Поклонники видеоигр никогда не задумывались о том, что чипы, которые позволяют им провести время за любимой игрой, также используются в медицине. В частности, виртуальной колоноскопии (исследовании толстой кишки с помощью эндоскопа — прим. ред). Технологию виртуального обследования пытаются популяризировать инженеры польского стартапа CTA.ai.
Они используют видеочипы Nvidia, позволяющие быстро отрисовать данные, которые передает датчик размером с таблетку. Вместо традиционной, долгой и неприятной, процедуры колоноскопии, пациенту стоит всего лишь проглотить датчик, а доктору — дождаться результатов на экране компьютера. Все это позволяет на 70% быстрее и точнее определить расстройства желудка, а само обследование обходится дешевле.
Такие стартапы, как CTA, являются приоритетными для Nvidia в последнее время. Чипы компании сейчас используются в дронах, роботах, самоуправляемых машинах, суперкомпьютерах и VR-устройствах. Основная причина успеха в инновационных областях — высокая скорость обработки таких сложных задач, как распознавание лиц, речи и объектов. 24-летняя компания стала лидером в гонке за новыми технологиями, поэтому за последние два года ее стоимость увеличилась более чем в 7 раз, превысив $100 млрд.
Основателя и исполнительного директора Nvidia — Йен-Хуна Хуана — часто сравнивают со Стивом Джобсом за его стратегические решения. Еще 10 лет назад Хуан сделал ставку на CUDA — архитектуре параллельных вычислений, которая увеличивает вычислительную производительность за счет GPU. Именно это решение сыграло ключевую роль в дальнейшей судьбе компании, ведь благодаря модифицированной архитектуре графические процессоры компании стали использовать не только для отрисовки картинок на экране домашнего или рабочего компьютера. Ставку на CUDA Хуан сделал еще и потому, что ситуация на рынке кардинально менялась. Intel захватывала рынок персональных компьютеров за счет увеличения производительности своих чипов, и происходило это аккурат по закону Мура: с каждым годом компания выпускала чипы с вдвое большим количеством процессоров, чем в предыдущем поколении. Сегодня это подчинение закону уже стало неактуальным.
Десять лет назад рынок графических процессоров насыщался конкурентами. Однако Nvidia благодаря стратегии Хуана смогла вовремя сориентироваться, изменить стратегию и постепенно ушла от конкуренции, чтобы стать лидером в геймерском сегменте.
Демонстрационная комната в штаб-квартире Nvidia
Благодаря масштабированию CUDA и созданию уникальной технологической платформы для работы тысяч инженеров и программистов, Nvidia стала монополистом еще и на корпоративном рынке. Например, немецкий гигант в области бизнес-ПО SAP начал продвигать свою технологию искусственного интеллекта, работающего на основе графических процессоров Nvidia. Чипы используются для быстрой обработки процессов, связанных с оплатой счетов и согласованием резюме и вакансий. Помимо этого SAP разработала программное обеспечение, которое обнаруживает логотипы компаний-рекламодателей во время прямых трансляций, чтобы быстрее проанализировать экспозицию и исправить недочеты, если они есть.
Графические процессоры генерируют треугольники, чтобы создать из них структуру для построения объектов и применения конкретных цветов пикселям на экране. Чтобы провернуть это, нужно параллельно обработать огромное количество информации, поэтому графические чипы вмещают большое количество ядер. В недавно представленном GPU Volta их более 5000. Все это стало возможным благодаря развитию CUDA, работа над которой началась еще в 2004 году — после того, как компания наняла на работу аспиранта из Стэнфордского университета. Йен Бак — тот самый аспирант — занялся оптимизацией программного обеспечения, которое отвечало за использование мощностей процессора. CUDA использовалась в потребительском и high-end сегменте уже через несколько лет — это позволило поднять уровень образования и исследований на новый уровень. Как говорит Йен Бак, Nvidia также убедила многие университеты ввести курсы по новым технологиям программирования.
Со временем технологии Nvidia начали применять для моделирования климата и обнаружения нефти и газа по всему миру. Новый этап для компании начался в 2012 году, когда канадские исследователи совместили CUDA и огромные нейронные сети для работы многослойного программного обеспечения, которое было необходимо для глубокого обучения. Такие системы учатся распознавать лица, обрабатывая миллионы изображений, вместо того, чтобы делать это по установкам программистов. До появления мощных графических процессоров обучение подобной системы заняло бы у исследователей не менее полугода, тогда как сегодня этот процесс занимает от нескольких часов до пары недель, в зависимости от количества обрабатываемой информации.
Сегодня же среди производителей началась битва за искусственный интеллект. В борьбу вступает Intel, чьи процессоры широко используются для таких задач и которая недавно купила производителя программируемых чипов Altera; а еще стартапы, которые специализируются на машинном обучении. Недавно и Google показала новую версию своего AI-чипа, который выиграл партию у чемпиона мира по игре го. Google утверждает, что ее чип производительнее, чем GPU, и намного эффективнее в некоторых задачах. Подобное заявил также стартап под названием Wave Computing.
Но Nvidia все равно будет нелегко сдвинуть с лидерских позиций. Во-первых, компания может позволить себе тратить больше, чем кто-либо из конкурентов — Хуан подсчитал, что только на разработку Volta компания потратила около $3 млрд, которые заработала на постоянно растущем игровом рынке. Хуан также утверждает, что Nvidia ждет, что другие производители чипов поддержат компанию, когда та начнет распространять архитектуру с открытым исходным кодом. Ее можно будет использовать в продуктах с низкоуровневыми программами глубинного обучения, например, в умных лампочках или камерах, тогда как сама Nvidia не будет распыляться на мелкие проекты. «Искусственный интеллект придет в каждую компанию в мире», — говорит Хуан. Он, скорее всего, прав.
