En ajoutant continuellement des sociétés d'applications en aval, Nvidia dessine une nouvelle carte d'investissement

Auteur : Zhang Xinyi Wang Xinhao

Source : Nouvelles de l'électronique de Chine

Titre original : "NVIDIA's Investment Map"

Au cours des deux derniers mois, Nvidia a réalisé de fréquents investissements et acquisitions : d'abord, elle a investi dans trois sociétés de licornes d'IA, puis a dépensé 50 millions de dollars pour soutenir la biotechnologie et a acquis la société de services cloud d'IA Lambda Labs le 19 juillet. Il y a encore plus de nouvelles que Nvidia repense à devenir un investisseur principal pour ARM après l'échec de son acquisition d'ARM. Au cours du premier semestre de cette année, Nvidia, qui n'a cessé d'ajouter des sociétés d'applications en aval, dessine un nouveau paysage d'investissement.

Investissement NVIDIA "Trois étapes"

Selon les données publiques, depuis la création de Nvidia en 1993, elle a investi et acquis plus de 50 entreprises.

Le développement de Nvidia peut être divisé en trois étapes : la période de maintenance de 1993 à 2006, la période de développement de 2007 à 2015 et la période d'expansion de 2016 à nos jours.

Source des données : Compilé par China Electronics News

Dans la première étape, Nvidia, qui s'est concentré sur les processeurs graphiques de jeu auto-développés, a changé le paysage concurrentiel des cartes graphiques en annexant le concurrent numéro un. Pendant ce temps, Nvidia sonnait la cloche, lançait la GeForce256 et définissait l'unité de traitement graphique GPU. En 2000, Nvidia a acquis 3DFX, un pionnier des cartes graphiques 3D, pour 70 millions de dollars. Depuis lors, après avoir connu le "jeu de survie" des sociétés de cartes graphiques dans les années 1990, Nvidia a racheté son rival numéro un, 3DFX, et s'est imposé comme un survivant.

Dans la deuxième étape, les investissements et les fusions et acquisitions de Nvidia n'étaient pas très médiatisés. En 2007, la mise en place et l'application de la douve CUDA ont permis à Nvidia de construire une barrière écologique différente des autres constructeurs de cartes graphiques. Du point de vue du "rétrospectif", Nvidia a développé la plate-forme CUDA, exploré les GPU à usage général et abandonné de manière décisive le marché mobile. Cette série d'actions a profondément affecté l'orientation du développement de Nvidia, et a finalement promu Nvidia pour former un affichage de jeu, centre de données, et l'automobile comme plate-forme.La voie commerciale de la "troïka".

Depuis 2015, le processus d'investissement et de fusion de Nvidia s'est accéléré, et son soutien aux start-up a également commencé à augmenter, et il est entré dans une phase d'expansion rapide. Au cours des 8 dernières années, Nvidia a investi dans plus de 30 entreprises de nombreux pays et régions, impliquant l'intelligence artificielle, le traitement d'image, la conduite autonome, le biomédical et d'autres domaines.

Source des données : Compilé par China Electronics News

Huang Renxun a un jour mentionné la logique d'investissement de Nvidia : premièrement, la vision de l'entreprise est cohérente avec Nvidia, c'est-à-dire utiliser la technologie de l'IA pour créer plus de valeur pour la société ; deuxièmement, cette entreprise a besoin de l'aide de Nvidia ; troisièmement, cette entreprise a des qualifications relativement excellentes.

Un autre cycle d'expansion agressive

Rien qu'en 2017, Nvidia a investi et acquis une vingtaine d'entreprises, ce qui a dépassé la somme des années précédentes. Au cours des années suivantes, la route de Nvidia vers les fusions et acquisitions n'a pas été facile. Il a acquis avec succès Mellanox, un fournisseur de commutateurs et d'adaptateurs de réseau cloud, mais il a également eu des rebondissements dans le processus d'acquisition d'ARM auprès de Softbank, et a finalement dû mettre fin au plan en raison des lois antitrust. L'expert en semi-conducteurs Mo Dakang a déclaré que les domaines d'investissement de Nvidia semblent être compliqués, mais ils peuvent être brièvement résumés en deux directions de base : l'une est l'intelligence artificielle avec le GPU comme cœur de l'informatique, et l'autre est l'électronique automobile.

On peut constater dans sa liste d'investissement que l'amélioration des capacités logicielles et matérielles du GPU et l'exploration de la conduite autonome sont devenues les principales tâches de Nvidia. Il peut y avoir des signes d'un tel déploiement à long terme beaucoup plus tôt. Sheng Linghai, un expert de l'industrie des semi-conducteurs, a déclaré au journaliste de "China Electronics News": "Nvidia a décidé d'étendre les scénarios d'application du GPU, et GPGPU (GPU général) est né parce que Huang Renxun s'est rendu compte qu'en plus des jeux, le le calcul parallèle pour lequel le GPU est bon peut également être utilisé dans d'autres domaines. À l'avenir, il sera utile dans d'autres industries qui ont besoin de traiter d'énormes quantités de données.

Fin 2022, l'intelligence artificielle générative emmenée par ChatGPT est entrée dans le champ de vision du public.L'énorme demande de puissance de calcul a poussé le marché des GPU à être chaud et a poussé Nvidia à atteindre une valeur marchande de 1 000 milliards de dollars en 2023. Ce n'est pas "devenir riche du jour au lendemain", mais accumuler. L'écologie logicielle et matérielle formée par la mise en page à long terme est devenue la "confiance" de Nvidia. Après un investissement agressif en 2017, Nvidia semble être sur la voie d'une nouvelle expansion.

Au premier semestre 2023, Nvidia a successivement investi dans trois sociétés connues sous le nom de « licornes IA ». Parmi eux, la société canadienne d'IA Cohere a annoncé la réalisation d'un financement de série C de 270 millions de dollars ; une autre start-up d'intelligence artificielle, Inflection AI, a annoncé qu'elle développait un supercalculateur équipé de 22 000 NVIDIA H100. En outre, la stratégie d'investissement de Nvidia implique également une IA artistique et créative, et Runway a déclaré qu'elle utiliserait l'intelligence artificielle pour la production vidéo. La bande-annonce de science-fiction AI "Trailer: Genesis", qui a récemment attiré l'attention sur les réseaux sociaux, a été remise à Runway pour la génération vidéo.

Runway Gen-2, un produit de Runway (Source : Site officiel de Runway)

Le 12 juillet, Nvidia a annoncé qu'elle investirait 50 millions de dollars dans Recursion Pharmaceuticals, une société pharmaceutique d'IA, pour accélérer la formation de son modèle d'intelligence artificielle et l'utiliser dans le développement de médicaments. Les deux sociétés coopéreront pour faire avancer le développement des modèles basés sur l'IA de Recursion dans les domaines de la biologie et de la chimie, et les distribueront préférentiellement aux sociétés de biotechnologie utilisant les services cloud de NVIDIA.

Étendre au champ vertical

Nvidia vise cette fois la mise en page des applications en aval, davantage pour améliorer son écosystème logiciel et matériel d'IA existant, et pour étendre les canaux commerciaux tout en renforçant le lien entre l'offre et la demande.

Nvidia connaît la bataille sur le marché des processeurs graphiques dans son ensemble, et ses produits ont été endurcis depuis la création de la société. La puissante puissance de calcul que le GPU peut fournir est à la base de son existence, mais cela ne signifie pas que l'amélioration continue de la puissance de calcul sera sûre pour toujours. Derrière la "fièvre de l'IA", il y a encore plus de "pensée froide". "AIGC est un sujet plein d'imagination illimitée, et il a déjà montré son importance dans les domaines des loisirs et du divertissement, des bureaux peu profonds. Avec l'émergence de divers modèles spéciaux et l'amélioration de la puissance de calcul à l'avenir, AIGC pénétrera dans plus domaines techniques professionnels." Deng Chuxiang, chercheur au CCID Consulting, a déclaré au journaliste de China Electronics News.

D'une part, dans les industries qui traitent de grandes quantités de données, les processeurs ne sont pas capables de gérer d'énormes quantités de calculs, et les GPU sont nécessaires pour traiter une grande quantité de données parallèles ; les données sont relativement fermées et complexes, et des modèles plus dédiés et des puces de puissance de calcul dédiées doivent être développées pour la formation et le raisonnement.

En tant qu'entreprise de conception de puces, Nvidia se situe du côté de l'alimentation informatique et doit examiner la question de "à qui vendra le produit". Cela nécessite que Nvidia explore activement et réponde activement aux besoins des sociétés d'applications en aval. En termes d'AIGC, de conduite autonome et de biomédecine, Nvidia a commencé à fournir en continu des services à haute puissance de calcul à différents constructeurs.

De plus, Nvidia doit accélérer sa propre pénétration écologique grâce à une coopération multipartite. Si l'achèvement de la plate-forme CUDA réalise "l'utilisation" du GPU, alors maintenant Nvidia va promouvoir cet ensemble d'écologie logicielle et matérielle au niveau "application" pour atteindre une autre extension du cadre métier. Par conséquent, Nvidia fournit non seulement des équipements, une puissance de calcul et un support technique à l'industrie des applications en aval, mais est également un investisseur dans des entreprises émergentes en aval, réalisant ainsi un processus en spirale vers le haut de se renforcer à plusieurs reprises.