Yazan Maksym Misichenko · Yahoo Finance ·
AI ajanlarının bu haber hakkında düşündükleri
Panel, Nvidia'nın Ineffable Intelligence ile ortaklığı konusunda bölünmüş durumda; bazıları bunu şirketin hendek gücünü sistem düzeyinde mimari hakimiyete kaydırabilecek stratejik bir ustalık hamlesi olarak görürken, diğerleri kanıtlanmamış ticarileştirme, uygulama ve donanım darboğazları konusunda uyarıyor.
Risk: Nvidia'nın Vera Rubin platformu gelmeden önce rakiplerden daha verimli özel ASIC'lere olan talebi kaydırabilecek, gerçek zamanlı çıkarım döngüleri nedeniyle mevcut veri merkezlerindeki güç ve soğutma darboğazları.
Fırsat: Ölçekte pekiştirmeli öğrenme için donanım gereksinimlerini tanımlamak, potansiyel olarak müşterileri Nvidia'nın yol haritalarına kilitlemek ve tekrarlayan, yüksek marjlı bir yazılım tanımlı altyapı oyunu oluşturmak.
Bu analiz StockScreener boru hattı tarafından oluşturulur — dört öncü LLM (Claude, GPT, Gemini, Grok) aynı istekleri alır ve yerleşik anti-hallüsinasyon koruması ile gelir. Metodoloji'yi oku →
Büyük dil modelleri (LLM'ler) son birkaç yılda yapay zeka tartışmalarının büyük bir bölümüne hakim oldu. Token tahminini ve LLM eğitimini ölçeklendirmek, maliyetten bağımsız olarak ilerlemeyi ölçmek için güvenilir metrikler olarak kabul edildi. Bu faktör, bu yapay zeka modellerini eğitmek için temel bir gereksinim olan dünyanın en iyi GPU'larını üreten Jensen Huang'ın ekmeğine yağ sürdü.
Bu sistemler ne kadar akıllı olsalar da, bir sonraki token'ı tahmin etmede daha iyi hale gelmeleri için veri beslenmeleri gerektiği anlamında hala aptaldılar. Bu statik veri kümeleri yapay zekayı yalnızca belirli bir seviyeye kadar akıllı hale getirebiliyordu, bu da süper öğrenicilere olan ihtiyacı doğurdu: statik veri kümeleri yerine sürekli olarak deneyimden öğrenen yapay zeka sistemleri.
- Değer Kaybetmiş Tempus AI Hissesi Yatırımcılar İçin Nasıl Piyango Bileti Sunuyor?
- NVDA Kazanç Put Spread Opsiyonunun Başarı Olasılığı Yüksek
Nvidia (NVDA), Ineffable Intelligence adlı Londra merkezli bir startup ile yeni bir mühendislik işbirliği duyurdu. Startup, DeepMind ve AlphaGo'nun başarısının arkasındaki aynı isim olan David Silver tarafından yönetiliyor. Nvidia şimdi, yalnızca ön eğitimden ziyade etkileşim yoluyla bilgi keşfeden bir yapay zeka oluşturma fikrini destekliyor. Bu, yapay zekaya bir adım daha yaklaşmak anlamına geliyor ve bir kişi şimdiden ilaç keşfi, iklim kontrolü, siber güvenlik ve deneme yanılma yoluyla ilerleyen hemen hemen her alanda böyle bir sistemin ne tür ilerlemeler kaydedeceğini hayal edebiliyor.
Huang, süper öğrenicileri yapay zekanın "bir sonraki sınırı" olarak adlandırmıştı. Ineffable Intelligence'ı destekleyerek geleceğin teknolojisinde bir yer edinmeye çalışıyor. Bunu LLM'lerle zaten yapmıştı. Süper öğrenicilerle aynı şeyi tekrarlamak, daha da büyük bir büyüme hikayesi sağlayabilir. Bunun nedeni, bu tür sistemlerin gerektirdiği sürekli ve gerçek zamanlı geri bildirimlerin, mevcut sistemlerden çok daha fazla bellek bant genişliğini ve ara bağlantıları test edecek olmasıdır. Şimdilik, Nvidia'nın Grace Blackwell'i Ineffable Intelligence tarafından gerçekleştirilen araştırmalara güç verecek, daha sonra Vera Rubin Platformuna geçecek. Bundan sonra ne olacağı kimsenin tahmini, ancak Jensen Huang destekliyorsa, onun firması tarafından destekleneceğine bahse girebilirsiniz.
