За три десятилетия компания NVIDIA прошла путь от небольшого разработчика игровых видеокарт до одного из ключевых поставщиков вычислительной инфраструктуры для технологических-корпораций. Долгое время она определяла развитие ПК-гейминга, формируя стандарты графики в игровой индустрии. Однако сегодня основной приоритет "зелёной компании" Дженсена Хуанга лежит в области искусственного интеллекта и корпоративных дата-центров. В этом материале мы проследим эволюцию одного из главных производителей видеокарт в мире и расскажем, как NVIDIA привязала разработчиков к своей экосистеме.
Первые годы NVIDIA
NVIDIA была основана в 1993 году тремя предпринимателями: Дженсеном Хуангом — тайваньским иммигрантом с образованием в области электротехники; Крисом Малаховски — разработчиком чипов из Sun Microsystems; и Кёртисом Приемом — экспертом по компьютерной графике. Они запустили компанию, опираясь на простую идею: "графика станет следующим большим прорывом в сфере IT". Однако в то время это было далеко не так очевидно.
Такие гиганты, как Intel и 3dfx Interactive, уже вкладывали значительные ресурсы в эту область. И для небольшого стартапа с ограниченным финансированием шансы на выживание казались практически нулевыми. Однако, забегая вперёд, уже несколько лет спустя в этой гонке остались только NVIDIA, 3dfx и ATI Technologies. В 2002 году 3dfx обанкротится и будет поглощена компанией Хуанга, а ATI впоследствии приобретёт компания AMD, которая и по сей день остаётся, пожалуй, единственным значимым конкурентом NVIDIA на рынке дискретных видеокарт.
NV1 — универсальный чип, который "никому не был нужен"
Первый графический чип NVIDIA — NV1 — был выпущен в 1995 году, но не возымел особого коммерческого успеха, поскольку был слишком специализированным и несовместимым с существовавшими тогда ПК-системами. Один чип объединял графику, звук и даже располагал портом для игрового геймпада Sega Saturn.
Однако, несмотря на свою универсальность, у NV1 имелся один критический недостаток. В основе архитектуры NV1 было квадратичное текстурное отображение, тогда как вся игровая индустрия двигалась к использованию треугольников в качестве стандарта для 3D-рендеринга. Разработчики не хотели переписывать свои движки под чип NVIDIA, что по итогу привело к низким продажам. Ситуацию усугубляло и то, что в 1996 году компании не удалось достичь соглашения с Sega о поставке NV1 для консоли Dreamcast (контракт достался другой компании — PowerVR). В этот момент NVIDIA оказалась на грани банкротства, а Дженсен Хуанг принял решение уволить половину команды разработчиков.
RIVA 128 — первый успех "зелёной компании"
Прорывом для NVIDIA стали, вышедшие в 1997 году, чипы RIVA, причем RIVA 128 стала флагманской моделью. В отличие от NV1, эта модель поддерживала отраслевые стандарты, такие как Direct3D и OpenGL, что значительно облегчило её внедрение разработчиками. Кроме того, она была быстрее и дешевле аналогов от конкурентов. За первые четыре месяца было продано свыше миллиона единиц RIVA 128, что спасло NVIDIA от разорения и смогла продолжить развитие линейки.
К 1999 году вышло еще восемь графических процессоров этой серии, два из которых получили название Vanta. Десять выпущенных в то время моделей были основаны на четырехъядерных графических процессорах: NV3, NV4, NV5 и NV6, а их тактовая частота варьировалась от 80 до 150 МГц. Для сравнения: это составляет менее 1% мощности по сравнению с актуальными видеокартами RTX 50.
Эра GeForce — от первого GPU до RTX
Формирование стандарта GPU
Название GeForce — это игра слов, сочетающая G-Force (гравитация) и Geometry (геометрия) и Force (сила). Первая серия называлась GeForce 256 и была выпущена в октябре 1999 года. Она стала первой видеокартой, которая полностью поддерживала DirectX 7, мультимедийный интерфейс Microsoft для Windows. Фактически именно с её выходом NVIDIA начали популяризировать термин GPU. В отличие от предыдущих ускорителей, она получила аппаратный блок Transform & Lighting, позволивший перенести расчёты геометрии с процессора на видеокарту. Это резко увеличило производительность в 3D-играх и закрепило лидерство компании на рынке.
Следующие поколения — GeForce 2, 3 и 4 — развивали эту концепцию, постепенно внедряя программируемые шейдеры и поддержку новых версий DirectX. Уже тогда Nvidia начала использовать сложную систему маркировки моделей, разделяя линейки на бюджетные MX и более мощные Ti.
Архитектурный кризис начала 2000-х
В 2003 году NVIDIA столкнулась с серьёзными трудностями. Серия GeForce FX поддерживала DirectX 9, но уступала аналогам от ATI по производительности и энергоэффективности. Шумные системы охлаждения и сложная архитектура сделали линейку одной из самых спорных в истории компании. В этот период стало ясно, насколько быстро меняется рынок графики и насколько опасно отставание в архитектурных решениях.
Закрепление позиций в игровом сегменте
С выходом GeForce 6 в 2004-м NVIDIA смогла вернуть позиции. Карты получили поддержку Shader Model 3.0 и стали популярны среди геймеров благодаря удачному сочетанию цены и производительности. Именно в это время компания возродила технологию SLI — возможность объединять две видеокарты для повышения мощности. В 2005 году серия GeForce 7 закрепила успех и стала последним поколением классической фиксированной архитектуры.
Подготовка к эпохе GPGPU
В 2006 году NVIDIA представила GeForce 8800 GTX — одну из самых значимых видеокарт в истории индустрии. Она первой получила архитектуру с унифицированными шейдерами, что позволило гибко распределять вычислительные ресурсы между различными задачами. Это решение не только увеличило производительность в играх, но и стало основой для будущих вычислительных платформ NVIDIA, включая CUDA и развитие технологий искусственного интеллекта.
Интеграция трассировки лучей и AI
В 2018 году NVIDIA вновь изменила рынок, представив серию RTX. Впервые видеокарты получили специализированные ядра для трассировки лучей и ускорения AI-алгоритмов. Технологии вроде DLSS показали, что GPU может не только рендерить графику, но и интеллектуально улучшать изображение. С этого момента видеокарты NVIDIA окончательно превратились из игровых ускорителей в универсальные вычислительные платформы.
С чего началось увлечение NVIDIA нейросетями
Если на заре своего существования NVIDIA представляла интерес в основном для геймеров и ценителей игрового "железа", то в последние годы ситуация существенно изменилась. Всё чаще компания Дженсена Хуанга фигурирует в новостных заголовках в контексте ИИ да и само руководство стремиться переориентироваться на потребности бигтех-корпораций.
И вот, на фоне кризиса оперативной памяти, спровоцированного одержимостью искусственным интеллектом, "НВИДИЯ" анонсирует DLSS 5, который сразу же окрестили AI slop-фильтром. Неудивительно, что это (как общий курс компании) вызвало негативную реакцию среди геймеры, которые проклинают ИИ за стремительный рост цен на комплектующие. Однако если окунуться в историю NVIDIA, то станет ясно, что производитель "зелёных" видеокарт давно пытается выйти за пределы рынка сугубо игровых GPU. В общем-то, именно давний интерес к области нейросетей и сделал контору Хуанга такой, какой мы её знаем сегодня — со всеми плюсами и минусами.
Термину "нейросеть" уже более 80 лет, однако всерьёз обсуждать его стали уже ближе к концу XX века. В 1986 году трое исследователей — Джеффри Хинтон, Дэвид Румельхарт и Рональд Уильямс — опубликовали в журнале Nature работу, в которой показали, что алгоритм обратного распространения ошибки (backpropagation) может эффективно использоваться для обучения многослойных нейронных сетей. Он математически вычисляет, насколько каждый "нейрон" сети внес вклад в итоговую ошибку и на основе этого корректирует результат.
Это было фундаментальное открытие, так как до этой публикации обучение сложных нейронных сетей было практически невозможным. Однако в 1980-90-е годы исследования Хинтона в области нейронных сетей подвергались сильной критике. Почти двадцать лет — с 1986 по примерно 2006 год — он совершенствовал методы обучения, игнорируя скепсис научного сообщества, пока в мире аппаратного программного обеспечения не произошло не менее важное событие.
NVIDIA, которая на тот момент была не такой известной компанией сделала гениальный шаг — разработала программную платформу CUDA (Compute Unified Device Architecture). По сути, CUDA позволяла разработчикам использовать графические процессоры NVIDIA для задач общего назначения. Она давала программистам возможность задействовать тысячи вычислительных ядер GPU для таких задач, как физическое моделирование, финансовые расчёты или свёртывание белков.
Но в то время почти никто не воспринимал эту идею всерьёз. В индустрии считалось очевидным: если нужна настоящая вычислительная мощность — следует использовать центральный процессор от Intel или, в крайнем случае, суперкомпьютер. Зачем кому-то переписывать программное обеспечение лишь ради того, чтобы запускать его на видеокарте? CUDA требовала от разработчиков освоения новых инструментов и переосмысления подходов к программированию. Поэтому на протяжении нескольких лет её распространение шло медленно.
Однако в 2012 году всё изменилось. В том году группа исследователей из Университета Торонто под руководством уже упомянутого Джеффри Хинтона, Ильи Суцкевера и Алекса Крижевского приняла участие в соревновании по распознаванию изображений ImageNet. Их модель AlexNet представляла собой многослойную нейронную сеть, обученную на миллионах изображений.
Обучение в таком масштабе стало серьёзным вызовом: на центральных процессорах это заняло бы недели, а возможно — и месяцы. Поэтому исследователи обратились к графическим процессорам NVIDIA с поддержкой CUDA, способным выполнять тысячи операций параллельно.
Результат оказался ошеломляющим. AlexNet разгромила конкурентов, почти вдвое сократив уровень ошибок по сравнению с предыдущим годом. Это стало прорывом, который потряс сообщество специалистов по искусственному интеллекту. Внезапно стало ясно: если вы хотите обучать современные модели ИИ, вам необходимы GPU. И не просто любые GPU — вам нужны видеокарты NVIDIA.
Дальше события начали развиваться лавинообразно. Исследователи в области обработки естественного языка, робототехники и распознавания речи стали массово переходить на оборудование NVIDIA. Технологические гиганты — Google, Facebook, Microsoft и Amazon — начали заполнять свои дата-центры стойками с графическими процессорами Nvidia, используя их для всего:
- Поисковых систем;
- Машинного перевода;
- Рекомендательных алгоритмов.
А поскольку CUDA оставалась собственной разработкой NVIDIA, компания получила мощный эффект "привязки". Как только исследователи писали код под CUDA, перейти на альтернативные решения становилось сложно. Так возникла положительная обратная связь: чем больше разработчиков использовали технологию, тем больше инструментов создавалось вокруг экосистемы "зелёной корпорации".
Окончательный переход на рынок ИИ
К началу 2020-х NVIDIA больше не воспринималась исключительно как производитель игровых видеокарт. Пока конкуренты пытались догнать компанию на уровне "железа", её реальное преимущество формировалось в программном стеке. Библиотеки вроде cuDNN предоставляли исследователям готовые оптимизированные строительные блоки для нейросетей. Инженеры NVIDIA месяцами оптимизировали операции под конкретные архитектуры, снимая с разработчиков необходимость заниматься низкоуровневой оптимизацией.
Результатом стала уникальная ситуация на рынке. Даже когда альтернативные ускорители предлагали сопоставимую или более низкую цену, переход на них означал необходимость переписывать код и перестраивать рабочие процессы. Для индустрии, где скорость разработки критична, это становилось серьёзным барьером.
Запуск массовых сервисов генеративного ИИ стал катализатором беспрецедентного спроса на вычислительные мощности. Обучение передовых моделей требовало десятков тысяч графических ускорителей, а инвестиции в ИИ-стартапы выросли до сотен миллиардов долларов. В результате на сегодняшний день NVIDIA контролирует уже 94% рынка графических ускорителей.
Это привело к эффекту, хорошо знакомому геймерам ещё со времён криптовалютного бума. Приоритет поставок постепенно сместился в сторону корпоративных клиентов и облачных провайдеров. Игровые GPU по-прежнему остаются важным сегментом, но уже не определяют стратегическое направление бизнеса. Фактически NVIDIA повторила историю, но на новом уровне. Если раньше рост цен объяснялся майнингом, то теперь причиной стал искусственный интеллект — рынок с куда более долгосрочными перспективами.
