آیا انویدیا می‌تواند رشد محاسبات شتاب‌یافته خود را حفظ کند؟

جهش بی‌سابقه در رایانش تسریع‌شده

شرکت انویدیا (NVIDIA) جایگاهی تقریباً بی‌رقیب در بخش فناوری برای خود ایجاد کرده است؛ به‌طوری که ارزش سهام آن در سال گذشته رشدی خیره‌کننده در حدود ۴۱ تا ۴۹ درصد را تجربه کرد و در ۱۰ فوریه به ۱۸۸.۵۲ دلار رسید. این صعود شهابی صرفاً یک ناهنجاری بازار نیست، بلکه عمیقاً در نقش محوری این شرکت در حوزه در حال رشد «رایانش تسریع‌شده» (Accelerated Computing) ریشه دارد. آمارهای مالی این سلطه را تایید می‌کنند: درآمد خیره‌کننده ۲۲.۱ میلیارد دلاری برای سه‌ماهه چهارم منتهی به ۲۸ ژانویه ۲۰۲۴ که نشان‌دهنده افزایش ۲۶۵ درصدی نسبت به سال گذشته است، در کنار درآمد سال مالی ۲۰۲۴ به مبلغ ۶۰.۹ میلیارد دلار که جهشی ۱۲۶ درصدی را نسبت به سال مالی قبل نشان می‌دهد. این اعداد تصویری واضح از شرکتی را ترسیم می‌کنند که در مرکز یک انقلاب تکنولوژیک قرار دارد.

سلطه انویدیا و پیروزی‌های مالی

در اصل، «رایانش تسریع‌شده» به استفاده از سخت‌افزارهای تخصصی، عمدتاً واحدهای پردازش گرافیکی (GPU)، برای سرعت بخشیدن قابل‌توجه به وظایف محاسباتی پیچیده‌ای اشاره دارد که در غیر این صورت باعث کندی واحدهای پردازش مرکزی سنتی (CPU) می‌شوند. در حالی که CPUها در پردازش ترتیبی مهارت دارند، GPUها برای پردازش موازی طراحی شده‌اند که آن‌ها را در مدیریت همزمان چندین محاسبه بسیار کارآمد می‌کند. این معماری موازی دقیقاً همان چیزی است که آن‌ها را برای حوزه‌هایی مانند هوش مصنوعی (AI)، شبیه‌سازی‌های علمی و تحلیل داده‌های پیشرفته به ابزاری ضروری تبدیل کرده است.

سلطه انویدیا در این بخش از چندین عامل کلیدی ناشی می‌شود:

• نوآوری در سخت‌افزار: از پردازنده‌های گرافیکی گیمینگ GeForce گرفته تا سری حرفه‌ای Quadro و اخیراً پردازنده‌های گرافیکی مراکز داده Hopper و Blackwell، انویدیا به‌طور مداوم سخت‌افزارهای پیشرو ارائه می‌دهد. این واحدها نه‌تنها قدرتمند هستند، بلکه برای بارهای کاری سنگین محاسبات مدرن به‌شدت بهینه شده‌اند.
• پلتفرم CUDA: شاید بزرگ‌ترین «خندق اقتصادی» (Moat) انویدیا، پلتفرم CUDA (معماری دستگاه محاسباتی یکپارچه) باشد. این لایه نرم‌افزاری اختصاصی به توسعه‌دهندگان اجازه می‌دهد تا به‌راحتی GPUهای انویدیا را برای محاسبات همه‌منظوره برنامه‌نویسی کنند. CUDA اکوسیستم گسترده‌ای از ابزارها، کتابخانه‌ها و فریم‌ورک‌ها را پرورش داده و آن را به استاندارد دو فاکتوی برنامه‌نویسی GPU تبدیل کرده است؛ امری که هزینه‌های جابه‌جایی گزافی را برای توسعه‌دهندگانی که به سخت‌افزار جایگزین فکر می‌کنند، ایجاد می‌نماید.
• ساخت اکوسیستم استراتژیک: انویدیا روابط عمیقی با محققان، توسعه‌دهندگان و شرکت‌ها در صنایع مختلف برقرار کرده است و نه‌تنها سخت‌افزار، بلکه کیت‌های توسعه نرم‌افزار (SDK)، فریم‌ورک‌های تخصصی هوش مصنوعی و راهکارهای ادغام ابری را نیز ارائه می‌دهد. این رویکرد تمام‌ساخته (Full-stack) تضمین می‌کند که سخت‌افزار آن فقط فروخته نمی‌شود، بلکه به‌طور کامل در جریان کاری مشتریان ادغام می‌گردد.

هوش مصنوعی مولد؛ کاتالیزوری برای رشد

اگرچه رایانش تسریع‌شده سال‌هاست در حال تکامل بوده، اما انفجار اخیر در هوش مصنوعی مولد (Generative AI) به عنوان یک هایپر-کاتالیزور برای رشد انویدیا عمل کرده است. مدل‌های هوش مصنوعی مولد، مانند مدل‌های زبانی بزرگ (LLM) و ابزارهای تولید تصویر، به قدرت محاسباتی بی‌سابقه‌ای برای هر دو مرحله آموزش (Training) و استنتاج (Inference) نیاز دارند.

• تقاضای آموزش: توسعه یک LLM پیشرفته مستلزم پردازش مجموعه‌داده‌های عظیم، که اغلب شامل تریلیون‌ها پارامتر است، می‌باشد. این امر مستلزم همکاری هزاران GPU به‌صورت موازی برای هفته‌ها یا حتی ماه‌هاست. پردازنده‌های گرافیکی H100 و B200 (که به‌زودی عرضه می‌شود) انویدیا، دقیقاً برای این وظایف سنگین ساخته شده‌اند و دارای هسته‌های Tensor تخصصی هستند که محاسبات هوش مصنوعی را به‌طور دراماتیکی تسریع می‌کنند.
• تقاضای استنتاج: این مدل‌ها پس از آموزش، همچنان برای تولید پاسخ‌ها یا محتوا به‌صورت لحظه‌ای (استنتاج) به توان محاسباتی قابل‌توجهی نیاز دارند. با ادغام هوش مصنوعی مولد در برنامه‌ها و خدمات بیشتر، تقاضا برای GPUهای انویدیا در مراکز داده جهت تامین انرژی این استنتاج‌ها به مقیاس‌پذیری خود ادامه خواهد داد.
• آنالوژی «بیل و کلنگ»: در «تب طلای هوش مصنوعی» فعلی، انویدیا در عمل «بیل و کلنگ» می‌فروشد. در حالی که شرکت‌هایی مانند OpenAI، گوگل و مایکروسافت در حال استخراج «طلا» (بینش‌ها و کاربردهای هوش مصنوعی) هستند، انویدیا ابزارهای ضروری را فراهم می‌کند و خود را به یک بازیگر حیاتی در سطح زیرساخت تبدیل کرده است. این موقعیت به شرکت اجازه می‌دهد بدون توجه به اینکه کدام اپلیکیشن یا مدل هوش مصنوعی در نهایت موفق‌تر خواهد بود، از این فضا سود ببرد.

رابطه همزیستی با اکوسیستم کریپتو

برای مخاطبان حوزه رمزارز، رایانش تسریع‌شده انویدیا ممکن است بلافاصله تصاویر «استخراج با کارت گرافیک» را تداعی کند. اگرچه این رابطه به‌طور قابل‌توجهی تکامل یافته است، اما سخت‌افزار زیربنایی همچنان یک عنصر بنیادی برای چندین فناوری غیرمتمرکز نوظهور باقی مانده است.

از ریگ‌های استخراج تا محاسبات غیرمتمرکز

از نظر تاریخی، GPUهای انویدیا برای استخراج ارزهای دیجیتال مختلف غیرقابل جایگزین بودند.

• استخراج اولیه بیت‌کوین: قبل از ظهور مدارهای مجتمع با کاربرد خاص (ASIC)، از GPUهای قدرتمند برای استخراج بیت‌کوین استفاده می‌شد که از توانایی‌های پردازش موازی آن‌ها برای حل سریع معماهای رمزنگاری بهره می‌بردند.
• استخراج اتریوم (پیش از اثبات سهام): پردازنده‌های گرافیکی انویدیا نقشی محوری در استخراج اتریوم داشتند. الگوریتم Ethash به‌طور خاص برای مقاومت در برابر ASIC طراحی شده بود و GPUها را به سخت‌افزار منتخب برای افراد و فارم‌های بزرگ تبدیل کرد. این دوره شاهد تقاضای انبوه برای کارت‌های انویدیا بود که اغلب به کمبود و قیمت‌های کاذب منجر می‌شد و عملکرد مالی شرکت را مستقیماً به سودآوری استخراج در بازار کریپتو گره می‌زد.

با این حال، با انتقال اتریوم به اثبات سهام (PoS) در سال ۲۰۲۲، تقاضای مستقیم برای GPU جهت استخراج در فضای کریپتو به‌شدت کاهش یافت. اکنون تمرکز از تامین امنیت بلاکچین از طریق کار محاسباتی، به کاربردهای متنوع دیگری تغییر کرده است که در آن‌ها رایانش تسریع‌شده حیاتی است.

تغذیه نسل بعدی نوآوری‌های کریپتو

امروزه فناوری انویدیا همچنان نقشی حیاتی، هرچند اغلب غیرمستقیم، در اکوسیستم گسترده‌تر کریپتو و وب۳ ایفا می‌کند و از استخراج ساده به سمت پارادایم‌های محاسباتی پیچیده‌تر حرکت کرده است.

• هوش مصنوعی غیرمتمرکز (DeAI): این حوزه نوظهور با هدف ساخت، آموزش و استقرار مدل‌های هوش مصنوعی بر روی شبکه‌های غیرمتمرکز، شفافیت بیشتر، مقاومت در برابر سانسور و مالکیت توزیع‌شده را پیشنهاد می‌دهد.
  • GPU به عنوان ستون فقرات: پروژه‌های DeAI اغلب به شبکه‌هایی از GPUهای توزیع‌شده برای تامین قدرت محاسباتی لازم متکی هستند. پلتفرم‌هایی مانند Render Network و Akash Network به کاربران اجازه می‌دهند ظرفیت GPU بیکار خود را به دیگران اجاره دهند. GPUهای انویدیا به دلیل عملکرد بالا و اکوسیستم فراگیر CUDA، سخت‌افزار اصلی این شبکه‌ها هستند.
  • پیامدهای مربوط به کمیابی: با رشد DeAI، منبع جدیدی از تقاضا برای GPUهای رده‌بالا ایجاد می‌شود که پتانسیل تکرار محدودیت‌های عرضه دوران اوج استخراج کریپتو را دارد، اما این بار برای موارد استفاده متفاوت.
• اثبات‌های دانش‌صفر (ZKPs): این‌ها پروتکل‌های رمزنگاری هستند که به یک طرف اجازه می‌دهند به طرف دیگر ثابت کند که یک گزاره درست است، بدون اینکه اطلاعاتی بیش از اعتبار خودِ گزاره فاش شود. آن‌ها برای مقیاس‌پذیری و حریم خصوصی در فناوری‌های بلاکچین (مانند ZK-rollups و ZK-EVMs) حیاتی هستند.
  • شدت محاسباتی: تولید ZKPها به‌شدت از نظر محاسباتی سنگین است. در حالی که سخت‌افزارهای تخصصی (ASIC) و بهینه‌سازی‌های CPU در حال بررسی هستند، GPUها می‌توانند شتاب قابل‌توجهی برای انواع خاصی از محاسبات ZKP، به‌ویژه در وظایف مربوط به ارزیابی‌های چندجمله‌ای و رمزنگاری منحنی بیضوی فراهم کنند.
  • محرک تقاضا در آینده: با گسترش فناوری ZK در بلاکچین‌های مختلف، تقاضا برای محاسبات کارآمد و با کارایی بالا جهت تولید این اثبات‌ها می‌تواند بازار بزرگ دیگری برای سخت‌افزار انویدیا باشد.
• شبکه‌های زیرساخت فیزیکی غیرمتمرکز (DePINs): پروژه‌های DePIN از فناوری بلاکچین برای هماهنگی و ایجاد انگیزه جهت ساخت و نگهداری زیرساخت‌های فیزیکی دنیای واقعی مانند شبکه‌های بی‌سیم، شبکه‌های حسگر و منابع محاسباتی استفاده می‌کنند.
  • DePINهای متمرکز بر پردازش: برخی از DePINها به‌طور صریح بر منابع محاسباتی غیرمتمرکز تمرکز دارند. این شبکه‌ها قدرت GPU را از مشارکت‌کنندگان فردی تجمیع کرده و به اپلیکیشن‌های غیرمتمرکز (dApps) اجازه می‌دهند بر حسب تقاضا به رایانش مقیاس‌پذیر دسترسی داشته باشند. سخت‌افزار انویدیا در اینجا نقش بنیادین دارد.
• متاورس و بازی‌های وب۳: چشم‌انداز متاورس‌های غیرمتمرکز و بازی‌های وب۳ اغلب شامل دنیای مجازی بسیار فراگیر با فیزیک پیچیده و گرافیک پیشرفته است.
  • رندرینگ و شبیه‌سازی: ایجاد این محیط‌های دیجیتال غنی به قدرت رندرینگ عظیم و شبیه‌سازی‌های فیزیکی نیاز دارد، حوزه‌هایی که پردازنده‌های گرافیکی RTX انویدیا با ویژگی‌هایی مانند رهگیری پرتو (Ray Tracing) و DLSS در آن‌ها برتری دارند.
  • اقتصاد سازندگان: ابزارهای تولید محتوا در متاورس‌های غیرمتمرکز، از مدل‌سازی سه‌بعدی تا تولید دارایی‌های دیجیتال با کمک هوش مصنوعی، به‌شدت به شتاب‌دهنده‌های GPU متکی خواهند بود.

محرک‌های رشد پایدار

فراتر از تقاطع با کریپتو، چندین روند کلان و خرد قدرتمند، پتانسیل انویدیا برای رشد پایدار در رایانش تسریع‌شده را تقویت می‌کنند.

گسترش کاربردهای هوش مصنوعی فراتر از مدل‌های مولد

اگرچه هوش مصنوعی مولد تیتر اخبار است، اما کاربردهای رایانش تسریع‌شده بسیار فراتر از آن است.

• هوش مصنوعی صنعتی و رباتیک: بخش‌های تولید، لجستیک و اتوماسیون به‌طور فزاینده‌ای از هوش مصنوعی برای نگهداری پیش‌بینانه، کنترل کیفیت و ربات‌های خودران استفاده می‌کنند که همگی نیازمند پردازش بلادرنگ داده‌های حسگر هستند.
• محاسبات علمی و تحقیقاتی: حوزه‌هایی مانند کشف دارو، علم مواد و مدل‌سازی اقلیمی به‌شدت به رایانش با عملکرد بالا (HPC) متکی هستند.
• بهداشت و علوم زیستی: از تحلیل تصاویر پزشکی تا ژنومیک و پزشکی شخصی‌سازی‌شده، رایانش تسریع‌شده در حال متحول کردن مراقبت‌های بهداشتی است.
• سیستم‌های خودران: خودروهای خودران و پهپادها برای درک محیط و تصمیم‌گیری لحظه‌ای به توان محاسباتی عظیمی نیاز دارند که پلتفرم Drive انویدیا راهکاری اختصاصی برای این بازار است.

انقلاب مراکز داده

تغییر رویکرد از مراکز داده CPU-محور به GPU-محور، یک تغییر معماری بنیادی است که رشد انویدیا را هدایت می‌کند. ارائه‌دهندگان بزرگ ابری (AWS، Azure، Google Cloud) به‌شدت در حال سرمایه‌گذاری روی خوشه‌های GPU هستند تا «هوش مصنوعی به عنوان سرویس» (AI-as-a-service) را ارائه دهند و GPUهای انویدیا را به سنگ بنای زیرساخت خود تبدیل کنند.

قفل شدن در اکوسیستم استراتژیک

مزیت رقابتی بلندمدت انویدیا با اکوسیستم آن تقویت می‌شود. سرمایه‌گذاری توسعه‌دهندگان در یادگیری و ساخت بر روی پلتفرم CUDA بسیار زیاد است. مهاجرت به پلتفرم‌های جایگزین (مانند ROCm شرکت AMD) مستلزم آموزش مجدد و بازنویسی کدهاست که مانع بزرگی محسوب می‌شود. این «اثر شبکه‌ای» جایگاه مسلط انویدیا را تقویت می‌کند.

موانع و چالش‌های بالقوه

با وجود جایگاه قدرتمند، مسیر رشد انویدیا بدون چالش نیست:

• رقابت و نوآوری: اینتل و AMD به‌شدت در حال توسعه شتاب‌دهنده‌های GPU و پشته‌های نرم‌افزاری خود هستند. همچنین غول‌های فناوری مانند گوگل (TPU) و آمازون در حال طراحی تراشه‌های هوش مصنوعی اختصاصی خود هستند تا وابستگی به انویدیا را کاهش دهند.
• خطرات ژئوپلیتیک و زنجیره تامین: بخش بزرگی از تراشه‌های پیشرفته انویدیا توسط TSMC در تایوان تولید می‌شود. تنش‌های ژئوپلیتیک پیرامون تایوان و کنترل‌های صادراتی ایالات متحده بر تراشه‌های هوش مصنوعی به بازار چین، ریسک‌های قابل‌توجهی برای پتانسیل فروش بین‌المللی این شرکت ایجاد می‌کند.
• مصرف انرژی: آموزش و اجرای مدل‌های بزرگ هوش مصنوعی به برق قابل‌توجهی نیاز دارد که منجر به فشارهای رگولاتوری و نظارت‌های عمومی بر ردپای کربن مراکز داده هوش مصنوعی می‌شود.

مسیر پیش رو: تنوع‌بخشی و نوآوری

انویدیا برای حفظ رشد خود، استراتژی‌هایی را دنبال می‌کند که فراتر از یک شرکت تولید تراشه هوش مصنوعی است. این شرکت در حال تبدیل شدن به یک «شرکت پلتفرمی» است که در بخش‌های خودرو، رباتیک، بهداشت و خدمات نرم‌افزاری (مانند NVIDIA AI Enterprise و Omniverse) فعالیت می‌کند تا جریان‌های درآمدی پایدارتر و تکرارشونده ایجاد کند.

چشم‌انداز سفر شتابان انویدیا

موقعیت انویدیا در خط مقدم رایانش تسریع‌شده، که با انفجار هوش مصنوعی مولد هدایت می‌شود، به‌طور انکارناپذیری قوی است. رابطه پیچیده و رو به گسترش با بخش‌های مختلف اکوسیستم کریپتو، از هوش مصنوعی غیرمتمرکز گرفته تا ZKPها و DePINها، نشان‌دهنده یک وکتور تقاضای رو به رشد است که می‌تواند بازار آن را بیش از پیش متنوع کند.

در نهایت، اگرچه مقیاس رشد اخیر ممکن است به‌طور طبیعی تعدیل شود، فناوری بنیادین و جایگاه استراتژیک انویدیا حاکی از احتمال بالای گسترش مداوم در دنیای محاسبات است. سفر انویدیا دیگر صرفاً درباره «توانایی حفظ رشد» نیست، بلکه درباره شیوه‌های متنوع و پیچیده‌ای است که این رشد در چشم‌انداز محاسباتی جهانیِ هوش‌محور و تا حدی غیرمتمرکز، متجلی خواهد شد.