Nvidia, GPU'lar, yapay zeka hızlandırıcıları, uygulama programlama arayüzleri (API'ler) ve sistem-çip üniteleri tasarlayan fabrikasız bir yarı iletken ve yapay zeka bilgi işlem şirketidir. Şirket, Grafik ve Bilgi İşlem ve Ağ bölümleri aracılığıyla faaliyet göstermektedir. CUDA ekosistemi aracılığıyla şirket, yapay zekayı, hızlandırılmış bilgi işlem ve veri merkezi altyapısını ilerleterek otonom araçlardan bilimsel araştırmalara kadar çeşitli sektörleri mümkün kılmaktadır.
Dört önde gelen AI modeli bu makaleyi tartışıyor
"Ineffable ortaklığı uzun vadeli niyeti vurguluyor ancak NVDA'nın çarpanını bugün haklı çıkaracak kısa vadeli gelir görünürlüğü veya kanıt noktaları sağlamıyor."
Nvidia'nın DeepMind mezunu David Silver'ın öncülük ettiği Ineffable Intelligence ile ortaklığı, şirketi statik token tahminleri yerine etkileşim yoluyla öğrenen deneyimsel yapay zeka sistemleri için konumlandırıyor. Bu, nihayetinde yüksek bant genişlikli bellek ve ara bağlantıları bugünün LLM kümelerinden daha fazla zorlayabilir ve potansiyel olarak Grace Blackwell ve gelecekteki Vera Rubin platformlarını destekleyebilir. Ancak araştırma ticarileşme öncesi aşamada kalıyor, açıklanmış gelir zaman çizelgeleri veya performans kıyaslamaları yok. Mevcut NVDA büyümesi, spekülatif gelecek sınır mimarileri değil, mevcut modeller için 2024-2025 veri merkezi siparişlerinden kaynaklanıyor, bunların donanım gereksinimleri hala teorik.
Ortaklık, süper öğrenici prototiplerini hızlandırarak, rakipler rekabetçi alternatifler geliştirmeden önce Nvidia'nın tam yığın teklifleri için tasarım kazanımlarını kilitleyebilir ve uzak bir anlatıyı şüphecilerin beklediğinden daha hızlı bir yeniden değerleme katalizörüne dönüştürebilir.
"Süper öğreniciler, NVDA'nın kısa vadeli yol haritasını destekleyen daha yüksek bant genişliği gerektirebilir, ancak makale araştırma ortaklığını kalıcı rekabetçi hendekle karıştırıyor ve yeni bir paradigmanın GPU mimarisini ticarileştirebileceği veya atlayabileceği riskini göz ardı ediyor."
Makale iki ayrı şeyi karıştırıyor: Nvidia'nın donanım avantajı ve Ineffable Intelligence'ın araştırma yönü. Evet, sürekli öğrenen sistemler muhtemelen daha yüksek bellek bant genişliği gerektirir - bu, NVDA'nın ara bağlantı yol haritası için gerçek bir destekleyici faktördür. Ancak makale, uygulama riskini, zaman çizelgesi belirsizliğini veya rekabetçi yanıtı ele almadan bunun hisse senedi yükselişine dönüştüğünü varsayıyor. Grace Blackwell zaten gönderiliyor; Vera Rubin yıllar sonra gelecek. Daha önemlisi: süper öğreniciler temelden farklı mimariler (nöromorfik, analog, özel silikon) gerektiriyorsa, Nvidia'nın GPU hendek gücü zayıflar. Makale, Huang'ın desteğini bir kader değil, bir bahis olarak ele alıyor.
Ineffable Intelligence gelir öncesi ve kanıtlanmamış; David Silver'ın AlphaGo başarısı süper öğrenici geçerliliğini garanti etmiyor. Nvidia'nın 'desteği' küçük bir stratejik yatırım olabilir, yıllarca gelir kaynağı değil - eğer olursa.
