Թարգմանչաց շարժման տեսադարանը

ԻՆՉՈՒ՞ Է NVIDIA-ն ԱՇԽԱՐՀԻ ԱՄԵՆԱԹԱՆԿ ԸՆԿԵՐՈՒԹՅՈՒՆԸ: ՔՆՆԱՐԿՈՒՄ.mp4

WEBVTT

00:02.000 --> 00:06.000
Ո՞րն է աշխարհի ամենաթանկ տեխնոլոգիական ընկերությունը:

00:06.000 --> 00:07.000
Microsoft-ը և Apple-ը։

00:07.000 --> 00:09.000
Դուք կարող եք զարմանալ, բայց դա ճիշտ չէ:

00:10.000 --> 00:21.000
Մի քանի ամիս առաջ և՛ Microsoft-ը, և՛ Apple-ը շուկայական արժեքով առաջ են անցել Nvidia-ից, և այն դարձել է ամենաարժեքավորը աշխարհի բոլոր հանրային ընկերություններից, ոչ միայն տեխնոլոգիական ընկերություններից:

00:21.000 --> 00:23.000
Ավելի քան 2 տրիլիոն դոլար։

00:23.000 --> 00:25.000
Սա մոտավորապես այսքան զրո է:

00:25.000 --> 00:30.000
Պատկերացնու՞մ եք, թե ինչն է թույլ տվել վիդեո քարտ արտադրողին հասնել նման բարձունքների։

00:30.000 --> 00:34.000
Ինչպե՞ս սկսվեց ընկերությունը և ինչո՞վ էր այն հիանալի:

00:34.000 --> 00:38.000
Վերջապես, ինչո՞ւ է Nvidia-ն այդքան արժե:

00:38.000 --> 00:39.000
Եկեք պարզենք այն:

00:39.000 --> 00:41.000
Տիվանովը ձեզ հետ է, սա Դրոիդերն է։

00:41.000 --> 00:42.000
Եկեք գնանք։

00:49.000 --> 00:55.000
Նախ, եկեք փորձենք խորանալ ընկերության պատմության մեջ և հետևել նրա ուղին հենց սկզբից:

00:55.000 --> 00:59.000
90-ականների սկզբին համակարգչային խաղերի ոլորտը նոր թափ էր հավաքում։

00:59.000 --> 01:08.000
Արդյունաբերությունն արդեն ձևավորվել էր, բայց մինչ վիդեոխաղերը դառնալու իսկապես լուրջ բազմամիլիարդանոց բիզնես, որը մրցակցում էր կինոյի հետ, դեռ մի տասնյակ տարի էր մնացել:

01:08.000 --> 01:14.000
Բայց հենց այդ պահին երեք տղաներ՝ գերազանց ինժեներներ, մեծ ներուժ տեսան այս ուղղությամբ։

01:14.000 --> 01:20.000
Nvidia-ն հիմնադրվել է 1993 թվականի ապրիլին Կալիֆորնիայի Սաննի Ուեյ քաղաքում:

01:21.000 --> 01:29.000
Նրա ակունքներում էին երեք ամերիկացի համակարգչային գիտնականներ՝ Ջենսեն Հուանգը, Քրիս Մալաչովսկին և Կուրտի Սպրամը:

01:29.000 --> 01:33.000
Երեքն էլ այն ժամանակ արդեն շատ հաջողակ ու պահանջված մասնագետներ էին։

01:33.000 --> 01:41.000
Հետո 90-ականների առաջին կեսին նկատվեց եռաչափ խաղերի ժողովրդականության աճ, ինչը խոստումնալից դարձրեց 3D արագացուցիչների զարգացումը։

01:41.000 --> 01:43.000
Սա հենց այն է, ինչ արեց նոր ընկերությունը։

01:43.000 --> 01:46.000
Այդ ժամանակ GPU-ի շուկան նոր էր ծնվում:

01:47.000 --> 01:52.000
Ընկերության նպատակը պարզ էր՝ ստեղծել չիպ, որը տեսախաղերն ավելի իրատեսական և հասանելի կդարձնի:

01:52.000 --> 01:58.000
Բայց ոչ ոք այն ժամանակ չէր մտածում, որ այս չիպսերը մի օր դուրս կգան ժամանցի արդյունաբերությունից:

01:58.000 --> 02:02.000
Առասպել կա, որ Nvidia-ն հորինել է վիդեո քարտեր:

02:02.000 --> 02:09.000
Բայց իրականում առաջին 3D վիդեո արագացուցիչը հայտնվել է IBM-ում դեռ 1982 թվականին։

