IA ayuda a Nvidia a alcanzar ingresos récord. Nvidia registró ingresos de US$ 2.17 billones en el cuarto trimestre (finalizado el 29 de enero de 2017), un 55% más que los US$ 1.40 billones del año anterior, y un aumento de 8% frente a los US$ 2.00 billones del trimestre anterior. Para el año fiscal 2017, los ingresos alcanzaron un récord de US $6.91 billones, un 38% más que los US $ 5.01 billones del año anterior.
IA ayuda Nvidia a alcanzar ingresos récord
El crecimiento fue impulsado principalmente por las ventas de centros de datos triplicando desde el año anterior a US$ 296 millones. La compañía señaló una rápida adopción de inteligencia artificial (inteligencia artificial) en todo el mundo, así como para proveedores de servicios en la nube que implementan instancias de GPU, computación de alto rendimiento, virtualización gráfica de GRID y el dispositivo de supercomputación DGX AI de la compañía.
Nvidia puso de relieve que las IA’s están transformando las industrias en todo el mundo empezando por las empresas hiperescala como Microsoft, Facebook y Google, que utilizan los servicios que utiliza el reconocimiento de imágenes y procesamiento de voz. La próxima área de crecimiento se producirá con las empresas en campos como la atención de la salud, la venta al por menor, el transporte y las finanzas, próximas en abrazar el cómputo profundo de las GPU.
El cómputo profundo ha sido un fuerte campo de interés para Nvidia en los últimos años, como el CEO de Nvidia, Jen-Hsun Huang, explica el por qué es una técnica revolucionaria en la categoría de aprendizaje automático y el aprendizaje automático es una herramienta esencial para activar la IA. Deep Learning es la técnica donde el software puede escribir software por sí mismo, aprendiendo de una gran cantidad de datos. Antes del cómputo profundo, otras técnicas como los sistemas expertos, los sistemas basados en reglas y las funciones manuales, en las que los ingenieros tendrían que escribir algoritmos para averiguar cómo detectar cosas específicas, como un gato o un rostro, han sido lentos para progresar y proporciona resultados limitados, explicó Huang.
La razón por la que el cómputo profundo tardó mucho tiempo en llegar es porque su handicap requiere una enorme cantidad de datos para entrenar la red, y una gran cantidad de procesamiento de cómputo en dichos datos. Y ahora el cómputo profundo ha demostrado ser bastante robusto. Es increíblemente útil, y esta herramienta no ha encontrado por el momento limitaciones en los problemas que ha encontrado la manera de resolver, dijo Huang.