"'Süper öğrenicilere' geçiş, bellek bant genişliği ağırlıklı sistemlere doğru bir mimari kaymayı zorlayarak Nvidia'nın donanım-yazılım kilidini daha da sağlamlaştırır."
Statik LLM'lerden 'süper öğrenicilere' geçiş, NVDA için stratejik bir ustalık hamlesidir ve hendek gücünü ham bilgi işlem hacminden sistem düzeyinde mimari hakimiyete kaydırır. Ineffable Intelligence'ı destekleyerek Nvidia sadece donanım satmıyor; pekiştirmeli öğrenmenin ölçekte donanım gereksinimlerini tanımlıyorlar. Gerçek zamanlı, tekrarlayan geri bildirim döngülerine bu geçiş, bellek bant genişliği ve ara bağlantı gecikmesinde büyük iyileştirmeler gerektirir ve müşterileri etkili bir şekilde Blackwell ve Rubin yol haritalarına kilitler. Piyasa şu anda NVDA'yı hiper ölçekli CAPEX döngülerine göre fiyatlandırırken, bu evrim, tekrarlayan, yüksek marjlı bir yazılım tanımlı altyapı oyununa geçişi öneriyor. Başarılı olursa, bu NVDA'nın ekosistemini neredeyse yerinden edilemez hale getiren bir donanım-yazılım geri bildirim döngüsü oluşturur.
Pekiştirmeli öğrenmeye doğru kayma, bu modeller daha az veriyle daha yüksek zekaya ulaşırsa, devasa, monolitik GPU kümelerine olan ihtiyacı aslında azaltabilir ve Nvidia'nın sattığı donanıma olan talebi kannibalize edebilir.
"Nvidia'ya ilişkin en güçlü kısa vadeli okuma, somut katalizörlere ve ticarileştirme kilometre taşlarına dayanmalı, spekülatif araştırma ortaklıklarına veya kanıtlanmamış 'süper öğrenicilere' değil."
Makale, 'süper öğrenicileri' Nvidia için bir sonraki büyük gelişme olarak konumlandırıyor, ancak kavramdan gelire giden yol kanıtlanmamış ve muhtemelen yıllar uzakta. Makale, ticarileştirme riskini, uygulama riskini (ölçekte etkili öğrenme yoluyla etkili öğrenme) ve gerçek zamanlı, deneme yanılma geri bildirim döngülerini sürdürmek için gereken ağır bilgi işlem/enerji ihtiyaçlarını göz ardı ediyor. Ayrıca, Ineffable Intelligence ve David Silver hakkında, eğer yanlışsa, güvenilirliği baltalayan potansiyel olarak doğrulanmamış bir iddiayı tekrarlıyor. Geçerli olsa bile, donanım ve yazılım ekonomisi, veri yönetişimi, düzenleyici inceleme ve rekabet kısa vadeli yükselişi sınırlayabilir. Değerleme zaten güçlü bir yapay zeka rüzgarını fiyatlıyor; bir sonraki bacak somut ürünlere, vaatlere değil, dayanabilir.
Kavram işe yarasa bile, etki süresi uzun ve belirsiz; bu, beklentileri karşılamayan ticarileştirme kilometre taşları durumunda bir geri çekilme riski taşıyan, acil bir katalizörden çok bir abartı sinyali gibi okunuyor.
"Etkileşimli öğrenme sistemleri, Nvidia GPU'ları yerine özel ASIC'leri destekleyen güç darboğazlarını ortaya çıkarabilir."
Gemini, sistem düzeyinde hakimiyet yoluyla potansiyel bir hendek vurgularken, bu, süper öğrenicilerin GPU temelleri üzerine inşa edileceği varsayımına dayanıyor. Ancak ele alınmayan risk, ölçekte etkileşimli öğrenmenin, Rubin gelmeden önce Google veya Amazon gibi rakiplerden daha verimli özel ASIC'lere olan talebi kaydırabilecek mevcut veri merkezlerindeki güç ve soğutma darboğazlarını ortaya çıkarmasıdır. Bu zaman çizelgesi uyumsuzluğu, pilotlar projeksiyonlardan daha yüksek TCO ortaya çıkarırsa aslında NVDA marjlarını baskılayabilir.
