TGViewer
Techscape Techscape @thetechscape · 207 subscribers
Post #48 94
انویدیا برای این کار شروع به جذب مهره‌های کلیدی‌ای کرد تا بتونه یک پِی قوی برای آینده شرکت ایجاد کنه.

کلیدی‌ترین این افراد جان نیکولز بود که خودش قبلا استارتاپ پردازش موازی MasPar رو راه انداخته بود و بعدها یک نامه برای جنسن نوشت و چشم‌اندازش رو از پایان سلطه اینتل توضیح داد و گفت که انویدیا در بهترین موقعیت برای ایجاد موج جدید پردازش قرار داره. این چشم‌اندازش رو شاید تو یه بخش جدا توضیح دادم.

نفر بعدی یان باک بود که سرپرست تیم توسعه ‌Brook بود و قرار بود تو لایه نرم‌افزار کاری که حتی Brook هم نمی‌تونست انجام بده رو به سرانجام برسونه.

همینطور مارک هریس که جنبش GPGPU رو شروع کرده بود و بیل دالی که از افراد مطرح آکادمیک در زمینه پردازش موازی بودن و کلی آدم دیگه که هدفشون ساختن آینده انویدیا بود و قرار بود طی ۳ تا ۴ سال بعدی یک اکوسیستم یکپارچه و کامل برای استفاده عمومی از GPUها ایجاد کنن.

این اکوسیستم در لایه‌های مختلفی قرار بود ایجاد بشه:

اولین و مهم‌ترین لایه، سخت‌افزار بود.
انویدیا برای اینکه بتونه GPUها رو واقعا عمومی کنه، معماری اون‌ها رو کاملا تغییر داد تا علاوه بر بازی بشه هر کاری رو به صورت موازی به اون‌ها سپرد. به همین خاطر معماری GPUها قرار بود از هسته‌های CUDA تشکیل بشه که می‌تونستن از حافظه مشترک به صورت همزمان استفاده کنن. این پردازنده جدید با اسم G80 شناخته می‌شد و نکته‌های عجیبی در موردش وجود داشت.

در حالی که انویدیا معمولا روی یک یا دو نسل بعدی تراشه‌های خودش کار می‌کرد این تراشه جدید قرار بود حداقل ۴ نسل جلوتر باشه و به خاطر تغییر معماری، قیمت GPUهای انویدیا نسبت به رقیب اصلی‌شون یعنی ATI گرون‌تر بود. این تفاوت قیمتی داخل خود انویدیا به مالیات CUDA معروف شد. در واقع انویدیا هزینه توسعه پلتفرم آینده‌ش رو داشت از گیمرها دریافت می‌کرد.


لایه دوم، نرم‌افزار بود.
انویدیا اینجا یک پلتفرم کامل شامل زبان برنامه‌نویسی CUDA (که بر پایه زبان C بود) به همراه کامپایلر و دیباگر و مستندات کامل رو توسعه داد و با همکاری گروه‌های مختلف آکادمیک کتابخونه‌های متعددی رو برای انجام کارهای مختلف مثل ماشین لرنینگ و پردازش تصویر و ... رو هم بهش اضافه کرد.


و لایه آخر ایجاد یک کامیونیتی یا جامعه‌ای از متخصصین بود.
برای این کار یک تکست‌بوک نوشته شد و طی همکاری با چند دانشگاه یک کورس کامل براش ایجاد کردن که برنامه‌نویسی پردازنده‌های موازی رو گسترش بدن. به این ترتیب نسل آینده توسعه‌دهنده‌ها که می‌خواستن پردازش موازی انجام بدن همه با CUDA کار کرده بودن و اگر جایی نیاز به چنین چیزی می‌شد یعنی باید سخت‌افزار انویدیا رو هم می‌خریدن.


و سرانجام در سال ۲۰۰۶، همزمان با معرفی جی‌پی‌یوهای جدید G80 انویدیا از CUDA که مخفف Compute Unified Device Architecture بود هم معرفی شد.

پلتفرمی که توسعه اون سالانه صدها میلیون دلار هزینه برده بود و قرار بود در آینده هزینه‌های خیلی بیشتری هم داشته باشه اما جنسن هوانگ به آینده‌ای که این پلتفرم ممکن می‌کرد واقعا ایمان داشت.
  • 👍 4
More from @thetechscape
  1. Aug 8, 2026بعد از سال‌ها دوباره یک محتوا با عنوان مدل ذهنی تولید کردم 😁
  2. Aug 8, 2026قسمت جدید انویدیا رو همین الان منتشر کردم. یه مقدار با قسمت‌های قبلی متفاوته. اگر براتون س…
  3. Jul 15, 2026قسمت دوم داستان انویدیا همین الان منتشر شد. امیدوارم از دیدن این ویدئو لذت ببرید. ممنون می…
  4. Jun 24, 2026قسمت اول داستان انویدیا تو یوتیوب منتشر شد، ممنون می‌شم ببینید و نظر بدید. و البته ممنون ا…
  5. Jun 12, 2026یادتونه تو تاریخچه انویدیا در مورد پایپلاین‌های موازی صحبت کردیم که انویدیا برای اولین بار…
  6. Jun 11, 2026در حاشیه بگم که یه مقدار نشستم ببینم تو فضای فارسی چه محتواهایی تولید شده در مورد انویدیا…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →