אנבידיה מפחדת? 20 מיליארד דולר מול האיום של גוגל

שנת 2025 הסתיימה עם מהלך מפתיע בעולם השבבים. אנבידיה הודיעה כי היא רוכשת את הקניין הרוחני וצוות המהנדסים של הסטארטאפ Groq (עם q בסוף, בשונה מ-Grok – הצ'אטבוט של חברת xAI של אילון מאסק).

סכום הרכישה לא פורסם, אך לפי דיווחים הוא עומד על קרוב ל20 מיליארד דולר. אנבידיה מתאפיינת בשליטה כמעט מוחלטת בשוק המעבדים הגרפיים והמעבדים ליישומי בינה מלאכותית, וגם ביכולת אסטרטגית לצפות את עתיד השוק.

הסיבות האלו הובילו לפרשנויות שונות של המהלך, כגון חסימה של רכישת החברה על ידי מתחרים והרחבת יכולות הפיתוח של החברה. עיתוי הרכישה הוסבר בכך שהוצאה כזו בסוף השנה יעילה מבחינת צמצום המיסוי לשנת 2025. ההסברים האלו כנראה נכונים, אך בבסיסו של המהלך טמון משהו עמוק וגדול הרבה יותר. הוא נועד לסייע לה להתמודד עם סכנה של ממש מצד מתחרה בלתי צפויה – גוגל.

שינוי מגמה בשוק: מאז שפרצה הבינה המלאכותית היוצרת לחיינו, הביקוש האינסופי לשבבים של אנבידיה נבע מהצורך לאמן מודלים. אימון מודל דורש הזנה של כמויות מידע עצומות אל תוך מנוע עיבוד, ואימון המודל על המידע הזה שוב ושוב עד שהתוצאות משביעות רצון. אבל לאחרונה קרה משהו חשוב – השוק עבר מאימון להסקה.

הסקה היא היכולת להשתמש במודל קיים על מנת ליצור תשובות למשתמשי המודל. כשאנחנו שולחים למודל בינה מלאכותית בקשה לנסח עבורנו מייל או ליצור תמונה, הוא משתמש שוב בשבבים של אנבידיה עליהם מאוחסן המודל, כדי ליצור עבורנו את התשובה המתאימה.

עבורנו כמשתמשים אין שינוי. הצורך שלנו היה תמיד במעבדים שיאפשרו למודל להשיב לבקשות שלנו. אבל עבור החברות שרוכשות את המעבדים מאנבידיה, הצורך הבוער ביותר הוא כבר לא אימון של עוד ועוד מודלים, אלא להחזיק די כוח עיבוד שיאפשר לכל הלקוחות של המודל להשתמש בו.

אנבידיה שלטה לחלוטין בשלב הראשון. מעבדי ה-GPU שלה היו הכלי המתאים ביותר לאימון המודלים. אבל בתפעול מודלים קיימים כדי ליצור תשובות, השבבים שלה בזבזניים ואיטיים יחסית, וככל שהמיקוד בשוק עובר ליכולת הסקה המעמד שלה מתחיל להיסדק.

בנקודה הזה המתחרה המסוכנת ביותר היא גוגל, משום ששבבי ה-TPU שלה הם בדיוק מה שנדרש עבור יכולת הסקה. הסבר טכני: מעבדי ה-GPU של אנבידיה החלו את דרכם כמנועים גרפיים עבור משחקי מחשב ותוכנות עריכה. המבנה שלהם מתבסס על אלפי ליבות עיבוד שפועלות במקביל, זיכרון ראם מסוג HBM שמאחסן את המידע, ובקרי חומרה שמנהלים את חלוקת המשימות לליבות העיבוד ותעבורת המידע בין הראם למעבד.

היתרון הגדול של ה-GPU הוא עיבוד מקבילי. משימה אחת מחולקת לאלפי תהליכים שפועלים יחד ומקצרים את משך העיבוד. החיסרון הוא שתעבורת המידע הלוך ושוב אל זיכרון הראם והצורך לנהל את חלוקת העבודה גורמים לחוסר יעילות משמעותי שמתבטא בזמן תגובה ארוך, צריכת חשמל גבוהה ויצירת חום.

ה-GPU מצא את דרכו בשנים האחרונות אל מנועי הבינה המלאכותית וגם אל תעשיית הביטקוין.