Nvidia’nın 2023 ve 2024’teki hızla yükselişi, çoğunlukla ABD, Orta Doğu ülkeleri ve Çin’de olmak üzere yapay zeka sektöründeki GPU’lara yönelik patlayıcı talepten kaynaklandı. ABD’nin ihracat kısıtlamaları olduğundan ve Nvidia, en üst düzey Hopper H100, H200 ve H800 işlemcilerini hükümetten ihracat lisansı olmadan Çin’e satamayacağından, bunun yerine küçültülmüş HGX H20 GPU’larını Çin’deki kuruluşlara satıyor. Ancak analistlere göre HGX H20, küçülürken satış açısından olağanüstü iyi performans gösteriyor Claus Aasholm. Ürünün satış performansını aşağıdaki tweet’te yer alan tabloda görebilirsiniz.
@clausaasholm’dan “derecesi düşürülen [Nvidia] Çin’e ambargo kurallarını getiren H20 sistemi inanılmaz derecede iyi gidiyor. Çeyrekten çeyreğe %50 büyümeyle..” pic.twitter.com/YdpvrRrvhe27 Aralık 2024
Aasholm, “Çin için ambargo kurallarını geçen, notu düşürülen H20 sistemi inanılmaz derecede iyi gidiyor” diye yazdı. “Çeyrekten çeyreğe %50 büyümeyle bu, Nvidia’nın en başarılı ürünü. H100 işi ‘yalnızca’ çeyrek bazda %25 büyüdü.”
Claus Aasholm’un bulgularına göre Nvidia, tam teşekküllü H100’e kıyasla ciddi oranda düşük performansına rağmen HGX H20 GPU’yu satarak on milyarlarca dolar kazanıyor. Yapay zeka aslında HGX H20 de dahil olmak üzere Nvidia’nın Hopper GPU’ları da dahil olmak üzere hemen hemen her tür veri merkezi donanımının satışını artıran bir mega trend.
Dünyanın önde gelen ekonomileri (ABD ve Çin) maksimum yapay zeka yetenekleri kazanmak için yarışıyor. Amerika için büyüme az çok doğaldır: Daha fazla para ve daha fazla donanım, daha yüksek yeteneklere eşittir, ancak bu yeterli değildir. OpenAI tek başına milyarlarca dolar kazanıyor, ancak daha fazla donanım ve dolayısıyla yapay zeka eğitimi ve çıkarım yetenekleri kazanmak için daha fazlasına ihtiyacı var.
Tüm kısıtlamalara rağmen Çin’in hem donanım hem de büyük model geliştirmedeki yapay zeka yetenekleri genişliyor. Daha geçen hafta, Çinli yapay zeka şirketi Deepseek’in bir makalesinde 671 milyar parametreli DeepSeek-V3 Uzman Karması (MoE) dil modelini 2.048 Nvidia H800 GPU’dan oluşan bir küme üzerinde eğittiğini ortaya çıkardığı ortaya çıktı. iki ay sürdü; toplam 2,8 milyon GPU saati. Karşılaştırıldığında Meta, 54 gün boyunca 16.384 H100 GPU kullanarak 405 milyar parametreye sahip Llama 3’ü eğitmek için hesaplama kaynaklarının 11 katı (30,8 milyon GPU saati) yatırım yaptı.
Zamanla, Çin’in Biren Technologies ve Moore Threads gibi şirketlerin yerli hızlandırıcıları, Çin’deki veri merkezlerinde Nvidia’nın neredeyse tekeline sahip olan şeyi tüketebilir. Ancak bu bir gecede gerçekleşemez.
