NVIDIA najlepszym producentem procesorów? Przychody firmy mogą być astronomiczne

NVIDIA, znana dotychczas jako czołowy dostawca układów graficznych, wkracza na rynek głównych procesorów obliczeniowych z nową platformą Vera.

Zgodnie z najnowszymi informacjami, produkcja układów ruszyła pełną parą, a pierwsze egzemplarze trafiły już do takich firm jak OpenAI, SpaceX, Anthropic oraz Oracle. Oczekuje się, że sprzedaż samodzielnych procesorów wygeneruje w tym roku przychody rzędu 20 miliardów dolarów. Dyrektor finansowa firmy, Colette Kress, podkreśla, że nowa architektura otwiera rynek o wartości 200 miliardów dolarów, co pozwala korporacji na wyprzedzenie konkurentów pokroju AMD oraz Intel w segmencie infrastruktury dla sztucznej inteligencji.

Procesory Vera opierają się na architekturze ARM i wykorzystują 88 autorskich rdzeni Olympus. Układy te oferują przepustowość pamięci na poziomie 1,2 TB/s, co przekłada się na o 50% wyższą wydajność rdzenia przy pełnym obciążeniu w porównaniu do tradycyjnych rozwiązań x86. Sprzęt zapewnia również 2 razy wyższą wydajność z 1 wata energii oraz 4 razy większą gęstość obliczeniową na 1 szafę serwerową.

Platforma została zaprojektowana od podstaw z myślą o agentowej sztucznej inteligencji, obsługując specjalistyczne zadania. Zapotrzebowanie na nowe układy jest tak ogromne, że dyrektor generalny NVIDIA, Jensen Huang, przewiduje problemy z podażą przez cały cykl życia platformy. Samodzielny procesor to zaledwie 1 z 4 głównych zastosowań architektury Vera, która będzie również stanowić rdzeń szaf serwerowych Rubin, gdzie 2 układy CPU współpracują z 4 procesorami graficznymi. Głównym wyzwaniem logistycznym pozostaje dostępność pamięci LPDDR5X, kluczowej dla poprawnego działania całego ekosystemu.

Przy okazji prezentacji odniesiono się także do konkurencyjnych akceleratorów opartych na pamięci statycznej, przeznaczonych do szybkiego wnioskowania. Huang określił je jako produkty niszowe, charakteryzujące się niskimi opóźnieniami, ale jednocześnie niewielką przepustowością i ograniczonymi możliwościami przetwarzania szerokiego kontekstu, co czyni je mało przydatnymi przy skomplikowanych obciążeniach agentowych.