В ближайшие несколько лет гиганты-производители чипов и хорошо финансируемые стартапы будут гоняться за долей рынка.
Когда речь заходит о ресурсоемких вычислительных системах AI, производители аппаратного обеспечения возрождают прирост производительности, которым мы наслаждались в расцвет закона Мура. Выигрыш приходит от нового поколения специализированных чипов для приложений искусственного интеллекта, таких как глубокое обучение. Но фрагментированный рынок микросхем, который появляется, приведет к тому, что разработчикам придется сделать трудный выбор. Новая эра специализации чипов для AI началась, когда графические процессоры (GPU), которые изначально разрабатывались для игр, были развернуты для таких приложений, как глубокое обучение. Та же архитектура, благодаря которой графические процессоры отрисовывали реалистичные изображения, также позволяла им значительно эффективнее обрабатывать данные, чем центральные процессоры (CPU). Большой шаг вперед произошел в 2007 году, когда Nvidia выпустила CUDA, инструментарий для создания универсальных GPU-программ.Исследователи AI нуждаются во всех преимуществах, которые они могут получить, имея дело с беспрецедентными вычислительными требованиями глубокого обучения. Мощность GPU быстро развивалась, и микросхемы, изначально предназначенные для рендеринга изображений, стали движущей силой научных исследований и разработок искусственного интеллекта, изменяющих мир. Многие процедуры линейной алгебры, необходимые для работы Fortnite со скоростью 120 кадров в секунду, в настоящее время используются в нейронных сетях в самых современных приложениях компьютерного зрения, автоматического распознавания речи и естественной обработки речи. Сейчас тенденция к специализации на микрочипах превращается в гонку вооружений. Gartner планирует удвоить продажи специализированных чипов для AI до 8 миллиардов долларов США в 2019 году и достичь более 34 миллиардов долларов США к 2023 году. Согласно внутренним прогнозам Nvidia, рынок GPU для центров обработки данных (которые почти исключительно используются для обеспечения глубокого обучения) в то же время оценивается в 50 миллиардов долларов США. В ближайшие пять лет мы увидим, как крупные инвестиции в изготовленный на заказ кремний будут реализованы с помощью Amazon, ARM, Apple, IBM, Intel, Google, Microsoft, Nvidia, Qualcomm. Есть также множество стартапов в этом наборе. По оценкам CrunchBase, компании-производители чипов AI, включая Cerebras, Graphcore, Groq, Mythic AI, SambaNova Systems и Wave Computing, совместно собрали более 1 млрд. долл. Понятно, что специализированные чипы ИИ важны и приветствуются, поскольку они являются катализаторами для преобразования передовых исследований в области ИИ в реальные приложения. Однако, поток новых чипов AI, каждый быстрее и более специализированный, чем следующий, также будет выглядеть как возврат к росту корпоративного программного обеспечения. Можно ожидать непростых сделок купли-продажи и специализации программного обеспечения, направленной на то, чтобы заставить разработчиков работать только с одним поставщиком. Представьте себе, что 15 лет назад облачные сервисы AWS, Azure, Box, Dropbox и GCP появились на рынке в течение 12-18 месяцев. Их миссией было бы запереть как можно больше предприятий, потому что когда вы находитесь на одной платформе, трудно переключиться на другую. Этот тип золотой лихорадки конечных пользователей вот-вот произойдет в AI, с десятками миллиардов долларов и бесценными исследованиями, поставленными на карту. Чиновники не останутся в стороне от обещаний, и преимущества будут реальными. Однако разработчикам AI важно понимать, что новые микросхемы, требующие новых архитектур, могут замедлить вывод продукции на рынок - даже при более высокой производительности. В большинстве случаев модели AI не будут переноситься между различными производителями чипов. Разработчики хорошо осведомлены о риске блокировки поставщика, связанном с принятием API облачных вычислений более высокого уровня, но в прошлом фактический вычислительный субстрат был стандартизирован и однороден. Эта ситуация кардинально изменится в мире развития искусственного интеллекта.Вполне вероятно, что более половины доходов индустрии чипов вскоре будет обеспечено за счет искусственного интеллекта и глубокого изучения приложений. Подобно тому, как программное обеспечение порождает больше программного обеспечения, AI порождает больше AI. Мы видели это много раз: Первоначально компании сосредотачиваются на одной проблеме, но в конечном итоге решают многие. Например, крупные автопроизводители стремятся вывести на дорогу автономные автомобили, а их передовая работа в области глубокого обучения и компьютерного зрения уже дает каскадный эффект; исследования приводят к таким сопутствующим проектам, как поставка роботов Ford.По мере выхода на рынок специализированных чипов искусственного интеллекта, текущие гиганты чипов и крупные облачные компании, вероятно, будут заключать эксклюзивные сделки или приобретать высокоэффективные стартапы. Эта тенденция скорее приведет к фрагментации рынка искусственных интеллектуалов, чем к его объединению. Все, что разработчики AI могут сделать сейчас, это понять, что сейчас произойдет, и спланировать, как они взвесят преимущества более быстрого чипа со стоимостью строительства на новых архитектурах.