Мнение: прибыли Nvidia от ChatGPT приведёт к дефициту игровых видеокарт.
Кажется, что только вчера игроки всего мира проклинали существование Этериума, когда они бродили по магазинам в поисках лучшей видеокарты, которую они могли себе позволить, только для того, чтобы обнаружить пустующие полки, покрытые пылью. Тем временем видеокарты с этих полок по пять штук вертелись на фермах для майнинга, купленные за цену вдвое выше рекомендованной производительности. И это мы ещё про спекулянтов не говорили, которые продавали видеокарты майнерам в первую очередь.
С тех пор, как лопнул криптопузырь и большинство известных криптовалют отправилось на дно, приобрести видеокарту на самом деле стало относительно просто, к большому облегчению геймеров. Большинство доступных предложений сегодня выходит ниже РРЦ даже на высокопроизводительные видеокарты, такие как Nvidia RTX 3080, мы даже видели RTX 3090 стоимостью менее 90000 рублей.
Но с выходом сложных языковых моделей, таких как те, что лежат в основе ChatGPT и Midjourney, которые полагаются на графические мощности видеокарт для генеративного вывода в форме изображений, текста, звука или даже видео, что сулит серьезные проблемы для запасов видеокарт в будущем. Мало того, что это может осложнить поиски видеокарт в будущем сильней, чем это было в разгар повального увлечения майниногом, последствия могут быть гораздо серьёзнее, результатом даже может стать уход Nvidia с рынка потребительских видеокарт.
Почему генеративный ИИ отличается от майнинга?
(Изображение предоставлено: Shutterstock)
Версия довольно проста. Криптовалюты являются схемой с очень небольшим реальным применением за пределами ценовых спекуляций. Генеративный же ИИ может производить действительно полезный продукт.
За 15 лет, прошедших с момента публикации официального документа Биткойн, заложившего основы криптовалют и технологии блокчейн, они изо всех сил пытались найти какую-либо реальную практическую цель, которая пришлась бы к месту на рынке.
Вероятно, NFT были самым лучшим применением криптовалют и, как оказалось, большинство NFT-продаж, были так называемыми фиктивными продажами, предназначенным для завышения цены на рынке NFT с последующим приобретением какой-либо марки с непомерной наценкой, ничем не подкреплённой в итоге.
Пользователи, которые утверждают, что ещё рано говорить о потенциале блокчейна и криптовалют в будущем, должны знать, что генеративный ИИ действительно показывает, насколько криптовалюты зависимы от дыма в глаза и слепой преданности идее, нежели от фактической полезности.
Dall-E, Midjourney, ChatGPT и другие формы генеративного ИИ гораздо моложе криптовалют. На самом деле они находятся в зачаточном состоянии, но уже производят революцию в творческих индустриях, например, омолаживают актеров в кино, помогают в создании музыки, включая «новую» песню «Битлз» с голосом Джона Леннона, впервые воспроизведённую в последние десятилетия – они способны составлять документы для каждой существующей отрасли.
Теперь вы можете возразить, что ничего из этого не является хорошим (положительным) достижением. Лично мы считаем совершенно бесчеловечным разбавлять нашу коллективную культуру, насыщая её «достаточно хорошими» медиа, созданными ИИ. Но вы не можете утверждать, что эти модели ИИ, основанные на нейронных сетях, не производят ничего ценного.
(Изображение предоставлено: Midjourney)
Подобно тому, как качество массового производства текстиля со времен промышленной революции стало насмешкой над тканями ручной работы от ремесленников, потерявших рабочие места с паровыми ткацкими станками и прядильной машиной Дженни, качество контента, созданного ИИ, меркнет в сравнении с работой высококвалифицированного журналиста-человека.
Никакой ИИ даже близко не приблизится к созданию романа, подобного «Кровавому меридиану» или «Сто лет одиночества». Но в этом нет необходимости.
В США Гильдия писателей Америки в настоящее время бастует, а одной из главных проблем союза сценаристов становится потенциальная возможность из замены в кино и телестудиях на творчество ИИ. Персонажи и сюжетные арки, которые формируют ваши любимые сериалы, например, «Мандалорец», могут далее формироваться с помощью ИИ, который будет полагаться на достижения предыдущей человеческой работы.
Есть ли сомнения в том, что получит студии или медиа-компании возможность зарабатывать деньги на новом поколении грошовых ужастиков, созданных искусственным интеллектом, они бы этого не делали? И, к сожалению, потенциал весьма реален. Им не нужно получать наибольший доход, достаточно получать наибольшую прибыль, а сокращение стоимости рабочей силы – самый просто способ добиться этого, даже если продукты, которые они создают, совершенно ужасны. Если вы можете продать что-то за 1000$, но должны заплатить за это художнику 600$, так почему бы не продать что-то за 450$, если платить никому не нужно, вы каждый раз будет выбирать последнее ради прибыли, даже если это плохо.
Вся экономика последних 50 лет в деиндустриальных частях Северной Америки и Европы подчеркивает эту реальность.
Познакомьтесь с золотым гусем Nvidia, тензорным ядром
Что же делает Nvidia такой особенной?
Всё сводится к тому, что Nvidia разработала для ускорения рабочих процессов и рендеринга в творческих отраслях и, в меньшей степени, для поддержания технологии DLSS в своих видеокартах.
Процесс рендеринга базовой 3D-сцены с помощью видеокарты довольно сложный, потому что он требует большого количества математических и сложных процессов, и, пожалуй, самым трудоёмким является умножение матриц. Чтобы ускорить вычисления этой категории, Nvidia разработала тензорные ядра. Это специализированная схема в потребительских видеокартах Nvidia, представленная с видеокарт серии RTX 2000, она позволяет выполнять несколько операций умножения в такт, а не последовательно в несколько циклов. Это значительно ускоряет 3D-рендеринг за счёт использования технологии глубокого обучения, но эта технология не ограничивается только 3D-графикой.
Немногим пользователям действительно нужно знать, что такое перемножение матриц и как оно работает, но для машинного обучения это необходимо. Без него генеративные искусственные нейронные сети, которые стоят за занавесом каждой модели ИИ, просто не могут работать. И на данный момент видеокарты Nvidia становится единственным оборудованием за пределами узкоспециализированного оборудования центров обработки данных, которое эффективно справляется с матричным умножением.
Более того, тензорные ядра Nvidia значительно более зрелые (Nvidia Lovelace использует тензорные ядра четвертого поколения), чем конкурирующее оборудование Intel и AMD для искусственного интеллекта, а это значит, что обучение нейронной сети на блоке графических процессоров Nvidia будет проходить значительно быстрее, чем если бы вы пытались сделать то же самое на оборудовании AMD или Intel.
Проще говоря, Nvidia – единственный полноценный игрок в мире компьютерного оборудования, доступный для обучения всех ИИ-сетей, которые привлекают к себе внимание и инвестиции сегодня, способные производить полезный продукт, окупающий инвестиции в оборудование. Это становится движущей силой рекордных прибылей Nvidia, о которых сообщалось в прошлом квартале, и именно это аппаратное преимущество ИИ превратило Nvidia в новейшую компанию с капиталом в триллион долларов практически из ничего.
По мере того, как всё больше компаний переходит от Web3 к генеративному ИИ, спрос на оборудование для ИИ будет только расти. Есть причина, по которой основной доклад Янсена Хуанга на Nvidia Computex 2023 был, по сути, рекламным роликом для оборудования Nvidia AI с мимолётной ссылкой на игровое подразделение компании, и даже здесь компания продемонстрировала, как ИИ-оборудование ускоряет игры.
Поиск видеокарт может стать сложней, чем в криптобум
(Изображение предоставлено: TechRadar)
Обучение нейронной сети, как и криптомайнинг, действительно возможно только при наличии большого количества оборудования и большого количества времени. Возможно, вы сможете обучить базовую нейронную сеть, способную определить изображение кошки для курса информатики в колледже, на видеокарте Nvidia домашнего компьютера, но это всё.
Чтобы поддерживать массивные модели, лежащие в основе ChatGPT и других, вам потребуется множество вычислений, поэтому вам нужны крупномасштабные операции с видеокартами, чтобы всё работало. Звучит похоже на майнинг, но это потому, что так оно и есть.
Только теперь, вместо того, чтобы видеокарты покупались отдельными майнерами, которые жаждут окупить ипотеку на свой дом, в игру вступают большие игроки, такие как Google, Microsoft и многие другие промышленные игроки, которым потребуется очень много аппаратного обеспечения ИИ для непрерывного обучения своих моделей.
В новой парадигме существует потенциал для независимых операторов оборудования, поскольку распределение вычислений и обработка обучающих программ не зафиксированы на одном месте. Вместо того, чтобы покупать оборудование для получения необходимых вычислений, вы можете арендовать его у нескольких операторов, когда потребуется, чтобы сэкономить на накладных расходах.
В любом случае, на оборудование Nvidia будет большой спрос, а предложение остаётся ограниченным. Продажи видеокарт среднего класса Nvidia среди геймеров в этом году были стабильными, поэтому сегодня их ещё много в наличии. Но генеративный ИИ выходит на сцену, как метеор из космоса, поэтому рынку ещё только предстоит адаптироваться к новой реальности.
Однако это случится не скоро, платформы распределённых вычислений, такие как Folding@home, показывают, насколько просто развернуть инструменты распределённой обработки данных. Однако, в отличие от крпито-майнинговых пулов, которые обанкротились, когда лопнул пузырь, генеративный ИИ никуда не денутся. Дополнительный спрос на видеокарты будет только расти и оставаться стабильным там, где крипта не смогла.