Согласно анализу, опубликованному исследовательской компанией Global Data, дефицит электронных компонентов, способных обслуживать модели искусственного интеллекта в сценариях гипермасштабных вычислений, в сочетании с ростом затрат на продукцию лидирующей на рынке графических процессоров компании Nvidia заставляет крупных провайдеров облачных сервисов, в том числе Amazon и Google, задумываться о создании собственных процессорных технологий. В настоящее время между предложением графических процессоров и спросом на них наблюдается существенный дисбаланс. Связано это с тем, что модели генеративного искусственного интеллекта в целом и мультимодальные системы, создающие изображения и видео, в частности, активно используют возможности параллельной обработки, предоставляемые графическими процессорами. Чтобы противостоять этой тенденции, поставщики генеративного ИИ, к которым помимо Google и Amazon относятся также Microsoft и Meta, вкладывают значительные средства в разработку собственных проприетарных процессорных технологий. Компания Google, которая первой вышла на рынок в 2015 году, продолжает заниматься созданием специализированных чипов, предназначенных для ускорения приложений машинного обучения, на базе своего тензорного процессора. Amazon с 2018 года разрабатывает архитектуры Inferentia и Trainium для решения задач генеративного ИИ. Недавно она представила новое поколение специализированных чипов, помогающих повышать рекламные рейтинги и демонстрировать контекстную рекламу на платформах социальных сетей с помощью ИИ. Несмотря на отставание от конкурентов в этом вопросе, она также представила собственную стратегию разработки чипов, соответствующую инвестициям в генеративный ИИ. Первые специализированные чипы для облачной инфраструктуры Microsoft – Azure Maia 100 и Cobalt 100 – разрабатывались с прицелом на решение задач ИИ. В ЦОДах Azure, поддерживающих сервисы OpenAI и Copilot, Microsoft планирует использовать серверные процессоры Cobalt 100 ARM, предназначенные для задач общего назначения, и ускорители искусственного интеллекта Maya 100. Инвестиции со стороны четырех этих компаний свидетельствуют о том, что рынок чрезвычайно конкурентен, а гиперскейлеры в процессе реализации своих амбициозных планов в сфере ИИ активно инвестируют в новые архитектуры. Эти шаги неизбежно поставят под сомнение доминирующее положение Nvidia на рынке чипов, ориентированных на генеративный ИИ. Гонка чипов ИИ будет проходить по тому же сценарию, что и гонка больших языковых моделей. Сюда же влилось и множество стартапов (Cerebras, Groq, Mythic, Graphcore, Cambricon и Horizon Robotics), занимающихся проектированием ИИ-процессоров, которые работают быстрее, потребляют меньше электроэнергии и оптимизированы для обучения нейронных сетей. Технология чипов генеративного ИИ предлагает вполне конкурентоспособные альтернативы графическим процессорам Nvidia и AMD, однако стартапам недостает узнаваемости брендов крупных игроков.Открытые системы