عام 1993، وُلدت شركة صغيرة في منزل بولاية كاليفورنيا تحمل اسم NVIDIA، تأسست بواسطة مهاجر تايواني درس في جامعة ستانفورد يدعى جينسن هوانغ. اختار هوانغ الأحرف الأولى من الإسم أي NV للدلالة على New Version أما بقية الكلمة فهي مستوحاة من "invidia" أي حسد باللاتينية.
بدأت أنڤيديا مسيرتها المتواضعة بالعمل على تحقيق حلم هوانغ، بتحويل رسومات الكمبيوتر المسطحة إلى أشكال ثلاثية الأبعاد. ولم يكن يتخيل أحد في ذلك الوقت أن هذا المشروع سيحدث ثورة في عالم صناعة ألعاب الفيديو، لا بل سيتحول ليكون قوة التشغيل الأساسية وراء برامج الذكاء الاصطناعي.مصاعب البدايات وفلسفة الشركةخلال سعيها نحو تحقيق هدفها بالتركيز على تطوير وحدة معالجة الرسومات (GPU)، واجهت أنڤيديا أواخر التسعينات صعوبات مالية وإدارية، وكانت على شفير الإفلاس وتسريح موظفيها.
في العام 1999 أصدرت الشركة ما ادعت أنها أول بطاقة رسومات (Graphic Card) رسمية في العالم، حملت اسم GeForce 256. هذا الإصدار لم ينقذ الشركة فحسب بل وضعها على خريطة الكبار في "سيليكون فالي". كذلك أتت هذه البطاقة في أول جهاز ألعاب Xbox عام 2000. منذ البداية كانت أنڤيديا على صلة وثيقة مع المبرمجين ومجتمع الـsoftware عموماً. استفادت من علاقاتها بمهندسي البرمجة في مجالات عدة، مثل الطب والسيارات وصانعي الألعاب والترفيه البصري، لكي تكوّن فهماً عن احتياجات السوق وحل المشاكل المُلحّة. لذلك تركزت جهود الشركة في هندسة الرقاقات بدلاً من تصنيعها، وأوكلت مهمة التصنيع إلى شركة تايوانية تدعى TSMC.إبتكار مدهش شركات كثيرة كانت قد دخلت مجال تطوير معالجة الرسومات. مع الوقت انسحب الجميع بإستثناء أنڤيديا ومنافستها AMD. تيقن المطورون في أنڤيديا منذ البداية بأن معالجة الغرافيك تحتاج إلى قوة حوسبة هائلة، تفوق قدرة وحدات المعالجة المركزية (CPUs). لذا فقد كان شغلهم الشاغل في السنوات الأولى يتركز على كيفية تطوير وحدة معالجة رسومات (GPU) مستقلة قابلة للفك والتركيب داخل الكمبيوتر المنزلي. في العام 2006 حصل اختراق نوعي تمثل في إصدار مجموعة أدوات برمجية Toolkit قادرة على الحوسبة المتوازية (Parallel Computing) بدلاً من الحوسبة التتابعية، عرفت هذه التقنية بإسم CUDA. لاحقاً في عام 2007 تم إصدار أول GPU يعمل بتقنية كودا هو G80.تحويل الفشل إلى فُرصفتحت تقنية كودا الباب واسعاً أمام احتمالات استخدام الحوسبة المتوازية، ليس فقط في بطاقات الغرافيك الخاصة بالكمبيوتر المنزلي GeForce، بل في استعمال الـGPUs في لوحات لمعالجة البيانات وتخزينها.
في عام 2010 حاولت أنڤيديا دخول عالم الهواتف المحمولة، وأصدرت لهذا الغرض معالج Tegra. كانت تلك مغامرة غير محسوبة، ليس لعدم كفاءة Tegra بل لتعقيدات صناعة الهواتف. أدركت الشركة مباشرة عدم جدوى المضي في هذا المجال، غير أنها وجدت لمعالج Tegra الخاص بالهواتف مهمة أخرى، وهي تشغيل آلاف الروبوتات لنقل الصناديق في شركة Amazon. كذلك بقي هذا المعالج يُستعمل في سيارات تيسلا 3S من عام 2016 حتى العام 2019. حوّلت أنڤيديا فشلها إلى نجاح، بالتركيز على ما تجيد فعله واستبعاد كل ما يؤخرها.ثورة رقميةمع كل إصدار جديد من بطاقات الغرافيك GeForce، كانت أنڤيديا تفي بوعودها. ففي اصدار GTX 680 عام 2012 بات من الممكن ملاحظة تموجات الشعر في ألعاب الفيديو. نتذكر حينها كيف كنا نُقدّر جداً ما نراه من إبهار ونتحدث لساعات عن جودة الغرافيكس ومدى "واقعيته"، الآن بات ذلك تحصيل حاصل وننسى أحياناً الثورة الرقمية التي أوصلتنا إلى هذه المرحلة. قد ننسى مثلاً أن فيلم Avatar عام 2009 كان سيستغرق عقوداً من الزمن لمعالجة رسوماته من غير تقنية الحوسبة المتوازية. بالمقابل فإن أحد أبرز أسباب فشل زوكربيرغ في مشروع Metaverse هو عدم استخدامه رسومات واقعية، وبدى عالمه الإفتراضي أشبه بأفلام كرتونية للأطفال.
بات استعمال الـGPUs ركناً أساسياً لتعدين العملات الرقمية وحل خوارزميات البلوكشين، وعلى الرغم من أن أنڤيديا أصدرت عدداً من بطاقات الغرافيك الخاصة بالتعدين، إلا أن خيارات المعدّن المفضلة كانت البطاقات القوية المخصصة للألعاب خصوصاً فئات RTX وبعض فئات GTX الأقدم، لا سيما 1660s. كما في تعدين العملات الرقمية، كذلك في خدمات التخزين السحابية Clouds ومراكز تخزين البيانات والقيادة الآلية، برز الـGPU كقوة معالجة لا يستهان به.
استفادت أنڤيديا من خبرة AlexNet في مجال التعلّم العميق (Deep learning) وتطوير الشبكة العصبية الاصطناعية (Convolutional Networks) للتعرف على الأشياء وأشكالها، وقامت بتطبيق ذلك في رسومات الألعاب الواقعية. لاحقاً طُبقت مبادئ التعلّم العميق نفسها والتعرف على الأشياء في القيادة الآلية للسيارات وكذلك الروبوتات.الـGPU والذكاء الاصطناعيفي العام الماضي أطلقت أنڤيديا السلسلة 40 من بطاقات RTX، وعلى الرغم من سعرها المرتفع جداً، بسبب إقبال معدّني العملات الرقمية على هذه البطاقات في السنوات الماضية، فإنه من المتوقع أن تنخفض الأسعار نظراً لركود التعدين في هذه المرحلة من سوق العملات الرقمية، الذي يصعد وينخفض في حلقات متتابعة عادة ما تستغرق الواحدة منها ثلاث سنوات.
عن RTX يقول المدير التنفيذي جينسن هوانغ بأن هندستها لم تكن ممكنة من دون الذكاء الاصطناعي، فالمهندس في مرحلة التطوير كان يقوم بمعالجة بيكسل واحدة ويتكفل الذكاء الإصطناعي بالباقي.
بالتوازي مع الجيل 40 من بطاقات RTX، أطلقت أنڤيديا أيضاً أحد أهم إنتاجاتها، وأكثرها سرعة وقدرة على الحوسبة من أي منتج آخر في مجال التعلّم العميق، إنها لوحة DGX A100 Server وهي عبارة عن ثمانية GPUs في لوحة الكترونية واحدة يقارب ثمنها $200,000. تعتبر هذه اللوحة القلب النابض لبرامج الذكاء الإصطناعي وأبرزها ChatGPT. وفي الربع الثالث من العام نفسه تم إصدار الجيل التاسع من لوحات معالجة البيانات بواسطة الـGPU مع رقاقة DGX H100 ورغم أنها أسرع بتسع مرات من سابقتها (A100)، إلا أنها تختص بمعالجة وإنتاج الصور (Rendering). المنافسة والتحديات الجيوسياسية حالياً تستعد أنڤيديا لإصدار أول معالج مركزي CPU Superchip يدعى Grace وقد يصبح قيد الإستعمال في مراكز الداتا خلال أيام. تقول الشركة عن منتجها الجديد أنه سيكون المعالج المركزي الأكثر فعالية على الإطلاق. لكن كما تتوسع أنڤيديا باتجاه هندسة الـCPUs، فإن عملاقة المعالجات المركزية Intel تتجه لإنتاج أول بطاقة GPU في عام 2025. عن المنافسة مع باقي الشركات مثل AMD وIntel يردد جينسن هوانغ دائماً أن المنافسة أمر جيد في المجالات الإبداعية والهندسية، وأن حاجات السوق هي دائماً أكبر مما تستطيع هذه الشركات الرائدة تقديمه. لكن هذا المدير التنفيذي الذي بقي على رأس أنڤيديا ثلاثين سنة، يؤرق ليله أمر آخر. فالاعتماد الكلي على تصنيع الرقاقات في تايوان عبر TSMC من جهة، وقرارات الحظر الأميركية على تصدير بعض التقنيات إلى الصين، لا سيما لوحات DGX A100 من جهة أخرى، جعل الشركة عرضة لتأثيرات سياسية غير مريحة. ومع ذلك يبدو أن هوانغ يتعامل مع الأمر بحرفية عالية، فهو مع التزامه بقرارات وتشريعات حكومته يقوم بخدمة قاعدة زبائنه الضخمة في الصين. أما عن TSMC فقد بدأت بالفعل العمل على منشآت بقيمة 40 مليار دولار لمصانعها الجديدة في ولاية أريزونا الأميركية، في حال قررت الصين غزو تايوان وضمها.