya sekitar 40% dari pendapatan NVIDIA berasal dari pasar konsumen, dan sekitar 60% dari pasar bisnis. Artinya, arahan utamanya adalah segmen usaha. Namun industri game juga mendatangkan pendapatan yang cukup baik. Yang paling penting adalah mereka tumbuh setiap tahun.
Juga menarik: Buku Harian Geek Tua Pemarah: Bing vs Google
Apa yang akan membawa kita ke masa depan?
Hal ini jelas bahwa NVIDIA sudah ada rencana untuk berpartisipasi dalam pengembangan algoritma kecerdasan buatan. Dan ini jauh lebih luas dan lebih menjanjikan dibandingkan pesaing langsungnya.
Hanya dalam sebulan terakhir NVIDIA mengumumkan banyak investasi baru dalam kecerdasan buatan. Salah satunya adalah mekanisme GET3D yang mampu menghasilkan model tiga dimensi kompleks dari berbagai objek dan karakter yang mencerminkan kenyataan secara persis. GET3D dapat menghasilkan sekitar 20 objek per detik menggunakan satu chip grafis.
Proyek menarik lainnya juga harus disebutkan. Tentang Israel-1 adalah superkomputer untuk program kecerdasan buatan, yang NVIDIA dibuat bekerja sama dengan Kementerian Sains dan Teknologi Israel dan perusahaan Mellanox. Mesin ini diharapkan memiliki daya komputasi lebih dari 7 petaflops dan menggunakan lebih dari 1000 GPU NVIDIA Inti Tensor A100. Israel-1 akan digunakan untuk penelitian dan pengembangan di berbagai bidang seperti kedokteran, biologi, kimia, fisika, dan keamanan siber. Dan ini merupakan investasi modal yang sangat menjanjikan, mengingat prospek jangka panjangnya.
Juga, sudah ada proyek lain - NVIDIA KARTU AS. Ini adalah teknologi baru yang dirancang untuk merevolusi industri game dengan memungkinkan pemain berinteraksi dengan karakter non-pemain (NPC) dengan cara yang alami dan realistis. Karakter-karakter ini akan mampu melakukan dialog terbuka dengan pemain, bereaksi terhadap emosi dan gerak tubuh, bahkan mengekspresikan perasaan dan pikirannya sendiri. NVIDIA ACE menggunakan model bahasa tingkat lanjut dan generator gambar berbasis AI.
Triliunan dolar pertama masuk NVIDIA. Sepertinya akan ada lebih banyak lagi dalam waktu dekat. Kami pasti akan mengikuti perkembangan perusahaan dan memberi tahu Anda.
Baca juga: