ג'נסן הואנג, מנכ"ל אנבידיה וממייסדיה, שרטט בראיון מקיף את תפיסת עולמו לגבי עתיד המחשוב, תפקיד הבינה המלאכותית, וחשיבות המעבדים הגרפיים בתהליך הטרנספורמציה של כל תחום כמעט בחיים המודרניים.
תחילתה של אנבידיה, כפי שתיאר הואנג, הייתה בתחילת שנות ה-90 עם תובנה הנדסית פשוטה: מרבית העיבוד בתוכנה מתרכז באחוז קטן מהקוד, שניתן להפעילו במקביל. התוצאה הייתה המצאת ה-GPU – מעבד גרפי המבצע עיבוד מקבילי מסיבי, אשר שימש תחילה בעיקר לצורכי גרפיקה ומשחקים. אך מהר מאוד התברר שהיכולת הזו רלוונטית למגוון עצום של תחומים – מתרשימים מדעיים ועד לרפואה מותאמת אישית.
השלב הבא התבקש – יצירת CUDA, פלטפורמה שאנבידיה פיתחה כדי לאפשר שימוש כללי ב-GPU לכל מטרה ולא רק לעיבוד גרפי. היא אפשרה למהנדסים להשתמש בשפות תכנות מוכרות כמו C על מנת להפעיל את המעבד הגרפי למשימות חישוביות אחרות, והפכה את ה-GPU לכלי שימושי עבור חוקרים, מוסדות אקדמיים ומפתחי תוכנה בכל העולם.
פריצת הדרך האמיתית, לדברי הואנג, אירעה ב-2012 עם פרסום מודל ה-AlexNet – רשת נוירונים עמוקה שזכתה בתחרות בינלאומית לזיהוי תמונות באמצעות אימון שנעשה על כרטיס גרפי מסדרת GeForce של NVIDIA. אותו מודל הפך לרגע המכריע שבו הוכח כי בינה מלאכותית, כאשר היא מופעלת על גבי GPU, יכולה לפתור בעיות שבעבר נחשבו לבלתי פתירות – לא רק זיהוי תמונה, אלא גם הבנת שפה, זיהוי קולי והסקת מסקנות.
לאורך שנות ה-2010, אנבידיה המשיכה להשקיע מיליארדים בפיתוח תשתיות מחשוב, ובהם מערכות DGX – מחשבי-על ייעודיים ללמידה עמוקה. הדור הראשון של DGX עלה כ-250,000 דולר ונמסר ב-2016 לארגון OpenAI. ב-2024 החברה כבר מציגה דגם מוקטן ב-3,000 שקל, שיכול לספק פי שישה ביצועים ולצרוך פי 10,000 פחות אנרגיה – קפיצה דרמטית ביעילות החישובית.
הואנג מציין כי אחד השינויים המרכזיים ש-אנבידיה מובילה כיום הוא באימון מערכות רובוטיות – מעבר מהעולם הפיזי לדיגיטלי. מערכות כמו Omniverse, אשר מדמות עולמות תלת-ממדיים על בסיס פיזיקה מדויקת, מאפשרות לרובוטים "להתאמן" על מגוון עצום של מצבים: תאורה משתנה, מכשולים, שינויים סביבתיים. המידע נאסף, מעובד, ומוזן למערכת בינה בשם Cosmos – מודל שמטרתו להקנות לרובוטים "היגיון פיזיקלי" ויכולת תגובה בהתאם לחוקי המציאות.
לדבריו, הדור הבא של הרובוטים לא יידרש ללמידה מסוכנת בעולם האמיתי, אלא יתאמן מיליוני פעמים ביום בסביבה וירטואלית, עד שיהיה מוכן לתפקד ביעילות מחוץ לה. הוא מציין: "כל דבר שזז – יהיה רובוטי, וזה יקרה בקרוב. המכסחת דשא, הרכב, ואפילו העוזר הביתי".
בתחום הביולוגיה, אנבידיה שואפת להבין את "שפת המולקולות". בעזרת בינה מלאכותית ניתן, לדבריו, לחזות מבנים של חלבונים מתוך רצפי DNA, ולהציע תרופות מותאמות אישית. במקביל, החברה מפתחת כלים לחיזוי מזג אוויר מדויק ברזולוציה של קילומטר, לצורכי אקלים, חקלאות, תחבורה ותשתיות.
לצד כל זה, הואנג מדגיש את הצורך במחשוב גמיש – כזה שמאפשר חדשנות. לדבריו, אין לסמוך על כך שארכיטקטורת Transformer של הבינה המלאכותית תישאר רלוונטית לאורך זמן. לכן, אנבידיה מתעקשת על פיתוח חומרה גנרית, שיכולה להתאים למגוון רחב של אלגוריתמים וחדשנויות עתידיות.
גם ההיבט החינוכי אינו נשכח. הואנג מעודד כל אדם, ובמיוחד צעירים, ללמוד להשתמש בבינה מלאכותית – בין אם באמצעות ChatGPT, Gemini או Grok – ולראות בהם כלים אישיים להתפתחות, לחשיבה וללמידה. "כמו שבדור שלי למדנו להשתמש במחשב כדי לעבוד טוב יותר, הדור הבא צריך ללמוד איך להשתמש ב-AI כדי להיות טובים יותר בכל תחום."
