Nawigacja w rewolucji wnioskowania
Jensen Huang, CEO Nvidia, podczas corocznej konferencji programistów firmy w San Jose w Kalifornii, potwierdził silną pozycję Nvidia w obliczu znaczącej transformacji w branży sztucznej inteligencji. Podkreślił trwające przejście od fazy szkolenia modeli AI do fazy wnioskowania, w której firmy coraz bardziej koncentrują się na wydobywaniu szczegółowych, praktycznych informacji z tych modeli.
Odpowiedź na obawy inwestorów i dynamikę rynku
Prezentacja Huanga, wygłoszona w jego charakterystycznej czarnej skórzanej kurtce i dżinsach, służyła jako obrona dominującej pozycji Nvidia na rynku chipów AI o wysoką stawkę. Ostatnie obawy inwestorów, podsycane doniesieniami o konkurentach, takich jak chiński DeepSeek, osiągających porównywalną wydajność chatbota przy potencjalnie mniejszej liczbie chipów AI, rzuciły cień na pozornie niepodważalną pozycję Nvidia.
Pomimo pewnego siebie wystąpienia Huanga, rynek zareagował z pewnym sceptycyzmem. Akcje Nvidia odnotowały spadek o 3,4%, odzwierciedlając szerszy spadek indeksu chipów, który zamknął się spadkiem o 1,6%. Ta reakcja sugeruje, że rynek mógł już wycenić większość przewidywanych wiadomości, odzwierciedlając podejście „poczekamy, zobaczymy” do długoterminowej strategii Nvidia.
Rozwiewanie nieporozumień i podkreślanie wymagań obliczeniowych
Huang bezpośrednio skonfrontował się z tym, co postrzegał jako powszechne nieporozumienie dotyczące ewoluujących wymagań obliczeniowych AI. Odważnie stwierdził: „Prawie cały świat się pomylił”, podkreślając wykładniczy wzrost mocy obliczeniowej potrzebnej do zaawansowanych aplikacji AI, szczególnie w dziedzinie „agentic AI”.
Agentic AI, charakteryzująca się autonomicznymi agentami zdolnymi do wykonywania rutynowych zadań przy minimalnej interwencji człowieka, wymaga znacznie większych możliwości przetwarzania. Huang oszacował, że potrzeby obliczeniowe dla agentic AI i rozumowania są „z łatwością 100 razy większe niż myśleliśmy, że potrzebujemy w zeszłym roku”. Ten dramatyczny wzrost podkreśla ciągłe, a być może niedoceniane, zapotrzebowanie na wysokowydajne rozwiązania obliczeniowe.
Dychotomia szkolenia i wnioskowania
Kluczowym elementem obecnego wyzwania Nvidia jest ewoluująca dynamika rynku AI. Branża przechodzi od głównego nacisku na szkolenie, gdzie ogromne zbiory danych są wykorzystywane do nasycania modeli AI, takich jak chatboty, inteligencją, do wnioskowania. Wnioskowanie to etap, na którym wyszkolony model wykorzystuje zdobytą wiedzę, aby zapewnić użytkownikom konkretne odpowiedzi i rozwiązania.
Ta zmiana stanowi potencjalny problem dla Nvidia, ponieważ jej najbardziej lukratywne chipy były tradycyjnie optymalizowane pod kątem intensywnej obliczeniowo fazy szkolenia. Podczas gdy Nvidia przez ostatnią dekadę kultywowała silny ekosystem narzędzi programistycznych i wsparcia dla programistów, to chipy do centrów danych, których ceny sięgają dziesiątek tysięcy dolarów, przyniosły większość jej przychodów, wynoszących 130,5 miliarda dolarów w zeszłym roku.
Utrzymanie impetu: Trzyletni wzrost i perspektywy
Akcje Nvidia były świadkami gwałtownego wzrostu, ponad czterokrotnie zwiększając swoją wartość w ciągu ostatnich trzech lat. Ten niezwykły wzrost był napędzany kluczową rolą firmy w napędzaniu pojawienia się wyrafinowanych systemów AI, w tym ChatGPT, Claude i wielu innych. Sprzęt firmy stał się synonimem najnowocześniejszego rozwoju AI.
Jednak utrzymanie tego impetu wymaga dostosowania się do zmieniających się wymagań rynku skoncentrowanego na wnioskowaniu. Podczas gdy długoterminowa wizja branży AI zbudowanej na chipach Nvidia pozostaje przekonująca, krótkoterminowe oczekiwania inwestorów są bardziej wrażliwe na bezpośrednie wyzwania i możliwości, jakie stwarza rewolucja wnioskowania.
Ujawnienie chipów nowej generacji: Blackwell Ultra i nie tylko
Huang wykorzystał konferencję jako platformę do ogłoszenia serii nowych premier chipów, zaprojektowanych w celu umocnienia pozycji Nvidia w ewoluującym krajobrazie AI. Wśród tych ogłoszeń znalazło się ujawnienie chipa GPU Blackwell Ultra, którego premiera zaplanowana jest na drugą połowę tego roku.