02:09.000 --> 02:15.000
90-ականներին շատ ընկերություններ, այդ թվում՝ IBM-ը, Matrix-ը և, իհարկե, 3DFX-ն արդեն կային այս շուկայում։

02:15.000 --> 02:23.000
Nvidia-ն երկու տարի ծախսեց իր առաջին արտադրանքի մշակման վրա և վերջապես ներկայացրեց այն 1995 թվականի մայիսին:

02:23.000 --> 02:28.000
Դա STG 2000 մուլտիմեդիա քարտ էր՝ հիմնված NV1 չիպի վրա:

02:29.000 --> 02:35.000
Տախտակն ուներ PCI միակցիչ և միավորում էր 3D արագացուցիչը, 2D գրաֆիկայի միավորը և ձայնային քարտը:

02:35.000 --> 02:42.000
NV1-ի առանձնահատուկ առանձնահատկությունը քառանկյուն պրիմիտիվների հետ աշխատելու կարողությունն էր, որը նման է այն ժամանակվա ներկայիս Sega Saturn կոնսոլին:

02:42.000 --> 02:50.000
Այս վահանակից մի քանի խաղեր, ինչպիսիք են Virtual Fighter-ը և Panzer Dragoon-ը, նույնիսկ տեղափոխվեցին PC և հաջողությամբ գործարկվեցին STG 2000-ում:

02:51.000 --> 02:58.000
Նշենք, որ այն ժամանակ Nvidia-ն Fablis Company էր, այսինքն՝ սեփական արտադրության ընկերություն։

02:58.000 --> 03:00.000
Ըստ էության, սա ընդամենը նախագծային բյուրո է։

03:00.000 --> 03:03.000
Շատ մեծ և հիանալի դիզայնի բյուրո:

03:03.000 --> 03:10.000
Նրանք հանդես են գալիս և զարգացնում իրենց սեփական տեխնոլոգիաներն ու արտադրանքը, իսկ այլ ընկերություններ ներգրավված են ուղղակի արտադրության մեջ։

03:10.000 --> 03:18.000
Օրինակ, առաջին NV1 չիպը Nvidia-ի համար արտադրվել է SGS Thompson Microelectronics-ի կողմից Ֆրանսիայի իր գործարանում:

03:18.000 --> 03:26.000
NV1-ը նոր ընկերության առաջին արտադրանքն էր և, իհարկե, ուզում եմ ասել, որ այն բեկումնային էր և անսահման համբավ ու փող բերեց իր ստեղծողներին։

03:27.000 --> 03:29.000
Բայց, ավաղ, դա այդպես չէ։

03:29.000 --> 03:38.000
Եվ դա բոլորի մեղքով է Microsoft-ը, որը STG 2000-ի թողարկումից անմիջապես հետո ներկայացրեց DirectX API-ն, որն աշխատում է եռանկյունաձև բազմանկյունների հետ:

03:38.000 --> 03:41.000
Արդյունքում, առաջին Nvidia NV1 չիպն այլևս հասանելի չէր:

03:42.000 --> 03:43.000
Ինչ է DirectX-ը:

03:44.000 --> 03:50.000
Սա ծրագրերի մի շարք է, որն օգնում է համակարգչային խաղերին և այլ գրաֆիկական ծրագրերին ավելի հարթ և գեղեցիկ աշխատել:

03:50.000 --> 04:02.000
Պարզ ասած, այն խաղի և ձեր համակարգչի միջև թարգմանիչ է, որն օգնում է խաղին ճիշտ հաղորդակցվել վիդեո քարտի և համակարգի այլ մասերի հետ, որպեսզի ամեն ինչ իրատեսական տեսք ունենա և չդանդաղի:

04:02.000 --> 04:07.000
Այսպիսով, NV1-ում գրաֆիկական արագացման սկզբունքը սկզբունքորեն հակասում էր DirectX-ին:

04:07.000 --> 04:15.000
Հետևաբար, Nvidia-ի առաջին արտադրանքը սկզբունքորեն անհամատեղելի էր խաղերի ճնշող մեծամասնության հետ, որոնք խաղացողները ցանկանում էին խաղալ համակարգչի վրա:

04:16.000 --> 04:20.000
Առաջին անգամ Nvidia-ն բախվեց փակման իրական վտանգի։

04:20.000 --> 04:25.000
Ի վերջո, ստարտափը ծախսել է իր ներգրաված գրեթե բոլոր ներդրումները NV1-ի ստեղծման համար։

04:26.000 --> 04:31.000
Հուանգը նույնիսկ ստիպված է եղել աշխատանքից ազատել այն աշխատակիցների կեսին, ովքեր այդ ժամանակ արդեն աշխատանքի էին ընդունվել։

04:31.000 --> 04:37.000
Նույնիսկ կար ժամանակ, երբ Nvidia-ն բավարար գումար ուներ աշխատողների մեկ ամսվա աշխատավարձի համար։

04:37.000 --> 04:40.000
Բայց հաջողությունն արդեն սպասում էր ընկերությանը։

04:40.000 --> 04:51.000
Նրանց հաջորդ արտադրանքը՝ Nvidia Riva 128-ը, որը թողարկվել է 1997 թվականին, դարձավ առաջին GPU-ներից մեկը, որը հասավ շուկայի հսկայական պահանջարկին:

04:51.000 --> 04:56.000
Այն արդեն համատեղելի էր Direct X5 և OpenGL 1.0 գրաֆիկական API-ների հետ։

04:56.000 --> 05:11.000
Քարտը լավ կատարողականություն ուներ, ինչպես նաև աչքի էր ընկնում 2D պատկերի մշակման և 3D արագացուցիչի համադրությամբ մեկ սարքում, մինչդեռ մրցակցող Voodoo Graphics-ը 3D FX Interactive-ից պահանջում էր լրացուցիչ 2D քարտ աշխատելու համար:

05:11.000 --> 05:19.000
Բայց իրական առաջընթացը տեղի ունեցավ 1999 թվականին Nvidia GeForce 256-ի թողարկմամբ:

05:20.000 --> 05:24.000
Ընկերությունն այն անվանել է առաջին գրաֆիկական պրոցեսոր, չնայած սա չափազանցություն էր:

05:24.000 --> 05:28.000
Սակայն GeForce 256-ը կարևոր քայլ էր:

05:28.000 --> 05:34.000
Սարքն աչքի ընկավ երկրաչափությունը, լուսավորությունը և հյուսվածքների մշակումը մեկ չիպի մեջ համատեղելով։

05:34.000 --> 05:44.000
Այն ամենահզորը չէր, բայց փողի համար գերազանց արժեք էր առաջարկում, և Nvidia-ի հաջող մարքեթինգը դարձրեց այն հանրաճանաչ և օգնեց ընկերությանը առաջատար դիրք գրավել շուկայում:

05:45.000 --> 05:47.000
Եվ սա իսկական հեղափոխություն էր տեսախաղերի համար:

05:48.000 --> 05:54.000
Հենց այդ ժամանակ էր, որ Nvidia-ն սկսեց գրավել ոչ միայն խաղացողներին, այլև խոշոր ծրագրեր մշակողներին:

05:57.000 --> 06:00.000
Ինչպե՞ս էին զգում ձեր մրցակիցները շուկայում:

06:00.000 --> 06:08.000
Nvidia-ն շատ արագ աճեց 2000-ականներին, իսկ 2002-ին գնեց իր հիմնական մրցակիցներից մեկի՝ 3DFX Interactive-ի ակտիվները:

06:08.000 --> 06:15.000
Այսպիսով, 2000-ականների սկզբին GPU-ների շուկայում հայտնվեցին երեք առաջատարներ՝ Nvidia, Intel և IT:

06:16.000 --> 06:30.000
Այնուամենայնիվ, իր i740 գրաֆիկական արագացուցիչի անհաջող գործարկումից հետո Intel-ը շուտով որոշեց հրաժարվել գրաֆիկական քարտերից և կենտրոնանալ ինտեգրված գրաֆիկայի և այլ ոլորտների վրա, ինչը Nvidia-ին և IT-ին, փաստորեն, թողեց շուկայում միակ խոշոր խաղացողները:

06:31.000 --> 06:38.000
Այսպիսով, 2000-ականների սկզբին GPU-ների շուկայում հայտնվեցին երեք առաջատարներ՝ Nvidia, Intel և IT:

06:39.000 --> 06:45.000
2000 թվականին ՏՏ-ն թողարկեց իր առաջատար Radeon գրաֆիկական արագացուցիչների շարքը:

06:45.000 --> 06:48.000
Եվ ընկերությունների միջեւ սկսվեց կատաղի մրցակցություն։

06:48.000 --> 06:55.000
Առաջնորդական դիրք գրավելու համար Nvidia-ն պայմանագրեր է կնքել Microsoft-ի հետ և պետք է պատասխանատու լիներ Xbox-ի գրաֆիկայի համար:

06:55.000 --> 06:58.000
Սակայն հետագայում Microsoft-ն անցավ ՏՏ-ին։

06:58.000 --> 07:01.000
Սակայն հնարամիտ կանաչ առաջնորդները բավականին արագ ելք գտան:

07:02.000 --> 07:09.000
Նրանք համագործակցության մեջ մտան Sony-ի և Apple-ի հետ՝ դառնալով Apple-ի համակարգիչների և PlayStation կոնսուլների վիդեո քարտերի բացառիկ մատակարարը։

07:09.000 --> 07:12.000
Բացի այդ, կային բավականին անսպասելիներ։

07:12.000 --> 07:17.000
Օրինակ, Nvidia-ն դարձել է Audi-ի մի շարք մեքենաների գրաֆիկական չիպերի հիմնական մատակարարը:

07:17.000 --> 07:20.000
2005 թվականին ընկերությունը խելացի քայլ կատարեց.

07:20.000 --> 07:23.000
Ձեռք բերեց Uly Electronics-ը, որը կարևոր ՏՏ մատակարար է:

07:24.000 --> 07:26.000
Եվ սա լուրջ հարված հասցրեց մրցակցին։

07:26.000 --> 07:31.000
Ճիշտ է, ՏՏ-ն հետագայում միաձուլվեց AMD-ի հետ և այդպես մնաց պայքարի մեջ։

07:31.000 --> 07:37.000
Հետաքրքիր է, որ կա վարկած, որ AMD-ն նախ ցանկացել է գնել Nvidia-ն, սակայն Jensen Huang-ը հրաժարվել է։

07:37.000 --> 07:41.000
Եվ թվում է, թե դա անիծյալ լավ որոշում էր:

07:41.000 --> 07:48.000
Այսպիսով, շուկայում ձևավորվել է Nvidia-ի և AMD-ի առճակատումը, որը շարունակվում է արդեն գրեթե 20 տարի։

07:51.000 --> 07:57.000
Թվում է, թե դուք արդեն կարող եք հանգստանալ ձեր դափնիների վրա, բայց Nvidia-ն ևս մեկ կարևոր քայլ է կատարել։

07:57.000 --> 08:06.000
Փոխարենը կենտրոնանալու միայն գրաֆիկայի մատուցման վրա, ընկերությունը սկսեց ակտիվորեն ներդրումներ կատարել բարդ հաշվարկների համար հետազոտությունների և զարգացման մեջ:

08:06.000 --> 08:11.000
Փաստն այն է, որ GPU-ն ի վիճակի է միաժամանակ մշակել հսկայական թվով առաջադրանքներ:

08:11.000 --> 08:18.000
Սա հիմք դարձավ զուգահեռ հաշվարկների համար, որը լայնորեն կիրառվում է գիտության, ճարտարագիտության և, իհարկե, արհեստական ​​բանականության մեջ։

08:19.000 --> 08:25.000
Nvidia-ն իրական թռիչք կատարեց այս ուղղությամբ 2007 թվականին՝ ցույց տալով աշխարհին CUDA տեխնոլոգիան։

08:25.000 --> 08:29.000
Հավանական է, որ հենց նա է բացել նրա համար ներկայիս տրիլիոնների ճանապարհը:

08:29.000 --> 08:43.000
Ընկերությունը հասկացավ, որ իրենց գրաֆիկական քարտերի մշակման հզորությունը կարող է օգտագործվել ավելին, քան պարզապես գրաֆիկայի համար. CUDA-ի նպատակն է օգտագործել GPU-ները ոչ միայն մատուցման համար, այլև հաշվարկների համար, որոնք սովորաբար կատարվում են կենտրոնական պրոցեսորի կողմից:

08:43.000 --> 08:51.000
Այս տեխնոլոգիան կարևոր հանգրվան էր զուգահեռ հաշվարկների զարգացման գործում՝ թույլ տալով վիդեո քարտերի հզորությունը օգտագործել բազմաթիվ խնդիրների համար:

08:51.000 --> 08:59.000
Շնորհիվ իր ճարտարապետության՝ GPU-ն միաժամանակ մշակում է 1000 թեմա՝ այն դարձնելով իդեալական այն առաջադրանքների համար, որոնք պահանջում են զուգահեռ մշակում:

09:00.000 --> 09:11.000
Ծրագրավորողներին հնարավորություն ընձեռելու օգտագործելու այս հզորությունը, Nvidia-ն ստեղծեց CUDA հարթակը, որը թույլ է տալիս նրանց ծրագրեր գրել ընդհանուր ծրագրավորման լեզուներով, ինչպիսիք են C և C-ը՝ օգտագործելով GPU-ի հզորությունը:

09:12.000 --> 09:20.000
Շնորհիվ իր ճարտարապետության՝ GPU-ն միաժամանակ մշակում է 1000 թեմա՝ այն դարձնելով իդեալական այն առաջադրանքների համար, որոնք պահանջում են զուգահեռ մշակում:

09:20.000 --> 09:25.000
Փաստն այն է, որ GPU-ն ի վիճակի է միաժամանակ մշակել հսկայական թվով առաջադրանքներ:

09:25.000 --> 09:31.000
Սա հիմք դարձավ զուգահեռ հաշվարկների համար, որը լայնորեն կիրառվում է գիտության, ճարտարագիտության և, իհարկե, արհեստական ​​բանականության մեջ։

09:32.000 --> 09:37.000
Ի դեպ, հենց GPU-ների հատուկ ճարտարապետության շնորհիվ է, որ դրանք այդքան տարածված են դարձել հանքագործների շրջանում:

09:37.000 --> 09:43.000
Հիշեք, թե ինչպես 10 տարի առաջ այս տղաների պատճառով գրեթե անհնար էր նոր վիդեո քարտ գնել։

09:43.000 --> 09:45.000
Բայց ինչո՞ւ են ականապատել վիդեո քարտերի վրա:

09:45.000 --> 09:48.000
Խնդիրը հենց CPU-ի և GPU-ի ճարտարապետական ​​տարբերությունների մեջ է:

09:49.000 --> 09:52.000
Ժամանակակից պրոցեսորները բաղկացած են 4-8 միջուկից:

09:52.000 --> 09:55.000
Սա նրանց հարմար է դարձնում մեծ և բարդ խնդիրներ լուծելու համար։

09:56.000 --> 10:04.000
Իսկ GPU-ները կառուցված են ոչ թե մի քանի խոշոր միջուկներից, այլ հազարավոր փոքրերից, քանի որ դրանք նախատեսված են զուգահեռաբար պարզ խնդիրներ լուծելու համար։

10:04.000 --> 10:08.000
Այս ձևով նրանց համար շատ ավելի հարմար է մշակել միլիոնավոր պիքսելներ և բազմանկյուններ։

10:08.000 --> 10:10.000
Բայց ի՞նչ կապ ունի դրա հետ կրիպտոարժույթը:

10:10.000 --> 10:11.000
Դա պարզ է.

10:11.000 --> 10:26.000
Մայնինգը, ըստ էության, գաղտնագրման հարյուր հազարավոր տարբեր մի փոքր տարբեր համակցությունների որոնում է, այնպիսի նմանատիպ և համեմատաբար ոչ բարդ աշխատանքով, որ հազարավոր GPU միջուկներ կարող են դա անել շատ ավելի արագ, քան 4-8 խելացի, բայց քիչ CPU միջուկներ:

10:26.000 --> 10:28.000
Բայց եկեք վերադառնանք CUDA տեխնոլոգիային:

10:29.000 --> 10:34.000
2012 թվականին տեղի ունեցավ ImageNet Large Scale Visual Recognition Challenge-ը:

10:34.000 --> 10:40.000
Սա խոշոր մրցույթ է, որտեղ մշակողները մրցում են՝ տեսնելու, թե ում ալգորիթմն է ավելի լավ ճանաչել պատկերները:

10:40.000 --> 10:42.000
Նեյրոնների միջև մի տեսակ աշխարհի առաջնություն.

10:43.000 --> 10:50.000
Լավագույն արդյունքը ցույց է տվել AlexNet նեյրոնային մոդելը, որը վերապատրաստվել է Nvidia գրաֆիկական չիպերի հզորության միջոցով՝ օգտագործելով CUDA:

10:50.000 --> 10:58.000
Հետո վերջապես պարզ դարձավ, որ գրաֆիկական չիպերն ընդհանրապես և Nvidia-ն արհեստական ​​ինտելեկտի ապագա զարգացումն են։

10:58.000 --> 11:09.000
Հիշեմ, որ Alexnet-ի ստեղծողներից էր Իլյա Սուցկևերը՝ OpenAI-ի ապագա համահիմնադիրը մի պահ և այսօր ամենաազդեցիկ մարդկանցից մեկը EE ոլորտում։

11:09.000 --> 11:14.000
Այսպիսով, GPU-ների օգտագործումը շատ հեռու է տեսախաղերից դուրս:

11:14.000 --> 11:17.000
Սա կանխորոշեց ընկերության հետագա հաջողությունները:

11:17.000 --> 11:24.000
Իսկ Nvidia-ն երկար ճանապարհ է անցել գրաֆիկական պրոցեսոր արտադրող ընկերությունից մինչև արհեստական ​​ինտելեկտի համաշխարհային առաջատար:

11:24.000 --> 11:28.000
Բայց ինչպե՞ս են աշխատում նրանց յուրահատուկ արհեստական ​​ինտելեկտի չիպերը:

11:29.000 --> 11:31.000
Իսկ ինչո՞ւ են նրանք այդքան հզոր։

11:33.000 --> 11:39.000
Nvidia-ն արագ հասկացավ, որ արհեստական ​​ինտելեկտի շուկան պոտենցիալ ոսկու հանք է:

11:40.000 --> 11:48.000
Ընկերությունը սկսեց ակտիվորեն ներդրումներ կատարել արհեստական ​​ինտելեկտի համար նախատեսված ծրագրերի և գրադարանների մշակման մեջ, ինչպիսիք են QDN-ը և Tender RT-ն:

11:48.000 --> 11:56.000
Այս գործիքներն անհրաժեշտ են Deep Learning-ը արագացնելու և օպտիմալացնելու, ինչպես նաև EI հավելվածների մշակումն ու իրականացումը հեշտացնելու և արդյունավետ դարձնելու համար:

11:56.000 --> 12:02.000
Ընկերությունը առանձնահատուկ ժողովրդականություն է ձեռք բերել մեքենայական ուսուցման ոլորտում հետազոտողների շրջանում՝ շնորհիվ Tensor Course-ի օգտագործման:

12:03.000 --> 12:08.000
Սրանք մասնագիտացված միջուկներ են Nvidia GPU-ների ներսում, որոնք նախատեսված են Tenser հաշվարկների համար:

12:08.000 --> 12:11.000
Ինչ է դա և ինչ է ամեն դեպքում Tenzer-ը:

12:11.000 --> 12:16.000
Թույլ տվեք պարզ բառերով բացատրել՝ առանց շատ մաթեմատիկայի մեջ մտնելու։

12:16.000 --> 12:20.000
Փաստորեն, Tensor-ը թվային տվյալներ պահելու կոնտեյներ է:

12:20.000 --> 12:22.000
Դուք հավանաբար գիտեք, թե ինչ է մատրիցը:

12:22.000 --> 12:24.000
Սա թվերի աղյուսակ է:

12:24.000 --> 12:26.000
Այսպիսով, մատրիցը երկչափ թենզոր է:

12:27.000 --> 12:33.000
Եզակի թիվ պարունակող տենզորը կոչվում է սկալյար, սկալյար կամ զրոյական աստիճանի թենզոր։

12:33.000 --> 12:35.000
Ըստ էության, դա ընդամենը թիվ է:

12:35.000 --> 12:40.000
Թվերի միաչափ զանգվածը կոչվում է առաջին աստիճանի վեկտոր կամ թենզոր։

12:40.000 --> 12:43.000
Վեկտորների զանգվածը մատրիցային կամ երկչափ տենզոր է։

12:43.000 --> 12:47.000
Մատրիցն ունի երկու առանցք, որոնք հաճախ կոչվում են տողեր և սյունակներ:

12:47.000 --> 12:54.000
Եթե ​​նման մատրիցները փաթեթավորեք նոր զանգվածի մեջ, կստանաք եռաչափ տենզոր, որը կարող է ներկայացվել որպես թվային խորանարդ:

12:54.000 --> 12:59.000
Եռաչափ թենզորները զանգվածի մեջ փաթեթավորելով՝ դուք ստանում եք 4D թենզոր և այլն:

12:59.000 --> 13:06.000
Այսպիսով, տենզորը տվյալների օբյեկտ է, որը նկարագրում է միմյանց հետ կապված այլ մաթեմատիկական օբյեկտների հարաբերությունները:

13:06.000 --> 13:11.000
Եվ այս օբյեկտների վրա հաշվարկներ կատարելու համար անհրաժեշտ են հատուկ թենզորային միջուկներ։

13:11.000 --> 13:14.000
Այս ամենը, իհարկե, հիանալի է, բայց ի՞նչ կապ ունի AI-ն դրա հետ:

