Как крупные технологические компании, стартапы, устройства на базе искусственного интеллекта и торговые войны изменят способ производства чипов и технологии, на которых они основаны.
Серия What's Next от MIT Technology Review рассматривает отрасли, тенденции и технологии, чтобы дать вам первый взгляд на будущее. Вы можете прочитать остальные здесь.
Благодаря буму искусственного интеллекта мир чипов находится на пороге огромного приливного сдвига. Существует повышенный спрос на чипы, которые могут быстрее обучать модели ИИ и пинговать их с таких устройств, как смартфоны и спутники, что позволяет нам использовать эти модели, не раскрывая личные данные. Правительства, технологические гиганты и стартапы в равной степени стремятся отхватить свои куски растущего полупроводникового пирога.
Вот четыре тенденции, на которые следует обратить внимание в наступающем году. Они определят, как будут выглядеть чипы будущего, кто будет их производить и какие новые технологии они откроют.
CHIPS действует по всему миру
На окраине Финикса два крупнейших в мире производителя чипов, TSMC и Intel, спешат построить кампусы в пустыне, которые, как они надеются, станут очагами американского мастерства в производстве чипов. Единственное, что объединяет эти усилия, — это финансирование: в марте президент Джо Байден объявил о выделении 8,5 млрд долларов США в виде прямых федеральных средств и 11 млрд долларов США в виде кредитов на расширение Intel по всей стране. Спустя несколько недель было объявлено о выделении еще 6,6 млрд долларов США для TSMC.
Эти награды — лишь часть субсидий США, вливаемых в индустрию чипов через Закон о CHIPS и науке на сумму 280 миллиардов долларов, подписанный в 2022 году. Деньги означают, что любая компания, имеющая отношение к экосистеме полупроводников, анализирует, как реструктурировать свои цепочки поставок, чтобы извлечь выгоду из этих денег. Хотя большая часть денег направлена на стимулирование американского производства чипов, есть место и для других игроков, от производителей оборудования до стартапов в области нишевых материалов.
Но США — не единственная страна, которая пытается перенести часть цепочки поставок чипов на свою территорию. Япония тратит 13 миллиардов долларов на собственный эквивалент закона CHIPS, Европа потратит более 47 миллиардов долларов, а в начале этого года Индия объявила о выделении 15 миллиардов долларов на строительство местных заводов по производству чипов. Корни этой тенденции уходят далеко в 2014 год, говорит Крис Миллер, профессор Университета Тафтса и автор книги «Война чипов: борьба за самые критические технологии в мире». Именно тогда Китай начал предлагать своим производителям чипов огромные субсидии.
САЙМОН И ШУСТЕР«Это создало динамику, в которой другие правительства пришли к выводу, что у них нет выбора, кроме как предлагать стимулы или наблюдать, как фирмы переводят производство в Китай», — говорит он. Эта угроза в сочетании с ростом ИИ побудила западные правительства финансировать альтернативы. В следующем году это может иметь эффект снежного кома, и еще больше стран начнут собственные программы из страха остаться позади.
По словам Миллера, эти деньги вряд ли приведут к появлению совершенно новых конкурентов на рынке чипов или кардинально перестроят список крупнейших игроков на рынке чипов. Вместо этого они в основном будут стимулировать доминирующих игроков, таких как TSMC, укорениться в нескольких странах. Но одного финансирования будет недостаточно, чтобы сделать это быстро — усилия TSMC по строительству заводов в Аризоне увязли в несоблюдении сроков и трудовых спорах, а Intel также не смогла уложиться в обещанные сроки. И неясно, смогут ли их оборудование и рабочая сила, когда заводы выйдут в эксплуатацию, обеспечить тот же уровень передового производства чипов, который компании поддерживают за рубежом.
«Цепочка поставок будет меняться медленно, в течение многих лет и десятилетий», — говорит Миллер. «Но она меняется».
Больше ИИ на грани
В настоящее время большинство наших взаимодействий с моделями ИИ, такими как ChatGPT, осуществляется через облако. Это означает, что когда вы просите GPT выбрать наряд (или стать вашим парнем), ваш запрос отправляется на серверы OpenAI, побуждая размещенную там модель обработать его и сделать выводы (известные как «вывод»), прежде чем ответ будет отправлен вам. Использование облака имеет некоторые недостатки: для этого требуется доступ в Интернет, во-первых, а во-вторых, некоторые ваши данные передаются создателю модели.
