NVIDIA-Geschäftsmodell: Die physische Plattform für KI und autonomes Fahren

NVIDIA ist eine GPU Design Unternehmen, das entwickelt und vertreibt enterprise Chips für Branchen abseits von Gaming, Rechenzentren, professionellen Visualisierungen und autonomem Fahren. NVIDIA bedient große Konzerne als Unternehmenskunden und nutzt eine Plattform und Dritten wo es seine Hardware mit Softwaretools kombiniert, um die Fähigkeiten seiner GPUs zu verbessern.

Origin Geschichte

Bereits 1994 verwendete Sony den Begriff GPU im Rahmen der Einführung seiner PS1. Doch bis 1999 hat NVIDIA den Begriff mit der Einführung seiner GeForce 256 populär gemacht. Die Einführung der GeForce 256 war definitiv von Anfang an äußerst effektiv Marketing Standpunkt. In der Tat, definiert als „die erste GPU der Welt“, hat sie eine eigene Kategorie geschaffen.

Bis 2006 brachte NVIDIA CUDA auf den Markt, eine Allzweckprogrammierung Modell. Dies beschleunigte die Entwicklung von Anwendungen für verschiedene Branchen, von Luft- und Raumfahrt, biowissenschaftlicher Forschung, mechanischen und Strömungssimulationen bis hin zur Energieerkundung.

Beginnend mit einem Fokus auf PC-Grafik war NVIDIA führend im GPU-Bereich. Heutzutage konzentriert sich das Unternehmen aufgrund der Exponentialfunktion auf 3D-Grafiken Wachstum auf dem Glücksspielmarkt. Gleichzeitig steht NVIDIA auch für das Physische Plattform ganzer Branchen. Von wissenschaftlichem Rechnen, künstlicher Intelligenz, KI, Datenwissenschaft, autonomen Fahrzeugen, AV, Robotik, erweiterter und virtueller Realität – NVIDIA gibt uns wirklich ein Verständnis dafür, wie sich die Industrien von morgen entwickeln werden, auch basierend auf den physikalischen Fähigkeiten, die seine Chips bieten.

Während GPU ursprünglich hauptsächlich auf Spiele angewendet wurde. Im Laufe der Jahre wurde es immer relevanter, KI/ML-Algorithmen auszuführen, die eine enorme Rechenleistung erforderten. Somit ist die GPU zur Grundlage für die vielversprechendsten Branchen dieses Jahrzehnts geworden: KI, autonomes Fahren, Robotik, AR/VR und mehr.

Während NVIDIA eine GPU ist Design Unternehmen, es hat eine Plattform verfolgt und Dritten . Kurz gesagt, es hat Hardware und Software (mit seinem Stack aus Algorithmen und Bibliotheken) mit der Fähigkeit genutzt, mehrere Branchen und einige andere vielversprechende Branchen der Zukunft zu bedienen.

Wertemodell

Wie NVIDIA hervorhebt, ist es Seh- ist es, „die weltweiten Herausforderungen des Visual Computing zu lösen“.

Wie sie weiter spezifizieren:

„Wir leisten einzigartige Beiträge zur Lösung einiger der spannendsten Technologieprobleme der Welt – in Branchen, die von Spielen bis hin zu wissenschaftlichen Erforschungen reichen.“

Wertversprechen

NVIDIA bedient verschiedene Unternehmensbranchen und ist daher facettenreich Wert Angebote je nach Kundenprofil und Branche. Wie wir beispielsweise sehen werden, sind die Hauptkunden in einigen Branchen, die NVIDIA bedient, große Konzerne und große Technologieunternehmen. In anderen Fällen können dies kleine und mittlere Unternehmen sein. Während die zugrunde liegende Technologie für alle Anwendungsfälle ähnlich ist. Jeder dieser Kunden benötigt unterschiedliche branchenspezifische Erweiterungen.,

Gaming

Bildquelle: NVIDIA Quarterly Investor Presentation – 2021.

Die NVIDIA-Gaming-GPU verbessert das Spielerlebnis mit flüssigeren Grafiken in höherer Qualität. Einige dieser Anwendungen umfassen GeForce Experience (eine Anwendung, die die Einstellungen des PC-Benutzers optimiert).

Oder vielleicht NVIDIA RTX, das „Rendering in Kinoqualität“ für Spiele bietet.

Also der Kern Value Proposition für Unternehmenskunden in der Spielebranche zeichnet sich durch die fortschrittliche Grafik aus, die seine GPUs bieten können, kombiniert mit den Software-Stack-Verbesserungen.

Professionelle Visualisierungen

Bildquelle: NVIDIA Quarterly Investor Presentation – 2021.

NVIDIA Professional Visualization-Plattformen werden in verschiedenen Bereichen eingesetzt. Aus Design, Herstellung und Erstellung digitaler Inhalte.

Auch hier, die Value Proposition ist abhängig von der jeweiligen Branche/Anwendungsfall.

Zum Beispiel für Design und Fertigung bietet NVIDIA computergestützte Möglichkeiten zur Verbesserung der Design und Herstellungsablauf von Produkten.

Für Ersteller digitaler Inhalte umfasst dies Videobearbeitung und Postproduktion, Spezialeffekte für Filme und Fernsehgrafiken.

In diesem speziellen Segment steigern NVIDIA-Lösungen die Produktivität und verbessern den Arbeitsablauf für Branchen wie z Automobil, Medien und Unterhaltung, Architekturtechnik, Öl und Gas sowie medizinische Bildgebung.

Data Center

Bildquelle: NVIDIA Quarterly Investor Presentation – 2021.

Wenn es um Rechenzentrums-GPUs geht, dreht sich hier alles um Effizienz. Der Kunde wird hier von großen Konzernen wie Cloud-Plattformen (AWS, Alibaba, Azure, Google Cloud, IBM Cloud und mehr) vertreten.

NVIDIA folgt einer Plattform und Dritten , was bedeutet, dass Hardware und Software zusammenkommen, um eine Reihe von Diensten und Tools anzubieten, um die Fähigkeiten seiner GPUs zu verbessern. Beispielsweise ermöglichen seine Softwarebibliotheken, Softwareentwicklungskits und API-Frameworks einen reibungslosen Betrieb von Deep- und Machine-Learning-Modellen.

Und dies ist in der Tat entscheidend für Datencloudanbieter, die hauptsächlich die KI/ML-Branche bedienen. Tatsächlich werden neben Daten-Cloud-Anbietern wie AWS (Amazon), Azure (Microsoft), Google Cloud und IBM Cloud ganze Branchen kleiner, mittlerer und großer Unternehmen aufgebaut (die gesamte SaaS-Branche wurde darauf aufgebaut). diese Anbieter, aber auch größere Player wie Netflix, Spotify, YouTube und die großen Streaming-Dienste nutzen Cloud Computing).

Daher ist die Fähigkeit der GPU, mit riesigen Datenmengen zu arbeiten, der Schlüssel Value Proposition. NVIDIA betont hier hohe Leistung und Effizienz. Seine Chips in Verbindung mit NVIDIA-Programmiermodellen (wie CUDA und seinen Beschleunigungsbibliotheken, APIs und Tools) machen das Angebot von NVIDIA für diese Unternehmenskunden überzeugend.

Automobil

Bildquelle: NVIDIA Quarterly Investor Presentation – 2021.

Auch im Automotive-Bereich bedient NVIDIA mit DRIVE große Unternehmenskunden und stellt ihnen eine End-to-End-Lösung für autonomes Fahren zur Verfügung Marke. Dies umfasst eine Reihe von Anwendungen für das autonome Fahren, vom autonomen Fahren im vollautonomen Modus bis hin zum Co-Pilot-Modus. Wie das Unternehmen das NVIDIA DRIVE hervorhebt „kann in Echtzeit wahrnehmen und verstehen, was um das Fahrzeug herum passiert, sich auf einer HD-Karte genau lokalisieren und einen sicheren Weg nach vorne planen.“

Technologisches Modell

Bildquelle: NVIDIA Quarterly Investor Presentation – 2021

NVIDIA stellt seine Chips nicht selbst her, sondern entwirft sie und vergibt die Fertigung an ausgewählte Lieferanten, wodurch die mit der Herstellung verbundenen Risiken verringert werden.