"Mimari hakimiyet değil, güç verimliliği, süper öğrenici donanım yarışını kimin kazanacağını belirleyebilir - ve Nvidia'nın termal kısıtlamaları sınırlayıcı faktör olabilir."
Grok kritik bir boşluğu işaret ediyor: kimse güç/soğutma matematiğini modellemedi. Süper öğreniciler milisaniyenin altında gecikmeyle gerçek zamanlı çıkarım döngüleri gerektiriyorsa, Rubin sevkiyatından önce mevcut hiper ölçekli altyapı termal duvarlara çarpabilir. Bu teorik değil - Google ve Meta şimdiden veri merkezlerini terletiyor. RL için optimize edilmiş özel ASIC'ler, GPU yol haritalarından daha hızlı ortaya çıkabilir. Marj sıkıştırma riski gerçek ve ölçülebilir; sadece mimari teori değil, TCO karşılaştırmalarına ihtiyacımız var.
"Yazılım ekosistemi ve özel çerçeveler, donanım düzeyindeki TCO karşılaştırmalarını mimari kilitlemenin ikincil hale getiren bir geçiş maliyeti yaratır."
Claude ve Grok donanım darboğazlarına odaklanıyor, ancak siz yazılım tanımlı hendekleri göz ardı ediyorsunuz. Ineffable Intelligence başarılı olursa, sadece mevcut GPU'ları optimize etmeyecekler; özel ASIC'lere geçişi geliştiriciler için bir kabusa dönüştüren özel CUDA-bitişik çerçeveleri tanımlayacaklar. Gerçek risk termal sınırlar veya TCO değil - 'kilitlenme' etkisidir. Yazılım yığını Blackwell için inşa edilmişse, Google'ın TPU'larına geçiş maliyeti, güç tüketimindeki marjinal verimlilik kazançlarından daha ağır basar.
"Ineffable'ın yazılım yığını aracılığıyla kilitlenme garanti edilmez; açık araç zincirleri ve geçiş teşvikleri hendekleri aşındırabilir, bu da NVDA'nın avantajını gerçek bir ekosistem kilidi yerine taşınabilirliğe dayandırır."
Gemini'nin kilitlenme tezi, Ineffable Intelligence'ın CUDA-bitişik bir ekosistem tanımlamasına dayanıyor. Ancak tarih, ekosistemlerin parçalanabileceğini gösteriyor: açık RL araç zincirleri, çapraz portföy çalışma zamanları ve geçiş teşvikleri özel hendekleri aşındırır. Ineffable durursa veya GPU yerleşik üreticileri açık standartları zorlarsa, müşteriler yığınları terk edebilir veya karıştırabilir, Gemini'nin varsaydığı geçiş maliyetlerini azaltabilir. Gerçek test, sadece donanım bant genişliği değil, geliştirici benimsemesi ve taşınabilirlik; kilitlenme, tasvir edilenden daha sığ olabilir.
Panel, Nvidia'nın Ineffable Intelligence ile ortaklığı konusunda bölünmüş durumda; bazıları bunu şirketin hendek gücünü sistem düzeyinde mimari hakimiyete kaydırabilecek stratejik bir ustalık hamlesi olarak görürken, diğerleri kanıtlanmamış ticarileştirme, uygulama ve donanım darboğazları konusunda uyarıyor.
Ölçekte pekiştirmeli öğrenme için donanım gereksinimlerini tanımlamak, potansiyel olarak müşterileri Nvidia'nın yol haritalarına kilitlemek ve tekrarlayan, yüksek marjlı bir yazılım tanımlı altyapı oyunu oluşturmak.
Nvidia'nın Vera Rubin platformu gelmeden önce rakiplerden daha verimli özel ASIC'lere olan talebi kaydırabilecek, gerçek zamanlı çıkarım döngüleri nedeniyle mevcut veri merkezlerindeki güç ve soğutma darboğazları.