Új hozzászólás Aktív témák

• #33 zhit86 csendes tag Abu85 #20

  Új Válasz 2024-09-27 12:52:17 #33

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  zhit86

  csendes tag

  válasz Abu85 #20 üzenetére

  Szerintem ez nem egészen így van...
  
  Személy szerint sem a CUDA, sem a mostani AI fejlesztésben nem tudtam komolyabban elmerülni (érdekelne, de nincs időm igazán)... de nekem az a benyomásom (lehet, hogy tévedek), hogy a Nvidia CUDA és később AI sikere azon is múlt, hogy voltak a professzionális kategóriánál olcsóbb szinten is jól használható kártyáik.
  
  Igen, az igazi nagy szereplők megveszik a hivatalosan is AI-ra, compute-ra kitalált terméket, de pl. diákok, egyetemek, kis cégek stb. már nem biztos, hogy tudnak ennyit rászánni. Ezért jött már sok generáció óta képbe ilyen szerepben is a mindenkori top GeForce (3090, 4090 stb.) kártya.
  
  A lényeg az, hogy a kispénzű diák/hobby/mikrovállalkozás stb. és a pro (OpenAI kaliber stb.) cégek között is van kapcsolat. Biztos vagyok benne, hogy az OpenAI-os fejlesztők 99%-a is valamikor úgy kezdte, hogy otthon kockult egy akkori GeForce-szal. Vagy, ha nem otthon akkor az egyetemen stb.
  
  Nyilván vannak cloud platformok is (Google Colab stb.) amik tanulásra is bevethetőek... de egy szint felett (de még mindig amatőr) már kevés az.
  
  Az, hogy az Nvidia sem akar biztosítani olcsón hozzáférhető, AI fejlesztéshez, próbálgatáshoz, tanulgatáshoz kurrens szinten értelmezhető (24-32 vagy még több) VRAM-os kártyát (ami akár lehetne erre optimalizált, gamingre nem annyira jó) az nekem azt mutatja, hogy maguk sem értik a saját sikerük okát egészen.
  Amennyiben csak azt látja, hogy egy AI-ra használt top GeForce az elveszett bevétel, akkor az szűk látókörű, sales manager hozzáállás.

Új hozzászólás Aktív témák