De los videojuegos a la IA el papel fundamental de Nvidia en la Revolución de la IA

Papel de Nvidia en la Revolución de la IA desde los videojuegos

Nvidia ahora vale más que Facebook, Tesla y Netflix. Según Reuters, el valor de las acciones se ha triplicado en los últimos ocho meses. Pero, ¿cómo sucedió esto? ¿Cómo una empresa que estuvo casi al borde de la quiebra en 1997 alcanzó una capitalización de mercado de un billón de dólares en 2023? Descubramos qué hace realmente NVIDIA. El procesamiento y los cálculos de la computadora se llevan a cabo en un pequeño chip conocido como CPU. Estos incluyen, por ejemplo, los procesadores Intel Core i7 o AMD Ryzen. La GPU, o unidad de procesamiento gráfico, es la pieza de hardware que persigue todo jugador, editor de video, minero de criptomonedas y ahora startup de IA. La GPU se encarga y renderiza imágenes sofisticadas cuando se requiere que una computadora lo haga, como en videojuegos o modelado 3D. ¿Sabes quién acuñó la frase GPU? Fue Nvidia, por supuesto. Gracias a estas GPUs, la capitalización de mercado de Nvidia se acerca ahora a los $1 billón. Sin embargo, no llegaron a este logro de la noche a la mañana.

La historia de NVIDIA

Tres ingenieros, Curtis Preim, Chris Malachowsky y Jensen Huang, crearon Nvidia en 1993 porque pensaron que la informática basada en gráficos podría convertirse en la norma en el futuro. Cuando Nvidia estuvo a punto de la quiebra en 1997 mientras desarrollaba tecnología gráfica para el sistema de juegos de Sega, ese fue el primer gran punto de inflexión de la empresa. (Al igual que Nintendo, Sega era una empresa que compitió en el mercado de las consolas). Introdujeron primero la serie Sonic, y Nvidia estaba desarrollando una tarjeta gráfica para la consola de juegos de 128 bits de Sega, Dreamcast. Sin embargo, después de un año de trabajo, Nvidia descubrió que su estrategia era defectuosa porque Microsoft estaba a punto de revelar su propia estrategia de mapeo de texturas, lo que hacía que el producto de Nvidia fuera incompatible con Windows 95. Nvidia continuó produciendo esta consola. Porque no se vendería bien y no funcionaría con Windows, eventualmente irían a la quiebra. Sin embargo, si no lo construían, inmediatamente irían a la quiebra. El CEO de NVIDIA, Jensen Huang, informó al CEO de Sega que NVIDIA no podría construir el hardware gráfico de la consola y que Sega debería buscar un socio diferente. Le rogó al CEO de Sega que le diera su pago completo, ya que Nvidia colapsaría sin él. Debido a que Sega pagó a NVIDIA a pesar de que no habían cumplido su promesa, es prácticamente como pedir dinero directamente. Aunque Jensen Huang no tiene idea de por qué lo hicieron, pudieron sobrevivir otros seis meses como resultado.

Nvidia comenzó a expandirse en los siguientes años. Sin embargo, debido a que la producción de estos chips se estaba volviendo más costosa, Nvidia firmó un acuerdo de fabricación con TSMC. Nvidia aspiraba a ser una empresa fantástica. Debido a que la fabricación de chips en EE. UU. es una industria de bajo margen, decidieron no producir los suyos propios. TSMC actualmente produce procesadores para numerosas empresas tecnológicas, incluyendo Apple, AMD, NVIDIA y otras. Nvidia depende en gran medida de esta cooperación, pero se ha vuelto difícil. ¿Por qué? Para conocer la respuesta, sigue leyendo el blog hasta el final.

Nvidia: La potencia de los videojuegos

Fuente:Nvidia

A principios de la década de 2000, Nvidia obtuvo un adelanto de $200 millones en un acuerdo para producir el hardware gráfico de la Xbox de Microsoft. Al año siguiente, sus ingresos alcanzaron los $1 mil millones y sirvieron de inspiración para varios videojuegos que se lanzaron ese año. El siguiente punto de inflexión fue significativo por dos razones: primero, los juegos populares comenzaron a desarrollarse teniendo en cuenta las tarjetas de Nvidia, y segundo, las capacidades de Nvidia se extendieron más allá de simplemente crear tarjetas gráficas. Estaban trabajando junto a diseñadores de juegos. La clave es que hicieron más que simplemente proporcionar tarjetas gráficas. También ayudaron a los creadores de juegos como Blizzard a optimizar títulos en tecnología Nvidia para garantizar tasas de fotogramas suaves. Jugar videojuegos es excelente.

Aún se hace hoy en día. De hecho, DLSS, una de sus soluciones de mejora de la imagen, ha sido adoptada recientemente por muchos desarrolladores de juegos. Solían llamarlo el programa “La forma en que se supone que debe jugarse”. Hoy en día, esto es algo común. Debido a que muchos juegos están específicamente optimizados para tarjetas gráficas Nvidia, a menudo los ves impulsados por Nvidia o un socio preferido, Nvidia, en la pantalla inicial de los juegos. GeForce de Nvidia también fue utilizado pronto por PS3. Para Xbox y PlayStation, estaban vendiendo equipos gráficos. Hoy en día, cuando los jugadores debaten quién ganará entre Xbox y PlayStation, la respuesta es NVIDIA porque sus chips están en ambos.

En 2020, la mayoría de las empresas recibieron un golpe duro por parte del Covid 19, pero para NVIDIA fue como si hubieran atrapado al buscador de oro. De repente, la gente comenzó a trabajar desde casa y, cuando no estaban trabajando y aún estaban atrapados en casa, jugaban y necesitaban hardware, y las computadoras se volvieron esenciales. La demanda de GPU explotó en 2020. Los ingresos de Nvidia fueron de casi 11 mil millones de dólares; un año después, los ingresos se dispararon a casi 27 mil millones mientras duplicaban su beneficio neto.

CUDA

Esto nos lleva al siguiente punto crucial donde entendemos que la razón por la que Nvidia es necesaria hoy en día son las compañías de inteligencia artificial. En los años más recientes, eran las compañías de criptomonedas. Actualmente, son las empresas de IA. NVIDIA introdujo algo llamado CUDA o Arquitectura de Dispositivo Unificado de Cómputo. No importa qué tendencia surja, siempre y cuando la tendencia esté basada en el cómputo, NVIDIA triunfará. Excelen en el procesamiento concurrente. Por lo general, las GPU alimentadas por CUDA de Nvidia sobresalen en el procesamiento en paralelo, mientras que las CPU sobresalen en el procesamiento secuencial. Una GPU tiene muchos más núcleos que una CPU, que tiene hasta ocho o dieciséis núcleos como máximo. Como resultado, mientras que las CPU suelen realizar una sola tarea, completarla y luego pasar a la siguiente tarea, las GPU tienen la capacidad de dividir el trabajo. Por ejemplo, la GPU puede representar ciertos elementos de una escena en varios núcleos al producir una escena (procesamiento paralelo).

Fuente: www.gigabyte.com

Nvidia y la IA son una combinación perfecta; verás, las GPU son el fundamento de la inteligencia artificial, y Nvidia resulta ser uno de los mejores en el negocio. En 2006, Nvidia introdujo CUDA al mundo, una plataforma de cómputo paralelo y un modelo de programación. Permite a los desarrolladores aprovechar el potencial futuro de las GPU. En términos sencillos, es como enseñarle a un caballo de carreras a hacer moonwalk; impresionante e increíblemente útil para escenarios muy específicos. Con Cuda, Nvidia convirtió sus GPU en potencias de cómputo de alta velocidad con el software adecuado; los usuarios ahora podían ejecutar cálculos en gigabytes de datos con solo algunas consultas simples, aunque tomó un tiempo para que la gente se diera cuenta, alrededor de 10 años.

Nvidia e IA

Las GPU de Nvidia no solo son vitales para entrenar y operar modelos de IA, sino que son sinónimo de ellos. En ChatGPT, las GPU son necesarias no solo para el entrenamiento inicial del modelo de IA, sino cada vez que alguien utiliza ChatGPT, por lo que el número de GPU necesarias aumentará con el número de usuarios.

Probablemente, OpenAI necesitó el equivalente a 20,000 GPU Nvidia DGZ A100 para entrenar el modelo chatGPT. La estimación adicional es que OpenAI necesita el equivalente a aproximadamente 30,000 de estos sistemas para soportar los 100 millones de usuarios activos del producto. A medida que crece la industria de IA, Microsoft, Google, Amazon, IBM y muchas otras empresas tendrán que comprar más GPU.

División de Aprendizaje Profundo de Nvidia

Nvidia ya se había hecho un nombre en la industria de los videojuegos, pero para 2012, Nvidia estaba haciendo más que simplemente alimentar tarjetas gráficas. Tenían nuevos casos de uso, centros de datos, GPU en la nube y, por supuesto, entrenamiento de modelos de IA. Resultó que la misma técnica de procesamiento en paralelo que era beneficiosa para mostrar imágenes también era excelente para el aprendizaje profundo, donde la computadora aprende los patrones subyacentes basados en las entradas y salidas. Nvidia es consciente de que esto tiene el potencial de alterar fundamentalmente la industria informática. Por consiguiente, comenzaron a concentrarse sustancialmente en el desarrollo de procesadores diseñados para el entrenamiento de IA. Esto es a lo que se refieren como su División de Aprendizaje Profundo. ¿Sabes para qué más es útil el procesamiento en paralelo? ¡¡La minería de criptomonedas!! El proceso de minería de criptomonedas implica resolver acertijos matemáticos difíciles que requieren mucha potencia de procesamiento. Por lo tanto, en la fiebre del oro de la criptomoneda, las GPU con un procesamiento en paralelo efectivo se vuelven esenciales. La gente llenó sus sótanos con estas tarjetas. Su capitalización de mercado aumentó como resultado en 2021. La fiebre del oro de la IA está experimentando lo mismo una vez más. Las empresas como OpenAI, Amazon y Facebook están entrenando modelos de IA como GPT y Lama utilizando edificios enteros llenos de GPU. Sin embargo, Nvidia ha estado desarrollando GPU únicas, como la A100, que está diseñada para el aprendizaje profundo y cuesta más de $10,000. Estas no son exactamente las mismas GPU que usamos para los videojuegos. ByteDance, la empresa matriz de TikTok, terminó gastando mil millones de dólares hace apenas una semana adquiriendo chips de NVIDIA. Independientemente de quién gane la carrera de IA, Nvidia ya está ganando porque la mayoría de estas empresas están utilizando las GPU de Nvidia para entrenar sus modelos.

Modelo de ingresos de Nvidia

El principal mercado incluye los videojuegos, que son los centros de datos de visualización profesional, que es software de modelado 3D; estudios de efectos visuales, automotriz y OEM. Hasta el cuarto trimestre de 2021, los videojuegos eran su mayor fuente de ingresos. El auge de las criptomonedas generó una escasez de GPUs, lo que a su vez aumentó los costos. El sector de los videojuegos continuó dominando en 2023 a pesar de una ligera disminución en los ingresos por videojuegos y una disminución en el número de personas que compran GPUs de juego o tarjetas para minar criptomonedas. Sin embargo, Nvidia no está muy preocupada por esto, dado sus ingresos provenientes de los centros de datos. Están creciendo, gracias al auge de la inteligencia artificial. Nvidia gasta casi $2 mil millones en investigación y desarrollo. Pone la mayor parte de sus esfuerzos en la investigación para crear las mejores GPUs del mundo y muy poco en la fabricación.

Conflicto entre Taiwán y China

Nvidia firmó un acuerdo de fabricación con TSMC. Esta alianza se está volviendo algo problemática debido al conflicto entre Taiwán y China. Las principales corporaciones también quieren trasladar sus instalaciones de fabricación de chips fuera de la jurisdicción de China. El Acta CHIPS fue patrocinada por el presidente de Estados Unidos, Joe Biden, y proporcionará $280 mil millones adicionales en financiamiento para avanzar en la producción e investigación de semiconductores en el país. En Arizona, TSMC está construyendo dos instalaciones de chips, se espera que la primera comience a operar en 2024. India también ha anunciado un incentivo de $10 mil millones para la fabricación de semiconductores. Si muchas cosas salen bien, India podría convertirse en los próximos diez años en un importante centro mundial de fabricación de semiconductores.

CONCLUSIÓN

ChatGPT está aquí y ha cambiado la forma en que vemos el mundo que nos rodea. Muchas grandes empresas de tecnología están en la carrera por ganar la Revolución de la IA y como suelo decir, cuando hay demasiados grandes poderes involucrados en cualquier guerra, la tecnología se desarrolla a gran velocidad. Pronto veremos muchos avances tecnológicos increíbles de Nvidia en un futuro cercano. Así que chicos, prepárense porque apenas estamos rascando la superficie de la Revolución de la IA y hay todo un mundo de posibilidades esperando ser exploradas.

No dudes en compartir tus pensamientos en la sección de comentarios. Tus sugerencias son siempre bienvenidas.

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

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Conoce a CodiumAI El Asistente Definitivo para Pruebas Basado en Inteligencia Artificial para Desarrolladores

En el mundo acelerado del desarrollo de software, escribir pruebas a menudo se considera una tarea tediosa que lleva ...

Inteligencia Artificial

AIIMS Delhi comienza a investigar la robótica, la inteligencia artificial y los drones para la atención médica

Con el objetivo de mantenerse a la vanguardia en el mundo en constante evolución de la atención médica, el prestigios...

Inteligencia Artificial

Persistent Systems moldea el futuro de la ingeniería de software con Amazon CodeWhisperer

Persistent Systems, un proveedor global de ingeniería digital, ha realizado varios pilotos y estudios formales con Am...

Inteligencia Artificial

OpenAI insinúa la liberación del modelo GPT de código abierto

OpenAI, una fuerza pionera en inteligencia artificial, está causando revuelo en la comunidad tecnológica al potencial...

Inteligencia Artificial

La amenaza de la desinformación climática propagada por la tecnología de IA generativa

Explora cómo la IA generativa puede propagar información errónea sobre el clima y aprende estrategias efectivas para ...

Aprendizaje Automático

Moldeando el Futuro de la IA Una Encuesta Exhaustiva sobre Modelos de Pre-Entrenamiento Visión-Lenguaje y su Papel en Tareas Uni-Modales y Multi-Modales.

En la última publicación de artículos en investigación de inteligencia artificial, un equipo de investigadores profun...