Nvidia je nesporným králem AI čipů. Ale díky AI, kterou pomohla vybudovat, by mohl šampion brzy čelit rostoucí konkurenci.
Moderní umělá inteligence běží na návrzích Nvidia, což je dynamika, která společnost dohnala k tržnímu limitu hodně přes 4 biliony dolarů. Každá nová generace čipu Nvidia umožňuje společnostem trénovat výkonnější modely umělé inteligence pomocí stovek nebo tisíců procesorů propojených sítí uvnitř rozsáhlých datových center. Jedním z důvodů úspěchu Nvidie je, že poskytuje software, který pomáhá naprogramovat každou novou generaci čipu. To možná brzy nebude tak diferencovaná dovednost.
Startup s názvem Wafer trénuje modely umělé inteligence, aby vykonávaly jednu z nejobtížnějších a nejdůležitějších úloh v oblasti umělé inteligence – optimalizaci kódu tak, aby na konkrétním křemíkovém čipu běžel co nejefektivněji.
Emilio Andere, spoluzakladatel a generální ředitel společnosti Wafer, říká, že společnost provádí posilování na modelech s otevřeným zdrojovým kódem, aby je naučila psát kód jádra nebo software, který přímo interaguje s hardwarem operačního systému. Andere říká, že Wafer také přidává „agentní svazky“ ke stávajícím modelům kódování, jako je Claude od Anthropic a GPT od OpenAI, aby zlepšili jejich schopnost psát kód, který běží přímo na čipech.
Mnoho předních technologických společností má nyní své vlastní čipy. Apple a další už roky používají vlastní křemík ke zlepšení výkonu a efektivity softwaru běžícího na noteboocích, tabletech a chytrých telefonech. Na druhém konci žebříčku společnosti jako Google a Amazon razí svůj vlastní křemík, aby zlepšily výkon svých cloudových platforem. Meta nedávno uvedla, že nasadí 1 gigawatt výpočetní kapacity s novým čipem vyvinutým s Broadcomem. Nasazení vlastního křemíku také zahrnuje napsání velkého množství kódu, aby na novém procesoru běžel hladce a efektivně.
Společnost Wafer spolupracuje se společnostmi včetně AMD a Amazon, aby pomohla optimalizovat software, aby na jejich hardwaru fungoval efektivně. Startup zatím získal 4 miliony dolarů počátečního financování od Jeffa Deana z Googlu, Wojciecha Zaremby z OpenAI a dalších.
Andere věří, že přístup jeho společnosti vedený AI má potenciál zpochybnit dominanci Nvidie. Řada špičkových čipů nyní nabízí podobný hrubý výkon s pohyblivou řádovou čárkou – klíčový průmyslový standard schopnosti čipu provádět jednoduché výpočty – jako nejlepší křemík od Nvidie.
„Nejlepší hardware AMD, nejlepší [Amazon] Trainium hardware, nejlepší [Google] TPU, dejte vám stejné teoretické propadáky jako GPU Nvidia,“ řekl mi nedávno Andere. „Chceme maximalizovat inteligenci na watt.“
Výkonoví inženýři s dovednostmi potřebnými k optimalizaci kódu, aby na těchto čipech fungoval spolehlivě a efektivně, jsou drazí a je po nich vysoká poptávka, říká Andere, zatímco softwarový ekosystém společnosti Nvidia usnadňuje psaní a údržbu kódu pro její čipy. To ztěžuje i těm největším technologickým společnostem, aby to zvládly samy.
Když například společnost Anthropic spolupracovala s Amazonem, aby postavila své modely umělé inteligence na Trainium, musela od začátku přepsat kód svého modelu, aby fungoval na hardwaru co nejefektivněji, říká Andere.
Samozřejmě, Anthropic’s Claude je nyní jedním z mnoha modelů umělé inteligence, které jsou nyní nadlidské v psaní kódu. Andere tedy počítá, že to nemusí trvat dlouho, než AI začne spotřebovávat softwarovou výhodu Nvidie.
„Příkop žije v programovatelnosti čipu,“ říká Andere s odkazem na knihovny a softwarové nástroje, které usnadňují optimalizaci kódu pro hardware Nvidia. „Myslím, že je čas začít znovu přemýšlet, zda je to skutečně silný příkop.“
Kromě usnadnění optimalizace kódu pro různé druhy křemíku může AI brzy usnadnit navrhování samotných čipů. Ricursive Intelligence, startup založený dvěma bývalými inženýry Google, Azalií Mirhoseini a Annou Goldie, vyvíjí nové způsoby, jak navrhovat počítačové čipy s umělou inteligencí. Pokud se jeho technologie rozjede, mnohem více společností by se mohlo rozvinout do navrhování čipů a vytvářet vlastní křemík, který provozuje jejich software efektivněji.
Čerpáme z těchto zdrojů: google.com, science.org, newatlas.com, wired.com, pixabay.com
