U svijetu moderne tehnologije, procesorska snaga postala je najvredniji resurs. Dok su godinama grafičke kartice bile predmet žudnje igrača i dizajnera, pojavom kriptovaluta i umjetne inteligencije (AI) njihova uloga se drastično promijenila. Jedan od najutjecajnijih igrača u ovom sektoru, tvrtka Nvidia, nedavno je iznijela vrlo oštre stavove o doprinosu kriptovaluta društvu, jasno stavljajući do znanja gdje vidi pravu vrijednost tehnološkog napretka.
Sadržaj...
Kritika kriptovaluta i etika resursa
Nvidia, kao vodeći proizvođač čipova, nalazi se u specifičnoj poziciji. Njihov hardver je ključan za rudarenje kriptovaluta, što im donosi značajne financijske prihode, no to ne znači da tvrtka dijeli viziju kripto-zajednice. Michael Kagan, glavni tehnološki direktor Nvidie, otvoreno je izrazio skepticizam prema kriptovalutama, tvrdeći da one ne donose stvarnu korist čovječanstvu niti doprinose društvenom razvoju.
Kaganov stav temelji se na ideji da je procesorska snaga previše dragocjen resurs kako bi se trošio na aktivnosti koje on smatra nekorisnima. Iako Nvidia prodaje svoje komponente onima koji ih žele koristiti za rudarenje, tvrtka se svjesno distancira od podržavanja te ideologije. To je jasno pokazala i 2021. godine kada je uvela softverska ograničenja za određene grafičke kartice kako bi spriječila njihovo masovno korištenje za rudarenje Ethereuma, čime je pokušala zaštititi dostupnost hardvera za gamer-e i kreativce.
Umjetna inteligencija kao pravi katalizator promjena
Nasuprot kriptovalutama, Nvidia vidi umjetnu inteligenciju kao tehnologiju koja će transformirati svijet. Umjesto rudarenja digitalnih novčića, procesorska snaga treba usmjeriti prema razvoju sustava poput ChatGPT-a i sličnih AI modela. Primjer koji najbolje ilustrira ovu razliku jest činjenica da je prva verzija ChatGPT-a trenirana na superračunalu koji je koristio oko 10 tisuća Nvidijinih grafičkih kartica.
Izvršni direktor Nvidie, Jensen Huang, usporedio je trenutni uspon umjetne inteligencije s “iPhone momentom” – trenutkom koji potpuno mijenja način na koji funkcionira tehnologija i svakodnevni život. Prema njegovim riječima, AI će ponovno izumiti gotovo svaku postojeću industriju, od medicine i znanosti do proizvodnje i usluga.
Kome Nvidia zapravo isporučuje svoju snagu?
Potražnja za Nvidijinim čipovima više nije ograničena samo na kućne računala. Najveći tehnološki giganti svijeta ulažu milijarde u infrastrukturu za umjetnu inteligenciju, koristeći specifične GPU modele kao što su A100 i H100. Ovi čipovi nisu namijenjeni igrama, već kompleksnim izračunima u oblaku i treniranju neuronskih mreža.
Evo nekoliko primjera masovnih isporuka koje potvrđuju ovaj trend:
- Microsoft: Kupio je desetke tisuća A100 procesora za potrebe razvoja AI usluga.
- Amazon: Nabavio je 20 tisuća H100 čipova za svoju AWS (Amazon Web Services) platformu.
- Oracle: Kupio je 16 tisuća specijaliziranih čipova za svoje podatkovne centre.
- DGX Cloud: Nvidia sada izravno iznajmljuje pristup svojim najmoćnijim čipovima putem vlastite cloud usluge.
Zaključak
Sukob između kriptovaluta i umjetne inteligencije u kontekstu hardvera nije samo pitanje novca, već i vizije. Dok kriptovalute zahtijevaju ogromne količine energije i procesorske snage za održavanje mreže, umjetna inteligencija koristi te iste resurse za rješavanje kompleksnih problema i stvaranje novih alata za produktivnost. Nvidia je jasno odredila svoju stranu: iako će nastaviti prodavati hardver tržištu, njihova strateška podrška i razvojni fokus ostaju usmjereni na AI, vjerujući da je to jedini put koji donosi stvarnu vrijednost društvu.
Česta pitanja (FAQ)
Zašto Nvidia ograničava rudarenje kriptovaluta?
Tvrtka želi osigurati da grafičke kartice budu dostupne krajnjim korisnicima, poput igrača i dizajnera, umjesto da budu masovno otkupljene za rudarske farme, što često dovodi do nedostataka na tržištu i umjetnog rasta cijena.
Koja je razlika između običnih GPU-a i onih za AI (poput H100)?
Dok su obični GPU-i optimizirani za renderiranje slika i videoigara, čipovi poput H100 dizajnirani su za paralelno procesiranje ogromnih količina podataka, što je neophodno za treniranje velikih jezičnih modela i duboko učenje.
