சிப்பைத் தாண்டிய Nvidia: திறந்த மூலம், AI தொழிற்சாலைகள், கட்டமைப்பின் பலம்
Nvidia விற்பது சிப் மட்டுமல்ல; ஒரு கணினிக் கட்டமைப்பு
பகுப்பாய்வு | நவம்பர் 13, 2026. தரவு மையங்களில் AI மாதிரிகளைப் பயிற்றுவிக்கவும் இயக்கவும் பயன்படும் உயர்தர சிப்களின் முதன்மை வழங்குநராக Nvidia உள்ளது. இத்துறையின் உலகளாவிய சந்தையில் அதன் பங்கு சுமார் 80% எனத் தொழில்துறை மதிப்பீடுகள் காட்டுகின்றன. அதன் முக்கியத்துவம் செயலிகளைத் தாண்டி மென்பொருள், உருவாக்குநர் கருவிகள், கிளவுட் சேவைகள், பொறியியல் நடைமுறைகள் வரை விரிகிறது. போட்டிச் செயலி ஒன்றை வடிவமைப்பதைவிட, ஏற்கெனவே இயங்கும் இந்தக் கணினித் தளத்தை மாற்றுவது மிகப் பெரிய பணி. சந்தைப் பங்கு என்பது வரையறுக்கப்பட்ட சந்தையின் அளவீடு; ஒவ்வொரு AI நிறுவனத்தையும் எண்ணிய கணக்கோ பிரத்தியேகச் சார்பிற்கான ஆதாரமோ அல்ல.
சேமிக்கப்பட்ட தகவலை மீட்டெடுப்பதிலிருந்து சூழலுக்கேற்ற பதில்களை நிகழ்நேரத்தில் உருவாக்குவதற்கான மாற்றம் கணக்கீட்டின் பொருளாதாரப் பங்கை மாற்றுகிறது. முன்பதிவு செய்யப்பட்ட கோப்பை வழங்குவதுடன் நிற்காமல் AI அமைப்பு தனது வெளியீட்டை உருவாக்கக் கணக்கீடு செய்கிறது. இதிலிருந்துதான் AI தொழிற்சாலை என்ற கருத்து வருகிறது: டிஜிட்டல் சேவைகளின் உற்பத்தி முறையில் கட்டமைப்பே ஒரு பகுதியாகிறது. வெளியீட்டை வழங்கும் செலவைவிட அதிக வருமானம் ஈட்டும் அளவுக்கு அது பயனுள்ளதா என்பதே வணிகச் சோதனை.
திறந்த மூல மென்பொருள் இயந்திரத்தின் ஒரு பகுதி; CUDA முழுவதும் திறந்த மூலமல்ல
திறந்த மூல மென்பொருளை அதன் உரிம நிபந்தனைகளுக்கு உட்பட்டு ஆய்வு செய்யவும் மாற்றவும் பகிரவும் முடியும். நிறுவனங்களுக்கும் நாடுகளுக்கும் இடையிலான ஒத்துழைப்பை அது சாத்தியமாக்குகிறது. இந்தப் பொதுவான அடித்தளத்திற்கு PyTorch ஒரு எடுத்துக்காட்டு. அது Linux Foundation அமைப்பிற்குச் சென்றபோது AMD, AWS, Google Cloud, Meta, Microsoft Azure, Nvidia உள்ளிட்ட உறுப்பினர்கள் இணைந்தனர். எனவே திறந்த AI மென்பொருள் என்பது ஒரு சிப் நிறுவனத்தின் சொத்தோ சாதனையோ மட்டும் அல்ல.
இந்த அமைப்பில் Nvidia பங்கேற்கும் அதே நேரத்தில் தனியுரிமைக் கூறுகளையும் வைத்துள்ளது. அதன் CUTLASS மென்பொருள் நூலகம் BSD உரிமத்தில் வெளியிடப்படுகிறது; Linux GPU kernel modules, MIT/GPL இரட்டை உரிமத்தில் உள்ளன. ஆனால் kernel modules திறந்த மூலமாக இருப்பதால் driver, firmware அல்லது CUDA Toolkit முழுவதும் திறந்த மூலமாகிவிடாது. Toolkit-க்கு தனி உரிமமும் கட்டுப்பாடுகளும் உள்ளன. இலவசப் பதிவிறக்கம், திறந்த மூலம், திறந்த மாதிரி எடைகள் ஆகியவை வெவ்வேறு விஷயங்கள். ஒவ்வொரு கூறின் நிபந்தனையையும் தனித்தனியாகப் பார்க்க வேண்டும்.
