![見出し画像](https://assets.st-note.com/production/uploads/images/146141856/rectangle_large_type_2_ff23a83c7f0e6e30256ec1f5edb00fe0.jpeg?width=1200)
vol.6:NVIDIA ~Vodka's input journal~
NVIDIAとは。なぜ急成長しているのか
NVIDIAは1993年にシリコンバレーで設立されたファブレスの半導体メーカー。当初PCの演算装置はCPU(Central Processing Unit)主流でIntelやAMDが強かったが、NVIDIAはGPU(Graphics Processing Unit)というグラフィックチップに特化してきた
CPUで有名なのがINTEL CORE i7やAMD Ryzen 5など
GPUの代表製品はNVIDIAのGeForce, Quadro, TeslaやAMDのRadeon
この製造委託先こそが世界最高のファウンダリーであるTSMC
GPUは元々はグラフィックの描画に特化していたが、並列処理能力がCPUよりも高いことがAIの学習・推論、特に深層学習と相性が良いことから、2010年代のAIブーム以降急激に重要度が増した
AIの開発者は自身の開発にNVIDIAのGPUとNVIDIAが開発するCUDA(クーダ)というソフトウェア開発キットを選択し、データセンターに入れて使うようになった(IntelやAMDのCPUの数十倍・数百倍の速度で学習できるようになった)
結果、NVIDIAはAI学習向けの半導体市場で90%を超えるシェアを獲得。特にCUDAをはじめとする開発環境が充実しすぎて、IntelやAMDが全く追いつけない。近年の生成AIブームによりその勢いに拍車がかかり、NVIDIAの株価は2008年8月の3ドルから、15年で150倍以上になった
NVIDIAのGPUとCUDAの組み合わせが、ニューラルネットワークのためのデファクト・スタンダードになっている
2012年にCUDAを使ったAlexNetが画像認識コンペでぶっちぎりで優勝して以降注目された
人工知能の性能を上げるにはニューラルネットの規模(パラメータ数)を大きくして大量の教育データを与える必要があるため、1つ数百万円するNVIDIAのGPUが1年先まで予約が取れない状況
経営状況
CEOは台湾系アメリカ人のJen-Hsun Huang
25年度第一四半期の売上はQoQで18%増の26B(4.1兆円)、粗利率78%
Net profitも14.9Bで、純利益率は驚異の57%
売上の大半がデータセンター向けGPU
![](https://assets.st-note.com/img/1720055852740-L2gXam93oW.png?width=1200)
https://twitter.com/economyapp/status/1793381322968498521?s=46
代表的な製品
GeForceシリーズ
GeForceは、主にゲーマーやエンジニア向けに設計されたGPU(グラフィックス処理ユニット)です。画像処理に特化した半導体チップ(GPU:Graphics Processing Unit)を製品にしたシリーズ物です。これらのGPUは、コンピュータゲームや3Dグラフィックス処理などの用途に広く使用されています。
Quadroシリーズ
専門家やクリエイター向けに設計された高性能なGPUです。CAD(コンピュータ支援設計)、CG制作、科学技術計算など、高度な3Dグラフィックスや計算処理が必要な分野で利用されています。高い処理性能と信頼性、安定性が特長であり、プロフェッショナルなユーザーが求める精度と信頼性を提供します。これらのGPUは、大規模3Dモデリング、シミュレーションなど、複雑なグラフィックスを処理するために設計されています。
Teslaシリーズ
Teslaは、データセンターやクラウドコンピューティングなどの分野で使用される高性能コンピューティング向けのGPUです。主にデータセンターやクラウドコンピューティング環境で使用され、科学計算、機械学習、人工知能などの高度な計算処理に特化しています。
NVIDIAのCUDAプログラミングモデルをもとに開発されており、開発者がGPUをもとに高速な並列計算を実現できます。これにより、さまざまな業界や研究機関でのアプリケーション開発や研究活動が支援されています。
競合を含む他社の反応
Appleは全ての製品がCUDAに依存することを嫌い、OpenCLの代替として2014年に独自プラットフォームのMetalを発表。しかし、グラフィックスやNNの推論はともかく、学習プロセスではCUDAが一人勝ちのため、結局Apple AIも学習プロセスではNVIDIAのGPUを使っている
Microsoftは6月にCopilot+PCを発表。最低限のスペックとしてGPUの能力ではなくNPU(Neural Processing Unit)の能力を定めたことで業界の力関係が変わっていきそう。レイヤーを使った最適化の時代から、デバイス上のNPU上でのニューラルネットを効率よく動かすためのAPIをOSベンダーが提供する時代へ
AMDはクラウド・データセンター領域でMI300を発表して猛追
GPUに組み込む高性能メモリーの需要も急拡大中
この記事が気に入ったらサポートをしてみませんか?