من [GeForce] للذكاء الاصطناعي [AI]: ليه قرار [NVIDIA] بخصوص [CUDA] غيّر مستقبل الشركة؟
مقدمة: هل ممكن نضحي بمكسب النهارده علشان نبني عالم الكمبيوتر بتاع بكرة؟
شركة بتصرف فلوس كتير على إمكانية زباينها مش بيطلبوها دلوقتي. إضافتها بتزوّد تكلفة الإنتاج، بس الزباين مش مستعدين يدفعوا زيادة علشانها. ومع كده الشركة ما بتتراجعش. هي مش عايزة تبيع منتج جديد وبس، لكن تبني منصة حوسبة [Computing Platform] يقدر غيرها يبني عليها شغله في المستقبل.
ده كان أساس قرار [NVIDIA] إنها تدخل [CUDA] في معالجات الرسومات [GPU] بتاعة [GeForce]. زي ما وضّح جنسن هوانج [Jensen Huang]، القرار ما جابش نجاح فوري. بالعكس، جاب تكاليف وضغط على الأرباح وانتظار طويل. لكن بعد كده بقى واحد من الأساسات اللي ساعدت نمو التعلم العميق [Deep Learning].
1. من تسريع مهمة محدودة لمنصة حوسبة [Computing Platform] أوسع
في البداية، [NVIDIA] كانت شركة بتخلّي مهمة معينة أسرع. التخصص ده اداها قوة. لكن الاعتماد على سوق ضيق بس كان ممكن يحدّ كمان من قدرتها على البحث والتطوير [Research and Development].
كان فيه تناقض: التخصص الزيادة في شغل محدد ممكن يصعّب شغل حوسبة أوسع. ومحاولة عمل كل حاجة ممكن تضيّع الميزة الأصلية. طريقة هوانج كانت إنه يتحرك خطوة بخطوة بين الناحيتين دول.
هو بيشرح إن أول خطوة كانت مظلّل البكسل القابل للبرمجة [Programmable Pixel Shader]. بعدها دخل حساب الفاصلة العائمة 32 بت المتوافق مع المعيار [IEEE-compatible FP32] في المظللات [Shaders]. ده خلّى الباحثين يسألوا: هل المعالج اللي معمول للرسومات ينفع كمان لحسابات تانية؟
بعد كده ظهر [Cg] المبني على لغة البرمجة [C]. الرحلة دي وصلت في الآخر لـ[CUDA]. يعني ما كانتش وصفة سحرية اتعملت في يوم؛ كانت رحلة مستمرة بتوصل إمكانية تقنية باللي بعدها.
2. المهم مش بس إن [CUDA] اتعمل، لكن إنه وصل لمين
مجرد إنك تعمل تكنولوجيا ممتازة مش معناه إن الناس هتستخدمها تلقائي. لازم مطورين [Developers] يكتبوا البرامج، ولازم عدد كبير من الناس يقدر يستخدم البرامج دي.
قوة منصة الحوسبة [Computing Platform] مش في جمال التصميم بس، لكن كمان في عدد الناس اللي هي موجودة عندهم أصلا. هوانج بيشرح ده باعتباره أهمية قاعدة الأجهزة الموجودة [Installed Base].
هو بيضرب مثال بمعمارية [x86] اللي استمرت رغم الانتقادات بسبب انتشار استخدامها. وبيقول إن بعض معماريات مجموعة التعليمات المختصرة [RISC Architectures]، رغم تصميمها الأنيق، ما حققتش النجاح المتوقع. ده مش معناه إن كل تصميمات [RISC] فشلت. المقصود إن الأناقة التقنية لوحدها ما بتضمنش نجاح المنصة.
وقتها [GeForce] كانت بتبيع ملايين الوحدات في السنة أصلا. فكان عند [NVIDIA] طريق جاهز يوصل الإمكانية الحاسوبية الجديدة للناس.
3. [CUDA] في كل معالج [GeForce]: أساس اتبنى قبل ما المستخدمين يطلبوه
كان ممكن الشركة تحصر [CUDA] في شوية أجهزة أبحاث غالية. بس لو عملت كده، عدد الناس اللي يقدر يوصل له كان هيبقى قليل جدا.