Вот почему был большой интерес и инвестиции в периферийные вычисления для ИИ, где процесс пингования модели ИИ происходит непосредственно на вашем устройстве, например, на ноутбуке или смартфоне. Поскольку отрасль все больше стремится к будущему, в котором модели ИИ будут знать о нас очень много (Сэм Альтман описал мне свое убийственное приложение ИИ как то, что знает «абсолютно все о моей жизни, каждом письме, каждом разговоре, который я когда-либо вел»), существует спрос на более быстрые «периферийные» чипы, которые могут запускать модели, не делясь личными данными. Эти чипы сталкиваются с другими ограничениями, чем в центрах обработки данных: они, как правило, должны быть меньше, дешевле и более энергоэффективными.
Министерство обороны США финансирует множество исследований в области быстрых частных периферийных вычислений. В марте его исследовательское крыло, Агентство перспективных исследовательских проектов Министерства обороны (DARPA), объявило о партнерстве с производителем микросхем EnCharge AI с целью создания сверхмощного периферийного вычислительного чипа, используемого для вывода ИИ. EnCharge AI работает над созданием чипа, который обеспечивает повышенную конфиденциальность, но при этом может работать с очень малым энергопотреблением. Это сделает его пригодным для военных приложений, таких как спутники и внесетевое оборудование для наблюдения. Компания рассчитывает поставлять чипы в 2025 году.
Модели ИИ всегда будут полагаться на облако для некоторых приложений, но новые инвестиции и интерес к улучшению периферийных вычислений могут принести более быстрые чипы, а значит, и больше ИИ, в наши повседневные устройства. Если периферийные чипы станут достаточно маленькими и дешевыми, мы, вероятно, увидим еще больше «умных устройств» на основе ИИ в наших домах и на рабочих местах. Сегодня модели ИИ в основном ограничены центрами обработки данных.
«Многие проблемы, которые мы видим в центрах обработки данных, будут преодолены», — говорит соучредитель EnCharge AI Навин Верма. «Я ожидаю увидеть большое внимание на периферии. Я думаю, это будет иметь решающее значение для масштабирования ИИ».
Крупные технологические компании вступают в борьбу за производство микросхем
В отраслях от быстрой моды до ухода за газонами компании платят непомерные суммы за вычислительные затраты на создание и обучение моделей ИИ для своего бизнеса. Примерами служат модели, которые сотрудники могут использовать для сканирования и обобщения документов, а также внешние технологии, такие как виртуальные агенты, которые могут провести вас через процесс ремонта сломанного холодильника. Это означает, что спрос на облачные вычисления для обучения этих моделей зашкаливает.
Компании, предоставляющие большую часть этой вычислительной мощности, — это Amazon, Microsoft и Google. Эти технологические гиганты годами мечтали увеличить свою прибыль, производя чипы для своих центров обработки данных внутри компании, а не покупая их у таких компаний, как Nvidia, гиганта с почти монополией на самые передовые чипы для обучения ИИ и стоимостью, превышающей ВВП 183 стран.
Amazon начала свою деятельность в 2015 году, приобретя стартап Annapurna Labs. Google сделала следующий шаг в 2018 году, выпустив собственные чипы под названием TPU. Microsoft выпустила свои первые чипы ИИ в ноябре, а Meta представила новую версию собственных чипов для обучения ИИ в апреле.
AP PHOTO/ЭРИК РИСБЕРГЭта тенденция может склонить чашу весов в сторону от Nvidia. Но Nvidia играет роль конкурента не только в глазах Big Tech: независимо от их собственных внутренних усилий, облачным гигантам по-прежнему нужны ее чипы для своих центров обработки данных. Это отчасти потому, что их собственные усилия по производству чипов не могут удовлетворить все их потребности, но также и потому, что их клиенты ожидают возможности использовать топовые чипы Nvidia.
«Речь идет о предоставлении клиентам выбора», — говорит Рани Боркар, которая руководит аппаратными разработками в Microsoft Azure. Она говорит, что не может представить себе будущее, в котором Microsoft поставляет все чипы для своих облачных сервисов: «Мы продолжим наше прочное партнерство и будем использовать чипы от всех партнеров по производству кремниевых чипов, с которыми мы работаем».
Пока гиганты облачных вычислений пытаются переманить немного доли рынка у производителей чипов, Nvidia также пытается сделать наоборот. В прошлом году компания запустила собственный облачный сервис, чтобы клиенты могли обойти Amazon, Google или Microsoft и получить вычислительное время на чипах Nvidia напрямую. По мере того, как разворачивается эта драматическая борьба за долю рынка, наступающий год будет посвящен тому, видят ли клиенты чипы Big Tech как нечто похожее на самые передовые чипы Nvidia или больше похожие на своих младших кузенов.
Nvidia сражается со стартапами
Несмотря на доминирование Nvidia, идет волна инвестиций в стартапы, которые стремятся превзойти ее в определенных сегментах рынка чипов будущего. Все эти стартапы обещают более быстрое обучение ИИ, но у них разные идеи о том, какая броская вычислительная технология им этого позволит, от квантовой до фотоники и обратимых вычислений.
Однако 28-летний Мурат Онен, основатель одного из таких стартапов по производству чипов, Eva, который он создал на основе своей докторской диссертации в Массачусетском технологическом институте, откровенно говорит о том, каково это — основать компанию по производству чипов прямо сейчас.
«Царь горы — это Nvidia, и это мир, в котором мы живем», — говорит он.
Многие из этих компаний, такие как SambaNova, Cerebras и Graphcore, пытаются изменить базовую архитектуру чипов. Представьте себе чип-ускоритель ИИ, который постоянно перетасовывает данные туда-сюда между различными областями: часть информации хранится в зоне памяти, но должна перейти в зону обработки, где производятся вычисления, а затем быть сохранена обратно в зоне памяти для сохранности. Все это требует времени и энергии.
Связанная история
Сора от OpenAI подняла планку для создания фильмов с использованием ИИ. Вот четыре вещи, которые следует иметь в виду, пока мы размышляем о том, что нас ждет.
Повышение эффективности этого процесса позволит клиентам быстрее и дешевле обучать ИИ, но только если у производителя чипов достаточно хорошее программное обеспечение, чтобы позволить компании по обучению ИИ плавно перейти на новый чип. Если переход на программное обеспечение слишком громоздкий, производители моделей, такие как OpenAI, Anthropic и Mistral, скорее всего, останутся с известными производителями чипов. Это означает, что компании, использующие этот подход, такие как SambaNova, тратят много времени не только на проектирование чипов, но и на проектирование программного обеспечения.
Онен предлагает изменения на один уровень глубже. Вместо традиционных транзисторов, которые десятилетиями обеспечивали большую эффективность, становясь все меньше и меньше, он использует новый компонент, называемый протонным транзистором, который, по его словам, Ева разработала специально для математических нужд обучения ИИ. Он позволяет устройствам хранить и обрабатывать данные в одном месте, экономя время и вычислительную энергию. Идея использования такого компонента для вывода ИИ восходит к 1960-м годам, но исследователи так и не смогли понять, как использовать его для обучения ИИ, отчасти из-за материального барьера — для этого требуется материал, который может, среди прочих качеств, точно контролировать проводимость при комнатной температуре.
Однажды в лаборатории, «оптимизировав эти числа и очень удачно, мы получили нужный нам материал», — говорит Онен. «Вдруг устройство оказалось не проектом для научной выставки». Это повысило вероятность использования такого компонента в масштабе. После месяцев работы над подтверждением правильности данных он основал Eva, и работа была опубликована в Science.
Но в секторе, где так много основателей обещали — и не смогли — свергнуть доминирование ведущих производителей микросхем, Онен откровенно признает, что пройдут годы, прежде чем он узнает, работает ли дизайн так, как задумано, и согласятся ли производители его производить. По его словам, для руководства компанией в условиях этой неопределенности требуется гибкость и готовность к скептицизму со стороны других.
«Я думаю, что иногда люди слишком привязаны к своим идеям, а затем чувствуют неуверенность, что если это исчезнет, то ничего не будет дальше», — говорит он. «Я не думаю, что я так себя чувствую. Я все еще ищу людей, которые бросят нам вызов и скажут, что это неправильно».
Источник: www.technologyreview.com
