AMD και Nvidia (μέρος 2ο)
Οι κάρτες γραφικών AMD και Nvidia είναι και οι δύο δημοφιλείς επιλογές για τους παίκτες, αλλά όταν πρόκειται για τεχνητή νοημοσύνη (AI), οι διαφορές μεταξύ των δύο γίνονται πολύ πιο έντονες. Ενώ και οι δύο εταιρείες έχουν κάνει προσπάθειες να βελτιστοποιήσουν τις κάρτες τους για μηχανική εκμάθηση, η Nvidia είναι ο ξεκάθαρος ηγέτης σε αυτόν τον τομέα εδώ και χρόνια.
Οι GPU της Nvidia έχουν σχεδιαστεί με ιδιαίτερη έμφαση στην τεχνητή νοημοσύνη, με χαρακτηριστικά όπως οι πυρήνες Compute Unified Device Architecture (CUDA) και οι πυρήνες Tensor που βοηθούν στην απόδοση των αλγορίθμων βαθιάς εκμάθησης. Οι πυρήνες CUDA έχουν σχεδιαστεί για να λειτουργούν ειδικά με την πλατφόρμα παράλληλων υπολογιστών της Nvidia, η οποία είναι προσβάσιμη μόνο σε κάρτες γραφικών Nvidia. Αυτή η πλατφόρμα επιτρέπει στους προγραμματιστές να επωφεληθούν από την τεράστια ισχύ παράλληλης επεξεργασίας των GPU της Nvidia για να εκτελούν αλγόριθμους μηχανικής εκμάθησης σε υψηλές ταχύτητες.
Αντίθετα, οι κάρτες της AMD χρησιμοποιούν υπολογιστικές μονάδες (CU) και επεξεργαστές ροής (SP) αντί για πυρήνες CUDA. Ενώ η AMD έχει κάνει κάποιες προσπάθειες για να καλύψει τη διαφορά της Nvidia, όπως με την πλατφόρμα Radeon Open Compute (ROCm) και το έργο GPUFORT, αυτές οι πρωτοβουλίες είναι σχετικά πρόσφατες και δεν έχουν ακόμη επιτύχει το επίπεδο υποστήριξης που απολαμβάνουν οι βιβλιοθήκες CUDA της Nvidia.
Η κυριαρχία της Nvidia στον τομέα της τεχνητής νοημοσύνης δεν οφείλεται μόνο στα τεχνικά χαρακτηριστικά των GPU της, αλλά και στη μακρά ιστορία επενδύσεων της εταιρείας στην ανάπτυξη βιβλιοθηκών CUDA. Το μεγαλύτερο μέρος της προόδου στην τεχνητή νοημοσύνη τα τελευταία χρόνια έχει σημειωθεί χρησιμοποιώντας τις βιβλιοθήκες CUDA της Nvidia και η υποστήριξη για αυτές τις βιβλιοθήκες είναι πολύ πιο διαδεδομένη μεταξύ των πιο δημοφιλών πλαισίων βαθιάς μάθησης.
Ενώ οι προσπάθειες της AMD να καλύψει τη Nvidia είναι αξιέπαινες, το χάσμα μεταξύ των δύο εταιρειών φαίνεται να μεγαλώνει κάθε χρόνο. Όσο η Nvidia συνεχίζει να επενδύει στην ανάπτυξη βιβλιοθηκών CUDA και να βελτιστοποιεί τις GPU της για τεχνητή νοημοσύνη, είναι πιθανό να παραμείνει ο κυρίαρχος παίκτης σε αυτόν τον τομέα για το άμεσο μέλλον.