Somit liegt die Kernkompetenz und der technologische Vorteil von NVIDIA in der Design von Chips zusammen mit der Beschaffung von Materialien und Lieferanten für die Herstellung dieser Chips.

Bildquelle: NVIDIA Quarterly Investor Presentation – 2021

Jede der Branchen, die NVIDIA beliefert, bietet eine Reihe von Produkten/Chips mit eigenen Besonderheiten an.

Der gesamte Satz von NVIDIA-Hardwareprodukten (Bildquelle nvidia.com/en-us)

Der gesamte Satz von NVIDIA-Softwareprodukten und -Tools, die die Hardware verbessern, steht im Einklang mit der NVIDIA-Plattform und Dritten ” (Bildquelle nvidia.com/en-us)

Lassen Sie uns einige der fortschrittlichen technologischen Anwendungen sehen, die mit den NVIDIA-Chips kommen, die diese für seine Kunden interessant machen.

Parallelverarbeitung

In einem Patent mit dem Titel „Planung und Verwaltung von Rechenaufgaben mit unterschiedlichen Ausführungsprioritätsstufen“ beschreibt NVIDIA „eine Technik zum dynamischen Planen und Verwalten von Rechenaufgaben mit unterschiedlichen Ausführungsprioritätsstufen. Die Scheduling-Schaltung organisiert die Rechentasks basierend auf Prioritätsstufen in Gruppen. Die Rechenaufgaben können dann zur Ausführung unter Verwendung verschiedener Scheduling-Schemata ausgewählt werden, wie zum Beispiel Round-Robin, Priorität und partitionierte Priorität. Jede Gruppe wird als verknüpfte Liste von Zeigern auf Rechenaufgaben verwaltet, die als Warteschlangenmetadaten (QMD) codiert und im Arbeitsspeicher gespeichert werden. Die QMDs enthalten den Zustand, der zum Ausführen einer Rechenaufgabe erforderlich ist. Wenn eine Aufgabe von der Planungsschaltung zur Ausführung ausgewählt wurde, wird die QMD für eine Gruppe entfernt und zu einer Tabelle aktiver Rechenaufgaben übertragen. Rechenaufgaben werden dann aus der Tabelle „Aktive Aufgaben“ zur Ausführung durch einen Streaming-Multiprozessor ausgewählt.“

Andere Kernpatente werden verwendet, um die Leistung von NVIDIA-GPUs zu verbessern.

Daten- und Cloud-Computing-GPUs

NVIDIA ist der größte GPU-Anbieter für alle führenden Cloud-Computing-Unternehmen.

Wie Amazon AWS erklärt „AWS und NVIDIA arbeiten seit über 10 Jahren zusammen, um kontinuierlich leistungsstarke, kostengünstige und flexible GPU-basierte Lösungen für Kunden bereitzustellen. Diese Innovationen reichen von der Cloud mit NVIDIA-GPU-betriebenen Amazon EC2-Instances bis hin zum Rand mit Diensten wie AWS IoT Greengrass, die mit NVIDIA Jetson Nano-Modulen bereitgestellt werden"

Auch die NVIDIA Tesla K80-, P4-, T4-, P100- und V100-GPUs befinden sich auf der Google Cloud Platform.

Quellbild: Google Cloud-Plattform

Autonomes Fahren

In einem Patent aus dem Jahr 2019 mit dem Titel „Trainieren, Testen und Verifizieren autonomer Maschinen mithilfe simulierter Umgebungen“ erklärt NVIDIA, wie das geht „Physische Sensordaten können von einem Fahrzeug in einer realen Umgebung generiert werden. Die physikalischen Sensordaten können verwendet werden, um tiefe neuronale Netze zu trainieren … in einer simulierten Umgebung getestet … um ein virtuelles Fahrzeug in der simulierten Umgebung zu steuern oder um die Ausgaben der tiefen neuronalen Netze anderweitig zu testen, zu verifizieren oder zu validieren.“

Dies bietet kurz gesagt einen Rahmen, um autonome Fahrsysteme und -modelle zu entwickeln.

Aus dem Patent „Trainieren, Testen und Verifizieren autonomer Maschinen mit simulierten Umgebungen“ beschrieb es den Prozess, wie Daten, die über die NVIDIA-GPU verarbeitet werden, in Deep-Learning-Modelle für autonome Fahrzeuge umgewandelt werden können.

In einem weiteren Patent namens „Systeme und Methoden für sichere und zuverlässige autonome Fahrzeuge“ hebt NVIDIA hervor „Autonomes Fahren ist eines der anspruchsvollsten Rechenprobleme der Welt. Sehr große Datenmengen von Kameras, RADARs, LIDARs und HD-Karten müssen verarbeitet werden, um Befehle zur sicheren und komfortablen Steuerung des Autos in Echtzeit zu generieren. Diese anspruchsvolle Aufgabe erfordert einen dedizierten Supercomputer, der energieeffizient und stromsparend ist, komplexe Hochleistungssoftware und bahnbrechende Deep-Learning-KI-Algorithmen. Um diese Aufgabe zu erfüllen, stellt die vorliegende Technologie fortschrittliche Systeme und Verfahren bereit, die eine autonome Fahrfunktionalität ermöglichen, einschließlich a Plattform für autonomes Fahren … bietet die Technologie ein End-to-End Plattform mit einer flexiblen Architektur, einschließlich einer Architektur für autonome Fahrzeuge, die Computer nutzt Seh- und bekannte ADAS-Techniken, die Diversität und Redundanz bereitstellen und funktionale Sicherheitsstandards erfüllen. Die Technologie sorgt für ein schnelleres, zuverlässigeres, sichereres, energieeffizienteres und platzsparenderes System-on-a-Chip, das in ein flexibles, erweiterbares System integriert werden kann Plattform Dies ermöglicht eine breite Palette autonomer Fahrzeuge, darunter Autos, Taxis, Lastwagen und Busse sowie Wasserfahrzeuge und Flugzeuge.“

NVIDIA ist in der Tat der führende Anbieter für Spitzenunternehmen wie Tesla Erkundung des autonomen Fahrraums.

Die NVIDIA V100 verwendet von Tesla (Bildquelle NVIDIA Unternehmenswebsite).

Die NVIDIA V100 wird von verwendet Tesla (Bildquelle NVIDIA Unternehmenswebsite).

Vertriebsmodell und Go-to-Market-Strategie

Die Kernstrategien von NVIDIA umfassen:

Verbesserung der zentralen NVIDIA „Accelerated Computing Platform“, um immer komplexere Probleme in deutlich kürzerer Zeit und effizienter (mit geringerem Stromverbrauch) zu lösen. Die Verbesserung des Kernprodukts ist ein wichtiger Bestandteil auf Unternehmensebene, um sicherzustellen, dass große Unternehmen ihre Verträge und Verpflichtungen mit NVIDIA immer wieder erneuern.
Erweiterung der innerhalb von NVIDIA verfügbaren Tools Plattform sie mit Unternehmenspartnern zu integrieren und so mehr Synergien zu schaffen, um diese Kunden langfristig zu binden. Als Beispiel damals im Jahr 2020 NVIDIA Storefront im Amazon AWS Marketplace. Dies umfasst 20 NVIDIA NGC-Softwareressourcen (ein Katalog für GPU-optimierte Software für Deep Learning, maschinelles Lernen), die auf AWS Marketplace verfügbar gemacht werden. Da diese Tools für die Ausführung durch NVIDIA-GPUs für die Cloud optimiert sind, führt dies auch zu Verkäufen für diese Chips.
Wie NVIDIA seine KI-Plattform hervorhebt und Dritten kombiniert GPUs mit „Verbindungen, Systemen, seiner CUDA-Programmiersprache, Algorithmen, Bibliotheken und anderer Software“. Diese Tools und „Erweiterungen“ ermöglichen es NVIDIA-GPUs, viel leistungsfähiger und individueller für den erforderlichen Anwendungsfall zu sein.
Kontinuierliche Investitionen in die Forschung im Zusammenhang mit Visual Computing zur Verbesserung der Benutzererfahrung für Verbraucherunterhaltung und professionelle Visualisierungsanwendungen.
Verbessern Sie das autonome Fahrzeug weiter Plattform als Kernwette auf die Zukunft des Automobils.
Nutzen Sie kundenspezifische Unternehmensentwicklungen, um die NVIDIA-Kerntechnologien weiter zu verfeinern und sie so für die Zukunft noch relevanter zu machen.

Direktvertrieb & High-Touch

Angesichts des Fachwissens und des massiven Auftrags Wert die Unternehmenskunden mitbringen, erfordert dies einen High-Touch-Vertriebsprozess, bei dem das Vertriebsteam über technisches Know-how in dem Produkt und der Branche verfügen muss, die es bedient.

Tatsächlich ist das Vertriebsteam nicht nur technisch tätig (Partnernetzwerke werden von Ingenieurteams von NVIDIA unterstützt), sondern unterstützt Unternehmenskunden beim Entwerfen, Testen und Qualifizieren von Systemen und technischen Arbeitsabläufen, die NVIDIAs Plattformen integrieren.

Softwareentwicklungsgemeinschaft

Daher ist auch die Einbindung der Softwareentwicklungs-Community von entscheidender Bedeutung. Somit sind sowohl NVIDIA Engineering als auch Marketing Teams arbeiten mit Softwareentwicklern zusammen, um Anforderungen zu sammeln, technische Probleme zu lösen und Zugang zu neuen Produkten zu gewähren, bevor sie auf dem Markt verfügbar sind, um sie zu veranlassen, KI-Frameworks, Software-Kits und APIs zu entwickeln, die für die NVIDIA-Plattform optimiert sind.

Bildung und Schulungen

NVIDIA betreibt auch das Deep Learning Institute, das persönliche und Online-Schulungen für Entwickler in Branchen und Organisationen anbietet, um ihnen bei der Erstellung von Anwendungen zu helfen, die die NVIDIA-Plattform nutzen.

Die weitere Investition in das Wachstum von Rechenzentren

Im April 2020 schloss NVIDIA die Übernahme von Mellanox für 7.13 Milliarden US-Dollar ab. Diese Übernahme stärkte die Investition des Unternehmens im Rechenzentrumssegment, da Mellanox (ein Anbieter von Hochleistungsprodukten für die Datenverarbeitung) zur weiteren Optimierung der Arbeitsabläufe in Rechenzentren eingesetzt werden könnte, wodurch das Angebot von NVIDIA für große Unternehmen, die seine GPUs nutzen, attraktiver wird Cloud Computing.

Die massive Investition in die KI-Industrie

Im Jahr 2020 gab Arm die Übernahme von Arm (Halbleiter und Software) bekannt Design Unternehmen) in einer 40-Milliarden-Dollar-Transaktion. Wie vom CEO von NVIDIA angekündigt:

„KI ist die stärkste technologische Kraft unserer Zeit und hat eine neue Computerwelle ausgelöst … In den kommenden Jahren werden Billionen von Computern mit KI ein neues Internet der Dinge schaffen, das tausendmal größer ist als das heutige Internet der Dinge -Menschen. Unsere Kombination wird ein Unternehmen schaffen, das für das Zeitalter der KI hervorragend aufgestellt ist.“

Finanzmodell

nvidia-finanzen — NVIDIA erwirtschaftete im Jahr 27 einen Umsatz von fast 2022 Milliarden US-Dollar, verglichen mit fast 16.7 Milliarden US-Dollar im Jahr 2021. Und es meldete einen Gewinn von 9.7 Milliarden US-Dollar im Jahr 2022, verglichen mit über 4.3 Milliarden US-Dollar im Jahr 2021.

Bildquelle: NVIDIA Quarterly Investor Presentation – 2021.