திறந்த மாதிரிகள் ஒன்றோடொன்று தொடர்புடைய மூன்று நோக்கங்களுக்கு உதவுகின்றன: எதிர்கால மாதிரிக் கட்டமைப்புகளைப் புரிந்துகொள்வது; சில தனியுரிமை வழங்குநர்களைத் தாண்டி AI பரவ உதவுவது; மொழி மட்டுமின்றி உயிரியல், இயற்பியல், ரோபோட்டிக்ஸ் போன்ற துறைகளையும் ஆதரிப்பது. Nemotron 3 Super ஒரு குறிப்பிட்ட எடுத்துக்காட்டு. மொத்தம் 120 பில்லியன் அளவுருக்களும், செயல்படும் 12 பில்லியன் அளவுருக்களும் கொண்ட கலப்பு Mamba-Transformer mixture-of-experts மாதிரியாக Nvidia இதை விவரிக்கிறது. அதன் checkpoints, தரவுத்தொகுப்புகள், உருவாக்க வழிமுறைகளும் வெளியிடப்பட்டுள்ளன. இவை குறிப்பிட்ட வகையிலான திறந்த அணுகலைக் காட்டுகின்றன; எல்லா Nvidia தயாரிப்புகளையும் கட்டுப்பாடற்றவையாக மாற்றுவதில்லை.
ஒரு யோசனையை இயங்கும் அமைப்பாக மாற்றும் பாதையே பலம்
GPU மூலம் விரைவுபடுத்தப்படும் பயன்பாடுகளுக்கு நிரலாக்கத் தளம், compiler, மென்பொருள் நூலகங்கள், கருவிகள் ஆகியவற்றை CUDA வழங்குகிறது. ஒவ்வொரு செயல்பாட்டையும் நேரடியாக CUDA-வில் எழுதாமலே ஒரு ஆராய்ச்சியாளர் உயர்நிலை framework ஒன்றைப் பயன்படுத்தலாம். ஆனால் அதன் அடியில் உள்ள செயலாக்கத் தேர்வுகள் நினைவகப் பயன்பாடு, கணக்கீடு, சாதனங்களுக்கிடையிலான தகவல் பரிமாற்றம் ஆகியவற்றை இன்னமும் பாதிக்கின்றன.
CUDA-வின் ஏற்கெனவே உள்ள பயன்பாட்டு அடித்தளம் ஒரு முக்கியப் போட்டி பலம். ஆதரிக்கப்படும் மென்பொருள், பயிற்சியுள்ள பொறியாளர்கள், பிழைநீக்கக் கருவிகள், பழக்கமான செயல்படுத்தல் முறைகள் ஆகியவை ஒரு மாதிரியை நடைமுறைக்குக் கொண்டுவரும் நிச்சயமின்மையைக் குறைக்கின்றன. போட்டியாளர் சிப்பின் விவரக்குறிப்பில் உள்ள எண்ணுடன் மட்டும் போட்டியிடவில்லை; இயங்கிக்கொண்டிருக்கும் இந்த முழுச் சேர்க்கையுடனும் போட்டியிடுகிறார். அதை மாற்ற மென்பொருளைத் தழுவுதல், முடிவுகளைச் சரிபார்த்தல், இயக்க நிபுணத்துவத்தை மீண்டும் உருவாக்குதல் தேவைப்படலாம். சிரமம் உண்மையானது; ஆனால் செலவு பணிச்சுமையைப் பொறுத்து மாறும். இது நிரந்தரக் கட்டுப்பாடு அல்ல.
OpenAI மற்றும் கிளவுட்: கணிசமான சார்பு; உலகளாவிய ஏகபோகம் அல்ல
ChatGPT என்பது OpenAI-யின் சேவை; இந்த ஒப்பீட்டில் அது தனியான சிப் வாங்கும் நிறுவனம் அல்ல. செப்டம்பர் 2025 அறிவிப்பில் OpenAI, Nvidia-வை விருப்பத்துக்குரிய மூலோபாயக் கணக்கீட்டு மற்றும் வலையமைப்புக் கூட்டாளியாகக் குறிப்பிட்டது. குறைந்தது 10 கிகாவாட் Nvidia அமைப்புகளை நிறுவுவதற்கான விருப்பக் கடிதமும் அறிவிக்கப்பட்டது. படிப்படியாக அதிகபட்சம் US$100 பில்லியன் முதலீடு செய்ய Nvidia உத்தேசிப்பதாகவும் கூறப்பட்டது. இவை குறிப்பிட்ட தேதியில் அறிவிக்கப்பட்ட திட்டங்கள். முழுக் கொள்ளளவும் செயல்பாட்டுக்கு வந்துவிட்டது அல்லது முழு முதலீடும் செலுத்தப்பட்டுவிட்டது என்பதற்கான ஆதாரமாக இங்கு எடுத்துக்கொள்ளப்படவில்லை.
தங்களுக்குச் சொந்தமான servers வாங்காமல் Nvidia வன்பொருளைப் பயன்படுத்த கிளவுட் கட்டமைப்பு மற்றொரு வழியைத் தருகிறது. எடுத்துக்காட்டாக, பயிற்சி, inference, உயர்செயல்திறன் கணக்கீடு ஆகியவற்றுக்காக Nvidia H100 GPU-களைப் பயன்படுத்தும் EC2 P5 instances மற்றும் H200 GPU-களைப் பயன்படுத்தும் P5e/P5en instances ஆகியவற்றை AWS ஆவணப்படுத்துகிறது. வலையமைப்பு, கொள்ளளவு மேலாண்மை உள்ளிட்ட சேவையை வன்பொருளைச் சுற்றி கிளவுட் நிறுவனம் வழங்குகிறது. இது ஒரு சிப் விற்பனையைவிட விரிவான உறவு.
விரிவான சந்தையில் Nvidia ஆதிக்கம் செலுத்தினாலும், மாற்றுத் தளங்கள் ஏற்கெனவே முக்கியப் பணிகளைச் செய்கின்றன. Gemini 2.0-ஐ Google தனது Trillium TPU-களில் பயிற்றுவித்தது. Project Rainier-இன் Trainium2 கட்டமைப்பில் Anthropic பணிச்சுமைகள் இயங்குவதாக AWS தெரிவித்துள்ளது. இவை உண்மையான மாற்றுகள். ஆனால் ஒவ்வொரு பணிக்கும் ஒவ்வொரு போட்டித் தளமும் மலிவானது, வேகமானது அல்லது சமமாகக் கிடைப்பது என்பதற்கான ஆதாரங்கள் அல்ல. நடைமுறை நிலை என்பது AI துறை முழுவதிலும் Nvidia மீதான கணிசமான சார்புடன் சில பணிகளில் மாற்றுகளும் இருப்பதாகும்; அனைவரும் அதை மட்டுமே சார்ந்திருப்பதாக அல்ல.
உரையாடலைத் தாண்டி: மருத்துவம், ரோபோட்டிக்ஸ், உணரிக்கு அருகிலான கணக்கீடு
Nvidia ஆவணப்படுத்திய தளங்கள் மருத்துவப் படங்கள், மரபணுவியல், மருந்துக் கண்டுபிடிப்பு ஆராய்ச்சி, ரோபோட்டிக்ஸ் ஆகியவற்றிலும் உள்ளன. மருத்துவப் பட AI-க்கான MONAI, மரபணுவியலுக்கான Parabricks ஆகியவற்றை அதன் மருத்துவத் துறை ஆவணங்கள் விவரிக்கின்றன. தொழில்துறை, ரோபோட்டிக்ஸ், மருத்துவ edge பயன்பாடுகளுக்காக IGX வடிவமைக்கப்பட்டுள்ளது. இவை தயாரிப்பின் திறன்களும் நோக்கங்களும் ஆகும். நோய் குணமாகிவிட்டது, மருத்துவ ஒப்புதல் கிடைத்துவிட்டது அல்லது ஒவ்வொரு மருத்துவமனையிலும் பயன்படுத்தப்படுகிறது என்பதற்கான ஆதாரங்கள் அல்ல.
தரவு மையத்திற்கும் edge அமைப்பிற்கும் உள்ள வேறுபாடு முக்கியம். மைய அமைப்பு பெரிய அளவிலான பகிரப்பட்ட கணக்கீட்டு வளங்களை வழங்கலாம்; edge அமைப்பு camera, இயந்திரம் அல்லது வேறு உணரிக்கு அருகில் தகவலைச் செயலாக்குகிறது. உள்ளூரிலேயே பதிலளிப்பதையும் தேவையான தரவை மட்டும் அனுப்புவதையும் இது பயனுள்ளதாக்கலாம் என்பது பகுப்பாய்வு. மின்சாரம், நம்பகத்தன்மை, பாதுகாப்பு ஆகிய தேவைகள் சூழலுக்கு ஏற்ப மாறும். பல துறைகளில் ஒரே கட்டமைப்பு இருப்பதால், ஒரே மாதிரியான சாதனம் எல்லா இடங்களுக்கும் பொருந்தும் என்று அர்த்தமல்ல.
Nvidia விண்வெளியை எட்டியுள்ளது; சுற்றுப்பாதை AI தொழிற்சாலை என்பது வேறு கூற்று
விண்வெளியில் பயன்பாட்டிற்குக் குறிப்பிட்ட ஆவண ஆதாரம் உள்ளது. ஜூன் 2023 Jet Propulsion Laboratory விளக்கக்காட்சி, சர்வதேச விண்வெளி நிலையத்திலுள்ள HPE Spaceborne Computer-2 தொகுப்பில் நான்கு Nvidia Tesla T4 GPU-கள் இருப்பதாகப் பட்டியலிடுகிறது. அதே திட்டம் பிற செயலிகளையும் ஆராய்ந்தது. சுற்றுப்பாதைக் கணக்கீட்டுப் பரிசோதனையில் Nvidia வன்பொருள் பயன்படுத்தப்பட்டதை இது ஆதரிக்கிறது. எல்லா செயற்கைக்கோள்களையும் Nvidia இயக்குகிறது அல்லது விண்வெளிக்குச் சென்ற முதல் GPU-கள் அதனுடையவை என்பதை இது நிரூபிக்கவில்லை.
Spaceborne Computer திட்டம் பற்றிய NASA விளக்கம், கதிர்வீச்சுப் பிரச்சினையையும் தேவைக்கேற்ப அமைப்புகளைக் கண்காணித்து மெதுவாக்கும் HPE-யின் மென்பொருள் அணுகுமுறையையும் விவரிக்கிறது. சுற்றுப்பாதைக் கணக்கீடு என்பது servers-ஐ வளிமண்டலத்திற்கு மேலே நகர்த்துவது மட்டுமல்ல; ஒரு பொறியியல் பிரச்சினை என்பதை அந்த அனுபவம் காட்டுகிறது. கதிர்வீச்சு, மாற்று அமைப்புகள், மின்சாரம், வெப்பத்தை வெளியேற்றுதல் அனைத்தும் முக்கியம். செயற்கைக்கோளின் உணரிகளுக்கு அருகில் படங்களைச் செயலாக்குவதும் பெரிய சுற்றுப்பாதை AI தொழிற்சாலையை உருவாக்குவதும் வெவ்வேறு முயற்சிகள். இரண்டாவதை எதிர்கால நோக்கமாகவே பார்க்க வேண்டும்; தீர்க்கப்பட்ட குளிர்விப்புப் பிரச்சினையாகவோ உறுதிசெய்யப்பட்ட செயல்படுத்தல் அட்டவணையாகவோ காட்டக்கூடாது.
மதிப்பீடு: சந்தையின் விலையையும் முன்னறிவிப்பையும் பிரித்துப் பார்க்க வேண்டும்
இந்தக் கட்டுரைக்காகச் சரிபார்க்கப்பட்ட சந்தைத் தரவு, நவம்பர் 12, 2026 அமெரிக்க வர்த்தக முடிவை ஒட்டி Nvidia-வின் பங்குச் சந்தை மதிப்பை சுமார் US$4.01 டிரில்லியன் எனக் காட்டியது. இது குறிப்பிட்ட தேதிக்கான வட்டமிடப்பட்ட மதிப்பீடு; நவம்பர் 13 அமெரிக்க வர்த்தகத்தின் நேரடி விலை அல்ல. சந்தை மூலதன மதிப்பு என்பது பங்குகளின் மதிப்பு. அது ஆண்டு வருவாயோ வங்கியிலுள்ள பணமோ சமூகத்திற்கு AI தரும் மொத்தப் பயனின் மதிப்போ அல்ல.
எதிர்காலத்தில் US$10 டிரில்லியன் சந்தை மதிப்பு அல்லது ஆண்டுக்கு US$3 டிரில்லியன் வருவாய் என்பது மிகப் பெரிய வளர்ச்சிச் சாத்திய நிலை; ஏற்கெனவே எட்டப்பட்ட முடிவு அல்ல. ஏற்கெனவே உள்ள சந்தையில் பங்கு பிடிப்பதைத் தாண்டி AI தொழிற்சாலைகள் புதிய தேவையை உருவாக்கும் என்பதில்தான் அத்தகைய விரிவாக்கத்திற்கான வாதம் உள்ளது. அந்தத் தேவை லாபமாக மாறுமா என்பது பயனுள்ள வெளியீட்டிற்கு வாடிக்கையாளர்கள் பணம் செலுத்துவது, கட்டமைப்புச் செலவு, தொடரும் தொழில்நுட்ப முன்னேற்றம் ஆகியவற்றைச் சார்ந்தது. இவை நீண்டகால நோக்கில் பேசப்படும் வாய்ப்புகள்; இந்தப் பகுப்பாய்வு பரிந்துரைக்கும் அல்லது உறுதியளிக்கும் இலக்குகள் அல்ல.
