Die Übernahme von Arm durch Nvidia stärkt sein Ökosystem, bringt Skaleneffekte in die Cloud und Expansion in den Edge-Bereich

Die Übernahme von Arm durch Nvidia war schon seit einiger Zeit gemunkelt, und jetzt ist es soweit offiziell bestätigt. Dies ist ein bedeutender und gut abgestimmter Schritt für beide Seiten. Eines, das tatsächlich schon lange auf sich warten lässt. Wir untersuchen die Schritte, die zu diesem Ergebnis führen, und was dies für den KI-Chip-Markt bedeutet.

Rekordumsätze im Rechenzentrum

Dies ist nach dem die zweite hochkarätige Akquisition für Nvidia im Jahr 2020 Übernahme von Mellanox im April. Die beiden ergänzen sich, da sie beide von grundlegender Bedeutung für Nvidias Plan sind, eine führende Rolle bei KI-Workloads im Rechenzentrum und darüber hinaus zu erlangen und zu behaupten.

Wie wir festgestellt haben, GPUs sind ein Segen für Machine-Learning-Workloads. Auch Nvidia hat dies erkannt und frühzeitig und erfolgreich reagiert. Dies hat faktisch zu einem zusätzlichen Markt geführt, und zwar zu einem deutlich wachsenden Markt. Maschinelles Lernen ist Die Welt fressen, neben der Wolke.

Workloads für maschinelles Lernen passen gut zur Cloud. Zunächst einmal ist die Trainingsphase für maschinelle Lernalgorithmen hinsichtlich der Rechenleistung recht anspruchsvoll. Für viele Unternehmen macht es keinen Sinn, die für diese Workloads erforderliche Infrastruktur zu erwerben, und hier kommt die Cloud ins Spiel.

Neben der On-Demand-Nutzung und Elastizität gibt es noch weitere Gründe, warum es in vielen Fällen sinnvoll ist, Workloads für maschinelles Lernen in die Cloud zu verlagern. KI-Workloads werden durch spezielle Hardware besser ausgeführt, weshalb Nvidia seine Präsenz in Rechenzentren erweitert hat.

Die Übernahme von Mellanox war ein Teil dieses Puzzles, da die Technologie von Mellanox eine bessere Vernetzung im Rechenzentrum für Nvidias Chips ermöglicht. Dies ist ein wesentlicher Vorteil. Die Tatsache, dass Mellanox auch a Ein solider Beitrag zu Nvidias kürzlich bekannt gegebenen Q2-Ergebnissen schadet nicht.

Aber es ist das Gesamtbild, das sich aus diesen Erträgen ergibt, das hier wirklich wichtig ist: Nvidia übertraf die Schätzungen für das zweite Quartal mit Rekordumsätzen bei Rechenzentren. Nvidias Rechenzentrumsumsätze beliefen sich auf 1,75 Milliarden US-Dollar, 167 % mehr als im Vorjahr. Dies ist ein weiterer Hinweis darauf, dass das Rechenzentrum ein Wachstumsmotor für Nvidia ist.

Skaleneffekte im Rechenzentrum, Erweiterung bis zum Rand

Auch die Übernahme von Arm spielt in diesem Sinne. Der Anteil der KI-Arbeitslast im Rechenzentrum wächst, und zwar immer weiter Konkurrenz um einen Teil davon von beiden aufstrebenden Intel-Startups. Angesichts dieser Konkurrenz strebt Nvidia ein doppeltes Ziel an: bessere Leistung und bessere Wirtschaftlichkeit.

Dies war ein zentrales Thema bei der jüngsten Enthüllung des Ampere AI-Chips von Nvidia. Es war auch ein Schlüsselthema in der bestehenden Zusammenarbeit mit Arm. Kürzlich hat Nvidia Unterstützung für ARM-CPUs hinzugefügt. Obwohl die Leistung des ARM-Prozessors zu diesem Zeitpunkt möglicherweise nicht mit der von Intel mithalten kann, ist dies der Fall Der sparsame Strombedarf macht es zu einer attraktiven Option für das Rechenzentrum.

Als Dies stellt Scott Fulton III in seiner ausführlichen Berichterstattung über Arm-Prozessoren fest, die Aussichten für Arm in Servern steigen. Ein Beweis für diese Tatsache: Letzten Monat wurde ein von Fujitsu Arm angetriebener Supercomputer namens Fugaku vorgestellt belegte den ersten Platz auf der halbjährlichen Top-500-Supercomputer-Liste.

Fulton III fügt hinzu, dass dies von allen Unterschieden zwischen einer x86-CPU und einem ARM-Prozessor der einzige sei Für einen Facility Manager eines Rechenzentrums ist es wahrscheinlich wichtig, dass Arm-Chips weniger wahrscheinlich eine aktive Kühlung benötigen System. Daher sind sie wirtschaftlicher. Die Bedeutung von Skaleneffekten für Rechenzentren kann nicht genug betont werden, aber das ist nicht der einzige Grund, warum die Übernahme von Arm für Nvidia sinnvoll ist.

Das Rechenzentrum ist die neueste Erweiterung für Arm-CPUs. Traditionell lag die Stärke von Arm über das Rechenzentrum hinaus. Die Tatsache, dass sie von Qualcomm verwendet werden – seine Snapdragon-Modelle werden von einer Reihe von Mobiltelefonen verwendet – ist ein Beweis dafür.

Nvidia hat an seiner Absicht festgehalten, auch über das Rechenzentrum hinaus zu expandieren. In einem Telefonkonferenz zu den Ergebnissen des dritten Quartals 2019 mit Analysten, folgend Nvidias Einführung seiner EGX-Rechenplattform für Edge-KICEO Jensen Huang bemerkte:

„In diesem Quartal haben wir den Grundstein dafür gelegt, wo KI letztendlich den größten Einfluss haben wird. Wir haben unsere Reichweite über die Cloud hinaus bis zum Rand ausgeweitet, wo GPU-beschleunigtes 5G, KI und IoT die größten Industrien der Welt revolutionieren werden. Wir sehen ein starkes Wachstum der Rechenzentren vor uns, angetrieben durch den Aufstieg von Konversations-KI und Inferenz.“

„Nvidia entwickelt keine CPUs, wir haben keinen CPU-Befehlssatz, Nvidia lizenziert kein IP an Halbleiterunternehmen, also sind wir in dieser Hinsicht keine Konkurrenten.“ „Wir haben die feste Absicht, weitere IP-Tools hinzuzufügen, und im Gegensatz zu Arm beteiligt sich Nvidia auch nicht am Mobilfunkmarkt“, bemerkte Huang in einer Erklärung nach der Übernahme von Arm.

Die Teile des Puzzles

An den Puzzleteilen wird schon seit einiger Zeit gearbeitet. Wie wir bereits festgestellt haben, basiert die Dominanz von Nvidia nicht nur auf der Hardware. A Software-Ökosystem rund um Nvidias KI-Chips war ausschlaggebend für den Erfolg. Nvidia ist konsequent darum bemüht, seine Bibliotheken auf dem neuesten Stand zu halten und sie hinsichtlich der Leistung zu verbessern.

Die Tatsache, dass Nvidia schon seit einiger Zeit mit Arm zusammenarbeitet, bedeutet wahrscheinlich, dass wir davon ausgehen können, dass sich auch die Softwareseite in Bezug auf die Unterstützung von Arm-Prozessoren reibungslos weiterentwickelt. Mit der Übernahme von Arm setzt Nvidia seinen Plan weiter um und stellt gleichzeitig eine Herausforderung dar größere Herausforderung für diejenigen, die an neuen Architekturen arbeiten.

Die Herausforderer müssen Nvidia nicht nur in puncto Leistung schlagen, sondern auch in puncto Wirtschaftlichkeit und Ökosystemaspekten, die offenbar beide gerade ein Upgrade erhalten haben.