13:14.000 --> 13:20.000
Եվ չնայած այն հանգամանքին, որ տենզորային հաշվարկը խորը ուսուցման կարևոր մասն է:

13:21.000 --> 13:22.000
Հիմա կբացատրեմ, թե ինչու։

13:23.000 --> 13:25.000
Սա օգնում է ձեզ ավելի արդյունավետ մշակել տեղեկատվությունը:

13:26.000 --> 13:31.000
EI առաջադրանքներում, ինչպիսիք են պատկերի ճանաչումը, տվյալները թեզեր են:

13:31.000 --> 13:40.000
Օրինակ, պիքսը կարող է ներկայացվել որպես եռաչափ տենզոր, որտեղ մի առանցքը X դիրքն է, մյուսը Y դիրքն է, իսկ երրորդը՝ գույնը:

13:40.000 --> 13:47.000
Նեյրոնային ցանցերում գործողությունները կատարվում են մատրիցների և բազմաչափ զանգվածների վրա, ինչը տվյալների մշակումն ավելի արդյունավետ է դարձնում։

13:47.000 --> 13:52.000
Հատուկ չիպսեր, ինչպիսիք են Nvidia-ի Tender Core-ը, օպտիմիզացված են հենց նման առաջադրանքների համար:

13:52.000 --> 13:56.000
Գենդերային հաշվարկը թույլ է տալիս միաժամանակ մշակել մեծ ծավալի տվյալներ:

13:56.000 --> 14:01.000
Եվ վերջին տարիներին Nvidia-ն զարգացնում է տվյալների մշակման հենց այս ոլորտը:

14:04.000 --> 14:12.000
2020 թվականին Nvidia-ն ներկայացրեց նոր ASTO քարտը, որն անմիջապես դարձավ առաջատար AI-ի և գիտական ​​հաշվարկների ոլորտում։

14:12.000 --> 14:15.000
Բայց ինչո՞վ է ASTO-ն այդքան աչքի ընկնում:

14:15.000 --> 14:17.000
Նախ՝ նրա ճարտարապետությունը։

14:17.000 --> 14:27.000
Ampere ճարտարապետության հիման վրա այն ունի 6912 kuda միջուկ, 432 թենզորային միջուկ և աջակցում է մինչև 80 ԳԲ հիշողություն:

14:27.000 --> 14:29.000
Պարզապես մտածեք այս թվերի մասին:

14:29.000 --> 14:39.000
Հենանիշներում A100-ն ապահովում է մինչև 20 անգամ իր նախորդների կատարողականը EI առաջադրանքներում և մինչև 2,5 անգամ լողացող կետում:

14:39.000 --> 14:46.000
A-100-ը իդեալական է նաև մեքենայական ուսուցման, բարձր արդյունավետության հաշվարկման և տվյալների վերլուծության առաջադրանքների համար:

14:46.000 --> 14:55.000
Այն օգտագործվում է ամենաժամանակակից հաշվողական կենտրոններում՝ ապահովելով բարձր կատարողականություն ծրագրերի համար՝ սկսած գիտական ​​հետազոտություններից մինչև առևտրային լուծումներ:

14:55.000 --> 15:00.000
Կարևոր կետը, որն ազդեց 100-ի հաջողության վրա, մասշտաբայնությունն էր:

15:00.000 --> 15:08.000
Նոր գրաֆիկական պրոցեսորը թույլ է տալիս հավաքել բարձր արդյունավետության կենտրոններ տարբեր թվով GPU-ներով՝ 1-ից մինչև հարյուրավոր կտորներ:

15:08.000 --> 15:09.000
Իսկ 100-ը սպասում էր հաղթանակի։

15:09.000 --> 15:12.000
Քարտերի պահանջարկը աներեւակայելի մեծ է ստացվել։

15:12.000 --> 15:21.000
Եթե ​​EI-ի շուրջ աղմուկի դարաշրջանը համարենք նոր ոսկու տենդ, ապա պարզվեց, որ Nvidia-ն գործնականում ոսկու հանքագործների համար թիակների միակ վաճառողն է:

15:21.000 --> 15:28.000
Ավելին, զարգացնելով մեքենայական ուսուցման սարքերի շարքը նույնիսկ ավելի հզոր H100-ի թողարկմամբ, ընկերությունը միայն ամրապնդեց իր հաջողությունը:

15:29.000 --> 15:39.000
2023 թվականի մայիսին Nvidia-ի արժեքը գերազանցեց 1 տրիլիոն դոլարը, իսկ 2024 թվականի փետրվարին ընկերությունն արդեն հատել էր 2 տրիլիոն դոլարի սահմանագիծը։

15:40.000 --> 15:43.000
Կանադայի ողջ տնտեսությունը, օրինակ, գնահատվում է մոտավորապես այս գումարով։

15:43.000 --> 15:44.000
Տպավորիչ?

15:44.000 --> 15:52.000
Բացի այդ, կորպորացիան գերազանցել է Ուոլ Սթրիթի պատմության ռեկորդը՝ կապիտալիզացիայի օրական աճով 277 միլիարդով։

15:52.000 --> 15:55.000
Ի՞նչն է ազդել ընկերության արժեքի աճի վրա:

15:55.000 --> 15:58.000
Համոզված եմ, որ դուք արդեն գուշակել եք:

15:58.000 --> 16:00.000
Այո, սա Chat-GPT է:

16:00.000 --> 16:06.000
Ի վերջո, վերջին տարիների ամենաանհրաժեշտ ծառայության գործարկման համար հենց Nvidia-ի լուծումն է օգտագործվում:

16:06.000 --> 16:14.000
Եվ քանի որ այսօր յուրաքանչյուր երկրորդ ստարտափը հեղափոխում է VAI-ն, հատուկ քարտերը վաճառվում են տաք տորթերի նման:

16:14.000 --> 16:20.000
Բացի այդ, Nvidia-ն ակտիվորեն ներգրավված է հետազոտությունների և ակադեմիական համայնքի աջակցության մեջ:

16:21.000 --> 16:29.000
Այն իր լուծումներն ու ռեսուրսները հասանելի է դարձնում համալսարաններին և հետազոտական ​​խմբերին՝ օգնելու զարգացնել և առաջ մղել AI տեխնոլոգիաները:

16:30.000 --> 16:32.000
Ընդհանուր առմամբ, շահեկան իրավիճակ է:

16:35.000 --> 16:42.000
Nvidia-ն այսօր պարզապես վիդեո քարտեր արտադրող ընկերություն չէ, այլ տեխնոլոգիայի զարգացման շարժիչ ուժ:

16:42.000 --> 16:50.000
Իր առաջնորդների հեռատեսությունը թույլ տվեց նրան չսահմանափակվել վիդեոխաղերի շուկայով, այլ դառնալ իսկական հսկա տեխնոլոգիական շուկայում։

16:50.000 --> 16:56.000
Միևնույն ժամանակ, իր հայրենի ինտերակտիվ ժամանցային ինդուստրիայի շրջանակներում ընկերությունը նույնպես վաղուց առաջ է անցել մնացածից։

16:56.000 --> 17:01.000
Ray tracing-ը և DLSS տեխնոլոգիաները վերջին տարիներին մեծապես փոխել են խաղերը:

17:02.000 --> 17:04.000
Ո՞վ գիտի, թե ինչ է սպասվում ընկերության ապագան:

17:04.000 --> 17:08.000
Այժմ աննախադեպ հաջողությունից հետո նա նույնպես սառը ցնցուղ է ստացել։

17:08.000 --> 17:13.000
Nvidia-ն վերջերս մեկ օրում կորցրել է 280 մլն դոլար։

17:13.000 --> 17:15.000
Եվ սա կրկին ռեկորդ է.

17:15.000 --> 17:16.000
Բայց այս անգամ մինուս.

17:17.000 --> 17:20.000
Պատմության մեջ ցանկացած ընկերության մեկ օրվա ռեկորդային կորուստ:

17:21.000 --> 17:25.000
Եվ դա պայմանավորված է ԱՄՆ-ի հակամենաշնորհային ծառայության պահանջներով:

17:25.000 --> 17:27.000
Բայց սա Nvidia-ի համար կյանքում առաջին դժվարությունը չէ։

17:27.000 --> 17:33.000
Այնուամենայնիվ, ինչպես արդեն գիտենք, այն կարող էր փակվել և անհետանալ իր առաջին իսկ արտադրանքից հետո:

17:33.000 --> 17:35.000
Այսպիսով, ես կարծում եմ, որ նրանք կարող են գլուխ հանել դրան:

17:35.000 --> 17:39.000
Կամ գուցե նրանք էլ ավելի նշանակալից ընկերություն դառնան։

17:39.000 --> 17:40.000
Եվ այսքանը այսօրվա համար:

17:41.000 --> 17:42.000
Միտյա Իվանովը ձեզ հետ էր, սա Դրոիդերն է։

17:43.000 --> 17:44.000
Կհանդիպենք ապագայում: