Nvidia başkanı Jensen Huang, San Jose’deki SAP Merkezini dolduracak kadar büyük bir izleyici kitlesine “Umarım bunun bir konser olmadığının farkındasınızdır” dedi. Belki de konserin tam tersi olan bir şeyi, şirketin GTC etkinliğini bu şekilde tanıttı. “Bir geliştirici konferansına geldiniz. Algoritmaları, bilgisayar mimarisini, matematiği anlatan pek çok bilim olacak. Odada çok ağır bir ağırlık hissediyorum; birdenbire yanlış yerdesin.”
Bir rock konseri olmayabilir ama deri ceketli 61 yaşındaki CEO dünyanın en değerli üçüncü şirketi Piyasa değerine göre seyirciler arasında kesinlikle oldukça fazla sayıda hayran vardı. Şirket 1993 yılında genel bilgi işlemin sınırlarını zorlama misyonuyla kuruldu. “Hızlandırılmış hesaplama” Nvidia’nın sloganı haline geldi: Genel bir amaç yerine özelleştirilmiş çipler ve anakartlar yapmak harika olmaz mıydı? Nvidia çipleri, grafiğe aç oyunculara oyunları daha yüksek çözünürlükte, daha yüksek kalitede ve daha yüksek kare hızlarında oynamak için ihtiyaç duydukları araçları sağlıyor.
Nvidia CEO’sunun bir konserle paralellikler kurması belki de çok büyük bir sürpriz değil. Mekan tek kelimeyle tam bir konser havasındaydı. Resim Kredisi: TechCrunch / Haje Kamps
Pazartesi günkü açılış konuşması bir bakıma şirketin orijinal misyonuna geri dönüş niteliğindeydi. “Size Nvidia’nın ruhunu, şirketimizin ruhunu, bilgisayar grafikleri, fizik ve yapay zekanın kesiştiği, hepsinin bir bilgisayarın içinde kesiştiği noktayı göstermek istiyorum.”
Ardından, sonraki iki saat boyunca Huang nadir görülen bir şey yaptı: Dikkatini dağıttı. Zor. Açılış konuşmasına gelen ve ondan Tim Cook’u gösterişli, izleyici odaklı bir açılış konuşması yapmasını bekleyen herkes hayal kırıklığına uğrayacaktı. Genel olarak açılış konuşması teknoloji ağırlıklı, kısaltmalarla dolu ve özür dilemeden bir geliştirici konferansıydı.
Daha büyük GPU’lara ihtiyacımız var
Grafik işlem birimleri (GPU’lar) Nvidia’nın başladığı yerdir. Eğer bir bilgisayar topladıysanız muhtemelen PCI yuvasına takılan bir grafik kartı düşünüyorsunuzdur. Yolculuğun başladığı yer burası ama o zamandan bu yana çok yol kat ettik.
Şirket, tam bir canavar olan yepyeni Blackwell platformunu duyurdu. Huang, işlemcinin çekirdeğinin “bir çipin ne kadar büyük olabileceği konusunda fiziğin sınırlarını zorladığını” söylüyor. İki çipin gücünü birleştirerek 10 Tbps hız sunuyor.
Huang, Blackwell’in bir prototipini göstererek, “Burada yaklaşık 10 milyar dolar değerinde ekipman tutuyorum” dedi. “Bir sonrakinin maliyeti 5 milyar dolar olacak. Neyse ki hepiniz için, oradan daha ucuza geliyor. Bu çiplerin bir demetini bir araya getirmek, gerçekten etkileyici bir güç ortaya çıkarabilir.
Önceki nesil AI için optimize edilmiş GPU’ya Hopper adı verildi. Blackwell, nasıl ölçtüğünüze bağlı olarak 2 ila 30 kat daha hızlıdır. Huang, GPT-MoE-1.8T modelini oluşturmanın 8.000 GPU, 15 megawatt ve 90 gün sürdüğünü açıkladı. Yeni sistemle yalnızca 2.000 GPU kullanabilir ve gücün %25’ini kullanabilirsiniz.
Bu GPU’lar olağanüstü miktarda veriyi etrafa aktarıyor; bu da Huang’ın bahsettiği başka bir konuya çok iyi bir giriş.
Sıradaki ne
Nvidia, sürücüsüz otomobiller üzerinde çalışan otomobil üreticileri için yeni bir araç seti sundu. Şirket zaten robot biliminde önemli bir oyuncuydu, ancak robot bilimcilerin robotlarını daha akıllı hale getirmeleri için yeni araçlarla bunu ikiye katladı.
Huang, veri merkezi yerine “Yapay zeka fabrikası” ifadesini tekrarlamaya devam etti. “Buralarda yeni bir Sanayi Devrimi yaşanıyor [server] odalar: Ben onlara yapay zeka fabrikaları diyorum,” dedi Huang.
Şirket ayrıca yapay zeka modellerinin dağıtımını basitleştirmeyi amaçlayan bir yazılım platformu olan Nvidia NIM’i de tanıttı. NIM, temel olarak Nvidia’nın donanımını kullanıyor ve yapay zekaya hazır konteynerlerden oluşan bir ekosistem sağlayarak şirketlerin yapay zeka girişimlerini hızlandırmayı hedefliyor. Nvidia, Google ve Hugging Face gibi çeşitli kaynaklardan gelen modelleri destekler ve Amazon SageMaker ve Microsoft Azure AI gibi platformlarla entegre olur. NIM, üretken yapay zeka sohbet robotlarına yönelik araçlar da dahil olmak üzere yeteneklerini zaman içinde genişletecek.
Huang, “Dijitalleştirebileceğiniz her şey: Bazı kalıpları uygulayabileceğimiz bir yapı olduğu sürece, bu kalıpları öğrenebileceğimiz anlamına gelir” dedi. “Ve eğer kalıpları öğrenebilirsek anlamını anlayabiliriz. Anlamı anladığımızda onu da üretebiliriz. Ve işte buradayız, üretken yapay zeka devriminde.”
Nvidia’nın GTC 2024’ünü takip edin:
Güncelleme: Bu gönderi, yeni bilgiler ve açılış konuşmasının videosunu içerecek şekilde güncellendi.
