Спеціальні мікросхеми штучного інтелекту від Google, відомі як блоки обробки тензорів (TPU), стають серйозним конкурентом Nvidia, яка тривалий час домінувала на ринку обладнання штучного інтелекту. Повідомляється, що такі компанії, як Meta та Anthropic, готуються інвестувати мільярди доларів у Google TPU, що може сигналізувати про потенційні зміни в галузі.
Розвиток спеціалізованого обладнання ШІ
Розвиток штучного інтелекту значною мірою покладався на графічні процесори (GPU), які спочатку були розроблені для ігор і рендерингу графіки, завдяки їхній здатності ефективно виконувати паралельні обчислення. Це паралельне обчислення має вирішальне значення для навчання та запуску моделей штучного інтелекту, які часто передбачають масове множення матриць. Однак спочатку графічні процесори не були оптимізовані для ШІ.
TPU, вперше розроблені компанією Google у 2016 році, вирішують цю проблему, зосереджуючись виключно на множенні матриці, яке є основною операцією в більшості робочих навантажень ШІ. Останнє покоління, Ironwood, підтримує вдосконалені моделі штучного інтелекту Google, такі як Gemini та AlphaFold.
Ефективність проти гнучкості
Технічно TPU — це вдосконалена підмножина GPU, а не цілком окрема архітектура. Вони оптимізують обчислення, пов’язані зі штучним інтелектом, потенційно заощаджуючи компаніям десятки або навіть сотні мільйонів доларів.
Однак ця спеціалізація має свої недоліки. TPU можуть бути менш гнучкими, якщо моделі штучного інтелекту значно розвинуться, змушуючи деякі обчислення повертатися до повільніших процесорів. Історично графічні процесори Nvidia мали перевагу в сумісності програмного забезпечення, але Google усунув цю прогалину, полегшивши інтеграцію TPU в існуючі робочі процеси.
Відповідь гіперскейлерів
Зростання вартості графічних процесорів, викликане високим попитом, підштовхнуло багатьох технологічних гігантів («гіперскейлерів») до розробки власних чіпів ШІ. Одним із прикладів є Amazon Trainium.
“Більшість гіперскейлерів мають власні внутрішні програми… оскільки графічні процесори стали надто дорогими, і може бути дешевше розробляти та створювати власні.” – Саймон Макінтош-Сміт, Брістольський університет
Цей перехід до власної розробки мікросхем пов’язаний не лише з ціною. Це також контроль і оптимізація для конкретних завдань ШІ.
Зміна ринку?
Протягом багатьох років Google переважно використовував TPU для внутрішнього використання. Зараз зовнішній попит зростає, і, як повідомляється, великі гравці, такі як Meta та Anthropic, роблять значні закупівлі TPU.
Ця посилена конкуренція може принести користь покупцям у довгостроковій перспективі, потенційно знизивши ціни на GPU або змусивши Nvidia пропонувати більш конкурентоспроможні умови. Диверсифікація постачальників апаратного забезпечення ШІ гарантує, що жодна компанія не контролює майбутнє цієї критичної технології.
Зростаюча зрілість TPU і готовність великих компаній штучного інтелекту використовувати їх свідчить про те, що в галузі відбуваються фундаментальні зміни.