بدل كده، الشركة قررت توصل الإمكانية دي لأجهزة الكمبيوتر الشخصي [PC] المنتشرة عن طريق [GeForce]. المنتج اللي اتشرى للألعاب بقى فيه فرصة للبحث كمان. طالب أو معمل جامعة أو باحث بيركّب جهازه بنفسه بقى يقدر يجرّب حسابات جديدة بالأدوات الموجودة عنده.
ده ما يتفهمش على إن [CUDA] كان شغال على كل كمبيوتر. الفكرة إن قاعدة أجهزة [GeForce] الموجودة [Installed Base] كانت نقطة بداية خلّت الإمكانية دي متاحة لناس أكتر.
هوانج بيقول إن الموضوع ما وقفش عند توفير الأجهزة؛ كان فيه كمان تدريس في الجامعات وكتابة كتب وتنظيم دروس. بناء المنصة ما بيخلصش ببيع المنتج، لازم كمان تبني المعرفة والمجتمع اللي يعرف يستخدمها.
4. التمن الفوري: تكلفة أعلى وأرباح تحت ضغط
العبء الاقتصادي للقرار ما كانش صغير. هوانج بيفتكر إن إضافة [CUDA] زوّدت تكلفة المعالج حوالي 50 في المية، في وقت الشركة كانت شغالة بهامش ربح إجمالي [Gross Margin] حوالي 35 في المية.
اللاعبين ما كانوش هيدفعوا زيادة مقابل قدرة حسابية مش بيستخدموها. فالشركة اضطرت تتحمل التكلفة. هوانج بيوصفها إنها كانت كبيرة لدرجة إنها تبلع كل قيمة الربح الإجمالي [Gross Profit Dollars] بتاع الشركة.
ما ينفعش نطرح النسبتين من بعض مباشرة ونستنتج الوضع المالي للشركة. واحدة أساسها تكلفة الإنتاج، والتانية هامش ربح محسوب من الإيراد. هو مش بيشرح حسبة بسيطة، لكن صعوبة التضحية بدخل النهارده علشان منصة بكرة.
وكمان بيفتكر بشكل تقريبي إن القيمة السوقية [Market Capitalisation] للشركة كانت من ستة لتمانية مليار دولار أمريكي، وبعدها نزلت لحوالي مليار ونص. دي تقديرات من ذاكرته، ومش دليل إن [CUDA] لوحده كان سبب التغيير كله.
مع كده، ملاحظته إن العائد المنتظر أخد حوالي عشر سنين مهمة. القرار ما كانش معمول علشان أرباح الربع اللي بعده.
5. ليه القرار ده بقى أساس للتعلم العميق [Deep Learning]؟
واحدة من العقبات الصعبة قدام الأبحاث الجديدة هي تكلفة وصعوبة الوصول للأجهزة. لو تقدر تبدأ تجربة جديدة بأدوات ناس كتير عندها أصلا، جزء من العقبة دي بيقل.
انتشار [CUDA] عن طريق [GeForce] جهّز أساس يخلّي الباحثين يجرّبوا في بيئة برمجة [Programming Environment] مشتركة. المعرفة والبرامج والخبرة اللي اتكونت هناك نفعت المحاولات اللي بعدها كمان.
لما التعلم العميق [Deep Learning] كبر، كانت الأدوات المناسبة لحساباته المتوازية الكبيرة [Parallel Computing] والناس اللي تعرف تستخدمها موجودين أصلا. دي كانت ميزة مهمة.
تاريخ التعلم العميق [Deep Learning] كله مش معتمد على شركة واحدة أو أداة واحدة. لكن القرار ده ليه دور مهم في إتاحة منصة الحوسبة [Computing Platform] المطلوبة على نطاق واسع. علشان كده هوانج بيأكد فكرة إن [NVIDIA] هي البيت اللي [GeForce] بناه.
6. الثقة اللي اتبنت قبل القرار التقني
ممكن القائد يبقى شايف المستقبل بوضوح، بس الوضوح ده مش كفاية لو مجلس الإدارة والمديرين والموظفين والزباين والشركاء مش مقتنعين بيه.
هوانج بيوصف طريقته إنها شرح للأسباب خطوة بخطوة. كل ما تظهر معلومة جديدة أو تقدم بحثي أو إنجاز هندسي، بيشرح للي حواليه علاقته بالاتجاه اللي رايحين له في المستقبل.
يوم إعلان القرار الكبير ما ينفعش يبقى صدمة مفاجئة للكل. بالعكس، من وجهة نظره الأساس لازم يكون اتجهّز من بدري لدرجة إن الناس تسأل: هو ليه أخد كل الوقت ده؟
ورا قرار [CUDA] كمان كان فيه ثقة وصبر على المدى الطويل بالشكل ده. مش بس اختيار الطريق التقني، لكن كمان تجهيز الشركة اللي هتتحمل تكلفته للرحلة.
7. مش منتج بس، دي منصة الشركاء يقدروا يبنوا عليها
مهم كمان إن [NVIDIA] بتشوف نفسها شركة منصات [Platform Company]. أساس الفكرة إنها تسيب مساحة للشركات التانية تساهم وتبني معاها في كل طبقة.
ده مش معناه إن كل برامجها مفتوحة المصدر [Open Source]. فرصة إن الشركاء يبنوا مع بعض حاجة، ونشر الكود المصدري [Source Code] للناس كلها حاجة تانية.
المنصة الكويسة مش بتكبر بالشركة اللي عملتها بس. بتكبر كمان بالتطبيقات اللي الباحثين والمطورين [Developers] والشركات والمؤسسات التعليمية بيبنوها عليها. قرار [CUDA] فتح الباب للنمو ده.
8. درس النهارده: تسريع معالج واحد مش كفاية
في أحمال الحوسبة الموزعة الكبيرة [Distributed Workloads]، تسريع جزء واحد مش بيخلّي النظام كله أسرع بنفس النسبة. قانون أمدال [Amdahl's Law] بيشرح ده.
خلينا نفترض إننا نقدر نحسّن نص الوقت اللي مهمة بتاخده بس. مهما سرّعنا النص ده، النص التاني اللي ما اتغيّرش هيفضل موجود. حتى لو الجزء اللي اتحسّن ما بقاش بياخد وقت خالص، المهمة كلها أقصى سرعة ليها هتبقى الضعف.
علشان كده لازم تصميم معالج الرسومات [GPU] والمعالج المركزي [CPU] والشبكات [Networking] والذاكرة [Memory] والكهربا [Power] والتبريد [Cooling] يبقى متوافق مع بعضه. هوانج بيوصف ده بالتصميم المشترك شديد الترابط [Extreme Co-design].
هنا بنشوف ارتباط بقرار [CUDA] القديم. قدرة أداة واحدة لوحدها مش كفاية؛ البيئة كلها اللي بتستخدمها لازم تكبر معاها.
الخلاصة: قرار صنع استخدامات المستقبل
أهمية تقديم [CUDA] ما كانتش مجرد إمكانية برمجة جديدة. الأهمية الأعمق إنها اتربطت بـ[GeForce] اللي كانت بتتباع بأعداد كبيرة أصلا، ووصلت من بدري لناس هتستخدمها في المستقبل.
لو بصينا للتكلفة وقتها بس، كان القرار ممكن يبان غلط. لكن [NVIDIA] كانت فاهمة إن قيمة منصة الحوسبة [Computing Platform] موجودة كمان في التطبيقات اللي غيرها هيبنيها عليها.
التكنولوجيا والانتشار والتعليم ومجتمع المطورين [Developer Community] وصبر الشركة اجتمعوا وخلقوا فرصة جديدة. بعد كده الفرصة دي ارتبطت بنمو الذكاء الاصطناعي [AI]. ده درس قرار [CUDA]: التغيير الكبير بتاع بكرة محتاج أساس ناس كتير تقدر تبدأ تبني عليه النهارده.
Powered By K7