அடுத்த கட்டுப்பாடு முழுத் தொழிற்சாலையிலும் உள்ளது
கணக்கீட்டின் முக்கிய அலகு GPU-விலிருந்து கணினியாகவும், cluster ஆகவும், இப்போது முழு AI தொழிற்சாலையாகவும் விரிவடைந்துள்ளது. செயலிகளைப் போலவே வலையமைப்பும் நிறுவுதலும் ஏன் முக்கியம் என்பதை OpenAI அறிவித்த கட்டமைப்புத் திட்டங்களும் AWS-இன் GPU cluster விளக்கங்களும் காட்டுகின்றன. மின்சாரம், குளிர்விப்பு, மென்பொருள் நம்பகத்தன்மை, பயன்பாட்டு அளவு ஆகியவற்றை ஒன்றாக மதிப்பிட வேண்டும். விரைவுபடுத்திகளை வாங்குவதும் பயனுள்ள சேவையை இயக்குவதும் ஒன்றல்ல. உலகளாவிய அளவிலான கணக்கீடு ஒரு நீண்டகாலத் திசை; நிறைவேற்றப்பட்ட திறன் அல்ல.
திறந்த மூல மென்பொருள் பங்கேற்பை விரிவுபடுத்தி மென்பொருளைத் தேவைக்கேற்ப மாற்ற உதவலாம். ஆனால் அது மின்சாரத்தை வழங்காது; வன்பொருள் செலவை நீக்காது; ஒரு பயன்பாடு தன் செலவை ஈடுசெய்யும் என்று உறுதியளிக்காது. அதேபோல் தனியுரிமை வன்பொருளும் மென்பொருளும் பயனுள்ள செயல்திறனை வழங்கலாம்; அதனால் வாடிக்கையாளரின் சார்பு நிரந்தரமாகிவிடாது. பொதுவான கருவிகளுக்கும் வணிகத் தளங்களுக்கும் இடையிலான சமநிலை தொடரும் போட்டி; முடிவுசெய்யப்பட்ட தொழில்துறை விதி அல்ல.
முடிவு: மாற்றுவது கடினம் என்பது மாற்றவே முடியாது என்பதல்ல
விரைவுபடுத்தப்பட்ட கணக்கீடு, முதிர்ந்த மென்பொருள் தளம், உருவாக்குநர்களின் நம்பிக்கை, கிளவுட் அணுகல், ஆராய்ச்சிக் கூடங்களிலிருந்து சுற்றுப்பாதைப் பரிசோதனை வரை நீளும் பயன்பாடுகள் ஆகியவற்றின் சேர்க்கையில்தான் Nvidia-வின் முக்கியத்துவம் உள்ளது. அதன் திறந்த முயற்சிகள் இந்தக் கட்டமைப்பில் அதிகமானோர் உருவாக்க உதவுகின்றன; தனியுரிமை அடுக்குகளும் வணிக ரீதியாக முக்கியமாகத் தொடர்கின்றன. போட்டியாளர் GPU ஒன்றை நகலெடுக்க முடியுமா என்பது சரியான கேள்வி அல்ல. ஒரு குறிப்பிட்ட வாடிக்கையாளருக்குத் தேவையான முழுமையான, நம்பகமான அமைப்பை மாற்றுத் தளம் வழங்க முடியுமா என்பதே கேள்வி.
இதனால் பல சூழல்களில் Nvidia-வை மாற்றுவது கடினம். ஆனால் எல்லாச் சூழல்களிலும் மாற்றவே முடியாதது அல்ல. Google TPU-களும் AWS Trainium-மும் அந்த முழுமையான கூற்றை ஏற்கெனவே மறுக்கின்றன. ஏற்றுக்கொள்ளக்கூடிய செலவில் பொறியியல் திறனையும் அதன் சூழலமைப்பின் பரவலையும் பயனுள்ள பணியாகத் தொடர்ந்து மாற்றுவதில்தான் Nvidia-வின் எதிர்காலம் உள்ளது. பெரிய சந்தை மதிப்பு அந்த எதிர்காலம் குறித்த எதிர்பார்ப்பைக் காட்டுகிறது; அதை உறுதிசெய்யவில்லை. இது ஆசிரியர் பகுப்பாய்வு; முதலீட்டு ஆலோசனை அல்ல.