Blackwell Ultra oferuje zwiększoną pojemność pamięci w porównaniu do swojego poprzednika, chipa Blackwell obecnej generacji. Ta zwiększona pamięć pozwala mu obsługiwać większe i bardziej złożone modele AI, zaspokajając rosnące wymagania zaawansowanych aplikacji AI.
Podwójny nacisk: Responsywność i szybkość
Huang podkreślił, że chipy Nvidia są zaprojektowane tak, aby sprostać dwóm kluczowym aspektom wydajności AI: responsywności i szybkości. Chipy muszą umożliwiać systemom AI dostarczanie inteligentnych odpowiedzi na ogromną liczbę zapytań użytkowników, jednocześnie dostarczając te odpowiedzi z minimalnym opóźnieniem.
Huang argumentował, że technologia Nvidia jest wyjątkowo dobrze przygotowana do osiągania doskonałych wyników w obu obszarach. Narysował paralelę do wyszukiwania w sieci, stwierdzając: „Jeśli odpowiedź na pytanie zajmie zbyt dużo czasu, klient nie wróci”. Ta analogia podkreśla znaczenie szybkości i wydajności w utrzymaniu zaangażowania i satysfakcji użytkowników w aplikacjach opartych na AI.
Mapa drogowa na przyszłość: Vera Rubin i Feynman
Patrząc poza Blackwell Ultra, Huang przedstawił wgląd w przyszłą mapę drogową chipów Nvidia, ujawniając szczegóły dotyczące nadchodzącego systemu Vera Rubin. Zaplanowany na premierę w drugiej połowie 2026 roku, Vera Rubin ma zastąpić Blackwell, oferując jeszcze większe prędkości i ulepszone możliwości.
W dalszej perspektywie Huang ogłosił, że po chipach Rubin pojawią się chipy Feynman, których premiera przewidywana jest na 2028 rok. Ta wielopokoleniowa mapa drogowa demonstruje zaangażowanie Nvidia w ciągłe innowacje i determinację w utrzymaniu przewagi technologicznej na szybko rozwijającym się rynku sprzętu AI.
Rozwiązywanie wyzwań branżowych i wdrażanie Blackwell
Ujawnienie tych nowych chipów następuje w czasie, gdy wejście Blackwell na rynek było wolniejsze niż początkowo przewidywano. Podobno wada projektowa doprowadziła do problemów produkcyjnych, przyczyniając się do opóźnień. Sytuacja ta odzwierciedla szersze zmagania branży, ponieważ tradycyjne podejście polegające na wprowadzaniu coraz większych zbiorów danych do ogromnych centrów danych wypełnionych chipami Nvidia zaczęło przynosić malejące zyski.
Pomimo tych wyzwań, Nvidia poinformowała w zeszłym miesiącu, że zamówienia na Blackwell były „niesamowite”, co sugeruje silny popyt na nowy chip pomimo początkowych niepowodzeń.
Rozszerzanie ekosystemu: Stacja robocza DGX i innowacje w oprogramowaniu
Poza głównymi ogłoszeniami dotyczącymi chipów, Huang przedstawił nowy, potężny komputer osobisty, stację roboczą DGX, opartą na chipach Blackwell. Ta stacja robocza, która ma być produkowana przez wiodące firmy, takie jak Dell, Lenovo i HP, stanowi wyzwanie dla niektórych high-endowych ofert Mac firmy Apple.
Huang z dumą pokazał płytę główną jednego z tych urządzeń, deklarując: „Tak powinien wyglądać komputer PC”. Ten ruch sygnalizuje ambicję Nvidia, aby rozszerzyć swoją obecność na rynku wysokowydajnych komputerów poza centra danych i wejść w sferę profesjonalnych stacji roboczych.
Dynamo: Przyspieszanie rozumowania i współpraca z General Motors
Jeśli chodzi o oprogramowanie, Huang ogłosił wydanie Dynamo, nowego narzędzia programowego zaprojektowanego w celu przyspieszenia procesu rozumowania w aplikacjach AI. Dynamo jest oferowane za darmo, co ma na celu wspieranie szerszego przyjęcia i przyspieszenie innowacji w tej dziedzinie.
Ponadto Huang ujawnił znaczące partnerstwo z General Motors, wybierając Nvidia do zasilania floty samochodów autonomicznych. Ta współpraca podkreśla rosnący wpływ Nvidia w branży motoryzacyjnej i jej zaangażowanie w rozwój technologii autonomicznej jazdy. Jest to głośne zwycięstwo i pokazuje, jak różnorodne są zastosowania dla Nvidia.
Droga naprzód
Nvidia stawia na przyszłość AI, a ich ciągłe innowacje są kluczowe. Dostrzegają potrzebę dostosowania się do przejścia w kierunku wnioskowania i już opracowują chipy, które mogą robić jedno i drugie. Dzięki swojej historii sukcesów i zaangażowaniu w badania i rozwój, Nvidia prawdopodobnie pozostanie głównym graczem w branży AI przez wiele lat. Partnerstwa z głównymi firmami technologicznymi i motoryzacyjnymi wskazują, dokąd zmierza Nvidia.