NVIDIAs finanzielle Modell bewegt sich entlang zweier Kernsegmente (Graphics und Compute/Networking) und vier Hauptbranchen (Gaming, Rechenzentren, professionelle Visualisierungen und Automotive).

Nach der Pandemie gab es einige interessante Entwicklungen für NVIDIA:

Ein massiver Schub des Marktes in Richtung Gaming, dessen Einnahmen auch für NVIDIA beschleunigt wurden. Tatsächlich stiegen die Gaming-Einnahmen bis Januar 2021 gegenüber Januar 41 um 2020 %. Dies war in erster Linie auf höhere Verkäufe bei Desktop- und Laptop-GPUs für Spiele und SOCs für Spielkonsolen zurückzuführen.
Eine Verlangsamung der Einnahmen aus der professionellen Visualisierung (13 % Rückgang im Jahresvergleich).
Ein starker Vorstoß in Richtung Rechenzentrumsoptimierungen. Als die Einnahmen des Rechenzentrums um 124 % stiegen (der Internetverkehr explodierte während der Pandemie, und die meisten der angebotenen Dienste laufen auf Cloud-Computing-Plattformen). Hier hat NVIDIA diesen Prozess durch den Kauf von Mellanox (das bis Januar 10 zu 2021 % zum Gesamtumsatz des Unternehmens beitrug) und durch den Ausbau seiner Architektur für Datencloudoptimierungen weiter beschleunigt.
Verringerte Einnahmen aus dem Teilsegment Automotive (23 % weniger als im Vorjahr).

Erlösmodell

Wenn es um die Umsatzgenerierung geht, haben wir zwei Kernsegmente (Grafik und Computer/Netzwerke) und vier Untersegmente (Spiele, Rechenzentren, professionelle Visualisierungen und Automobil).

Graphics – Die Grafikeinnahmen stiegen bis Januar 29 um 2021 %, hauptsächlich angetrieben von den GeForce-GPUs und Spielekonsolen-SOCs (System-on-a-Chip, die normalerweise in tragbaren Spielkonsolen wie Nintendo Switch ausgeführt werden).
Compute & Networking wird in erster Linie vom Teilsegment Rechenzentren angetrieben, das im Jahr 2020 erheblich gewachsen ist.

Kostenstruktur

Wenn es um die Kosten im Zusammenhang mit der Generierung von Einnahmen geht, bestehen diese hauptsächlich aus Halbleiterkäufen, Waferherstellung, Montage, Tests, Verpackung und Herstellungsunterstützungskosten, die für den Versand eines großartigen Produkts entscheidend sind.

Cash-Generierung

Das Unternehmen ist Bargeld positiv dank seiner verschiedenen profitablen Unternehmenssegmente, obwohl es war Bargeld negativ im Geschäftsjahr 2021 aufgrund der Käufe von Mellanox und der Verpflichtung zum Kauf von Arm.

Geschäftsmodell-Highlights

NVIDIA ist eine GPU Design Unternehmen, das einer Plattform folgt und Dritten , wo das Unternehmen zusammen mit seinen Chips das Software-Toolkit bereitstellt, um die Leistung von KI/ML-Anwendungen zu beschleunigen, die auf seinen Chips aufbauen.
Das Unternehmen beliefert verschiedene große Unternehmen (wie Gaming, Rechenzentren, professionelle Visualisierungen und Automotive). Das stärkste Segment nach der Pandemie waren Spiele und Rechenzentren.
Das Unternehmen ist technologisch Modell basiert auf der Weiterentwicklung von GPUs zur Entwicklung von KI/ML-Modellen für Daten-Cloud-Computing-Anwendungen als Toolbox, die auf den Produkten von NVIDIA aufbaut. Während seine Wetten auf Branchen wie autonome Fahrzeuge gesetzt werden.
Das Unternehmen beschleunigte seine Investitionen und Produktentwicklung in Richtung KI und Cloud Computing mit der Übernahme von Mellanox und der eingeleiteten Übernahme von Arm.
Das Hauptaugenmerk von NVIDIA liegt auf Design, Entwicklungs-, Test- und Fertigungsunterstützung für seine GPUs.

Wichtigste kostenlose Anleitungen: