Новости

«Chip Matters» — это план исследований Tencent Technology в области полупроводников. Этот выпуск посвящен логике и проблемам технологических компаний, разрабатывающих собственные чипы искусственного интеллекта.

Автор Синьчао И.С. А Ню

Редактор Су Ян

«Наши запасы чипов NVIDIA больше не соответствуют требованиям», — откровенно заявил генеральный директор крупной компании, занимающейся моделями искусственного интеллекта.

Из-за дальнейшего ужесточения экспортного контроля стало трудно приобретать специальные выпуски китайских чипов, такие как A800 и H800. Вместо этого они были заменены совместимой версией H20. Производительность последней значительно снизилась, и ее внешний вид значительно снизился. мир также называет это кастрированной версией. Несмотря на это, H20 все еще может столкнуться с экспортным контролем в обновлении положений об экспортном контроле Министерства торговли США в октябре этого года.

Financial Times процитировала два анонимных источника, близких к Nvidia, которые сообщили, что несколько китайских компаний разместили заказы на чипы у Nvidia на общую сумму 5 миллиардов долларов США. В то же время некоторые отечественные чипы попали в поле зрения крупных производителей технологий, но из-за технологических процессов, межсоединений и других причин все еще существуют пробелы в производительности и проблемы с поставками.

На этом фоне многие крупные компании начали самостоятельные исследования и последовательно разработали текущие чипы TSMC, охватывающие несколько технологических узлов, таких как 5-нм и 7-нм, чтобы обеспечить безопасность поставок собственных чипов искусственного интеллекта.

Экспортный контроль подобен обоюдоострому мечу, блокирующему шею вычислительной мощности и ограничивающему рост NVIDIA. Особенно в контексте самоисследования клиентов, доходы NVIDIA в материковом Китае начали демонстрировать колебания. В 2022 финансовом году китайские клиенты обеспечили 25% рыночной выручки Nvidia, но к 2024 финансовому году эта доля упала до однозначных цифр.

Для Nvidia пирог в материковом Китае сокращается, и Кремниевая долина также меняется. Крупнейшие клиенты, такие как Google, Apple, Meta, Amazon и Tesla, пытаются идти обоими путями, используя чипы Nvidia и одновременно проводя собственные исследования.

Какова логика чипов собственной разработки крупных китайских и американских производителей? Могут ли технологические компании, вливающиеся в Красное море, успешно высадиться с чипами собственной разработки?

01 Твердая валюта чувствует себя в безопасности только тогда, когда вы держите ее в руке

В условиях нынешнего увлечения большими моделями и генеративным искусственным интеллектом чипы вычислительной мощности являются твердой валютой в руках технологических компаний. Компания CoreChao IC отследила это безумие и напряжение, связанное с «захватом вычислительной мощности» в статье «Заоблачные цены на H100 Flows». на черный рынок».

Держать карты в руках — основная причина, по которой крупные производители разрабатывают собственные чипы.

По словам Чэнь Вэя, председателя Qianxin Technology, у крупных производителей есть три козыря: гарантированные поставки, снижение затрат и торги. Вообще говоря, это своего рода автономия чипов.

Многие крупные китайские производители, особенно крупные производители Интернета и искусственного интеллекта, сталкиваются с риском сокращения поставок вычислительной мощности в любое время на фоне расширенного контроля за экспортом чипов. Самостоятельные исследования являются гарантией безопасности вычислительных мощностей. Однако чипы, разработанные каждой компанией, в основном предназначены для внутреннего использования, а спецификации адаптированы под их собственные продукты и не являются продуктами общего назначения.

Для гигантов, которые «жгут деньги» для накопления вычислительных мощностей, самоисследования — это способ снизить затраты. «Если объем достаточно велик и спрос достаточно велик, тогда рассмотрите возможность самостоятельного исследования, иначе затраты действительно не удастся снизить», — сказал У Цзихао, бывший эксперт по строительству завода TSMC.

В 2021 году Маск запустил суперкомпьютер Dojo, построенный на базе искусственного интеллекта D1 собственной разработки, для обучения сотрудников Tesla.Автопилот система. Согласно последнему исследовательскому отчету Morgan Stanley, эта система экономит в общей сложности 6,5 миллиардов долларов США по сравнению с A100 от Nvidia.

С ростом спроса на ИИ зависимость Cloud Factory от графических процессоров намного превышает зависимость от процессоров. Спрос на чипы NVIDIA сумасшедший. Самостоятельные исследования также являются для Cloud Factory стимулом для получения заказов NVIDIA.

Человек, близкий к Amazon, рассказал Xinchao IC, что карты NVIDIA недешевы. Если у крупных производителей DSA будут собственные разработки, они не только смогут полностью снизить среднюю стоимость чипов и патентов, но и смогут. чтобы лучше конкурировать с NVIDIA. Хорошая переговорная сила.

Публичная информация показывает, что Amazon не только разрабатывает собственные вычислительные серверы, серверы хранения и маршрутизаторы, но также разрабатывает собственный серверный чип Graviton.

AWS запускает универсальный процессор Graviton4

По данным The Information, Amazon продолжает снижать цены, заменяя Nvidia на Graviton. Клиенты, арендующие серверы Graviton напрямую, экономят от 10% до 40% затрат на вычисления. С точки зрения Nvidia, если вы хотите сохранить Amazon, крупнейшего в мире клиента облачной фабрики, вам придется сесть за покерный стол и договориться о более выгодной цене.

«Такая уступка по прибыли иногда может не полностью отражаться в скидке, но может быть отражена в распределении».

По мнению вышеупомянутых инсайдеров, если Nvidia, как ведущий мировой производитель, напрямую предоставит интуитивно понятную скидку на цену за единицу продукции, это окажет большое негативное влияние на систему ценообразования на продукцию и не будет способствовать защите цен на продукцию. , они могут модернизировать межсетевое оборудование, обновить SSD-хранилище, добавить дополнительные конфигурации стоек и т. д., чтобы замаскировать скидки крупным клиентам.

Есть и более распространённый льготный метод — откат мощностей и предоставление прав с первого раза.

Благодаря преимуществу первопроходца Amazon может установить более высокую цену на всю машину в краткосрочной перспективе и «сэкономить» (скидкать) деньги за счет премии за всю машину и распространения вспомогательных цепочек программных инструментов.

Помимо обеспечения поставок, снижения затрат и проведения торгов, некоторые крупные производители хотят обеспечить свою уникальную конкурентоспособность за счет разработки собственных чипов.

Чэнь Цзин, вице-президент Fengyun Society, отметил, что чипы, продаваемые NVIDIA, подходят для общих вычислений и обладают полным набором функций, но при этом являются относительно дорогими. Однако в этом случае некоторым клиентам нужны только определенные функции для усиления определенных своих преимуществ. , они рассмотрят Самообучение.

«Мне нужно только делать выводы по большой модели, и мне не нужны функции обучения. В этом случае я могу спроектировать специальный чип с простыми функциями, но с более высокой скоростью и более низкой ценой», — сказал Чэнь Цзин. «Крупные компании, такие как Google и Microsoft, имеют свои собственные спецификации программных и аппаратных систем. Как контролировать шум и какой уровень энергопотребления следует достичь. NVIDIA, возможно, не сможет соответствовать стандартам. Удобнее будет спроектировать самостоятельно. "

Среди гигантов Кремниевой долины компания Google очень обеспокоена дифференциацией своей собственной архитектуры, стоимости и технологии микросхем. С 2016 года она разрабатывает собственный тензорный процессор искусственного интеллекта (TPU) для достижения большей экономической эффективности в крупномасштабном и среднемасштабном обучении. и вывод и производительность для обеспечения их.облачные вычисленияПродукты имеют лучшую уникальность и узнаваемость.

Google запускает ТПУ шестого поколения «Триллиум»

Согласно данным, связанным с TPU 4-го поколения, раскрытым Google, по сравнению с системами того же размера, TPU v4 в 1,7 раза эффективнее NVIDIA A100 и в 1,9 раза более энергосберегающим.

Помимо вышеперечисленных пунктов, с экологической точки зрения, есть и более глубокая причина — сломать монополию CUDA. Будучи языком программирования, разработанным NVIDIA, CUDA является основной причиной, по которой цены на графические процессоры были «подняты до небес», и покупателям приходится с этим мириться.

Если облачная фабрика не проведет самостоятельные исследования, даже если она сможет получить хорошую цену заказа, более 95% процессоров в центрах обработки данных по-прежнему будут использовать графические процессоры NVIDIA, а весь спрос на облачный ИИ по-прежнему будет зависеть от CUDA. экосистема. В конечном счете судьба Nvidia находится в ее руках.

Поскольку Cloud Factory оснащает центры обработки данных чипами собственной разработки и разрабатывает множество базовых промежуточных программ и функций двоичной трансляции, чтобы помочь клиентам перейти на собственную экосистему, она будет иметь более высокую степень эквивалентной совместимости с программами CUDA, и ее исключительная зависимость будет постепенно уменьшаться.

«Это то, что делают все облачные фабрики. Даже если на долю процессора может приходиться менее 4% всего дата-центра, им все равно придется настаивать на этом», — сказал человек, знакомый с вопросом.

02 Если есть люди и деньги, давайте покончим с этим

«Есть люди, деньги, вещи, и в то же время у этого все еще есть потенциал на будущее, поэтому этому можно положить конец».

Ю Хао, вице-президент Legend Holdings, считает, что логика крупных производителей, занимающихся самостоятельными исследованиями чипов, относительно гладкая. У них есть клиенты, что является явным преимуществом.

«Люди» должны быть «талантливыми» людьми с практическим опытом на протяжении всего жизненного цикла чипов, а «деньги» должны быть «живыми деньгами», которые продолжают приносить доход, основанный на бизнесе по производству вычислительных мощностей. Таким образом, основные Производители могут положиться на замкнутый цикл бизнеса ИИ, чтобы оценить будущие перспективы. В связи с ожидаемым ростом рынка спрос на вычислительную мощность был определен количественно, а стратегическая координация людей и денег была завершена, чипы собственной разработки. пришли естественным путем», — сказал Юй Хао в интервью Xinchao IC.

Однако плата за вход за покерный стол, созданный самостоятельно, начинается как минимум с 2 миллиардов долларов США. В начале этого года,OpenAI Генеральный директор Сэм Альтман даже поделился слухами о сумасшедшем плане по привлечению $7 триллионов на создание чипов, хотя позже этот слух опроверг.

По словам человека, знакомого с вопросом: «Каждая компания, повторяющая свои продукты первого поколения, будет стоить не менее 2 миллиардов долларов США для увеличения массового производства, если рассчитывать на основе 7-нанометрового промежуточного узла».

Кроме того, чипы собственной разработки в основном предназначены для самостоятельного использования и не требуют учета сложности построения экосистемы. Ран Циюань процитировал слова партнера из Sky Eagle Capital: «Архитектурный проект чипов специального назначения, как правило, не должен быть особенно сложным, характеристики применения также очень ясны, а разработка происходит относительно быстро. Поэтому для многих интернет-пользователей компаний, их разработка чипов специального назначения осуществляется по четкому сценарию, вам не нужно тратить слишком много денег и времени на разработку экосистемы программного обеспечения, а процесс интеллектуальной собственности также является зрелым».

Теория работает, но как добиться успеха в самостоятельном обучении?

Согласно отраслевым знаниям, самоисследование чипа можно разделить на входную и внутреннюю части. Интерфейсная часть — это логическая конструкция, в которой реализованы самые основные функции чипа. Внутренняя часть — это физическая конструкция, которая представляет собой объект, который реализует все функции в схеме и записывает их на пленку.

Принципиальная схема процесса самостоятельной разработки чипов

Вообще говоря, единственные проекты, которые небольшие команды могут выполнить независимо, — это интерфейсная и серверная части логического чипа и сама цепочка программных инструментов, но даже в этом случае во многих проектах только 5% выделенных схем собственной разработки.

Вышеупомянутый человек, знакомый с этим вопросом, сказал: «Каждый на рынке делает 1/5 самостоятельно и просит других сделать оставшиеся 4/5. Это довольно зрелая экосистема. Что касается того, как получить эти IP-адреса, некоторые из них уже готовы. плохие каналы, а некоторые — через плохие каналы, соответствующие требованиям, такие как лицензирование от производителей IP-проектов, таких как ARM».

У многих команд действительно есть возможность самостоятельно проектировать некоторые схемы, но поскольку им необходимо преодолеть IP, которые имеют очень строгую защиту интеллектуальной собственности, даже если они будут созданы, они, скорее всего, нарушат архитектуру компьютера и не могут быть использованы, или даже посягают на чужую интеллектуальную собственность, это тоже первое препятствие, с которым сталкиваются отечественные производители при разработке собственных чипов.

Есть также некоторые вещи, которые группа самоисследований не может спроектировать, например, некоторые очень сложные структуры NOC (сеть на кристалле).

Проектирование — это только часть самостоятельно разработанных микросхем. Оно также включает в себя удаление ленты, массовое производство и т. д. В процессе вы можете столкнуться с различными проблемами, включая сбой в работе ленты, возможности массового производства и т. д., но это не самостоятельная работа. -Разработано. В конце концов, также необходимо решить ряд вспомогательных вопросов, в том числе о том, как осуществить интеграцию производственной цепочки.

С точки зрения внешнего мира, выделенный логический чип имеет площадь около 500 мм², а графический процессор общего назначения может иметь площадь 800 мм² и содержать десятки миллиардов или даже сотни миллиардов транзисторов. Некоторые из его функций используются для векторных вычислений и могут быть использованы. Все это считается векторным процессором, но для реализации в сценариях приложений он также требует проектирования и реализации хранилища, управления энергопотреблением, электропитания и общих условий работы машины. Для формирования более крупного кластера также требуется соединение и сеть.

Кроме того, конечной целью продуктов является создание дифференциации, которую необходимо сделать на периферийном интерфейсе и на всей машине, и появятся различные SKU. В отрасли обычно сравнивают эффективность хранения, энергопотребления и площади в квадратных футах с точки зрения эффективности. вся машина.

Другими словами, помимо интеграции отраслевых цепочек и вопросов интеллектуальной собственности, самостоятельно разрабатываемые чипы также должны учитывать артикулы продуктов. Недостаточно спроектировать логический чип.

Высокопоставленный человек, пожелавший остаться анонимным, рассказал Xinchao IC: «Многие отечественные компании не имеют возможности разрабатывать продукты, им приходится ездить в разные места для тестирования. Их инженеры и бизнес-директора находятся в Инспуре, Сугоне и т. д. .. дата-центры крупных производителей надеются, что другая сторона сможет оставить себе сокет на новой серверной плате, если испытание пройдет успешно, они купят партию. Однако успехов действительно очень мало».

Массовое производство — еще одна задача, помимо проектирования, упаковки и производства. Небольшие команды должны подумать, смогут ли они забронировать производственные мощности?

«Производительность всегда является очень важным показателем для заводов Fab», — сказал У Цзихао, бывший эксперт по строительству заводов TSMC, производители должны понимать, в какое звено они входят и какой объем продукции обещают. Это наиболее важный момент, чтобы произвести впечатление на Fab.

Производители первого уровня в основном зарезервировали новейшие производственные мощности заводов Fab на этапе DTCO (совместная оптимизация технологий проектирования). В настоящее время ведущие мировые команды дизайнеров, такие как ARM, ежегодно размещают в TSMC большое количество людей, в том числе. многие производители ЭДА.

DTC определяет показатели производительности процессоров следующего поколения на конкретных узлах, например, сколько денег можно сэкономить и насколько производительность можно улучшить за счет разумной компоновки 3-нм узла.

«NVIDIA и Apple всегда готовы протестировать самые передовые производственные процессы. Пока TSMC предлагает передовой производственный процесс, даже если производительность неизвестна и прирост производительности неизвестен, то есть до того, как экономическая модель сможет Если подсчитать, они уже будут резервировать производственные мощности. Совместное проектирование DTCO с заводами Fab является основной причиной для производителей первого уровня получить производственные мощности», — сказал У Цзихао.

Если с самого начала не будет совместной разработки, фабрике Fab и команде Fabless, Стороне А и Стороне Б, придется поменяться ролями. Поскольку никто не осмеливается использовать его, фабрика Fab может лишь постепенно продвигать свой новый процесс. , начиная с процесса с наименьшим риском.

Например, чипы для майнинговых машин имеют очень простую структуру и очень малый размер, поэтому они очень подходят для первоначального тестирования. Первым покупателем 3-нм чипа Samsung был завод по производству горнодобывающего оборудования из Китая.

У Цзыхао сказал: «После того, как фабрика Fab успешно протестирует воду с помощью таких небольших заказов клиентов, она сможет шаг за шагом начать массовое производство процессоров для ПК, чипов для мобильных телефонов и, наконец, чипов искусственного интеллекта».

В настоящее время крупные отечественные производители вложили не менее миллиардов долларов в чипы собственной разработки. Если начинающая компания хочет войти в игру, она должна либо иметь достаточное количество ранних клиентов, либо иметь платформу приложений для поддержки адаптации чипов и метода проб и ошибок, либо она должна иметь достаточный капитал или сильные финансовые возможности. Должно быть выполнено одно из этих двух условий. быть встречены.

Чэнь Вэй сообщил Xinchao IC, что если это коммерческая компания, не имеющая резервов дешевой рабочей силы и не полагающаяся на школы или научно-исследовательские институты, то перед массовым производством ей потребуется финансирование в размере не менее 500–1 миллиарда юаней; это научно-исследовательский институт или научно-исследовательский институт. При другой поддержке затраты на рабочую силу могут быть значительно снижены, а денежный порог может быть немного ниже.

«Если у вас не так много денег, но этот стартап обладает очень сильными возможностями контроля затрат, он может в полной мере использовать сотрудничество вверх и вниз по течению для снижения затрат. Все делается для обеспечения продолжения исследований и разработок продуктов».

Что касается приоритета выбора Fab, по словам людей, знакомых с вопросом, стартапы сначала предпочтут заказать производственные мощности TSMC, затем GlobalFoundries, но у GlobalFoundries нет передовых процессов и упаковки, а затем они обратятся к SMIC, а SMIC All производственные мощности, которые можно будет забронировать на международном уровне, запланированы на следующий год.

Что касается этой ситуации, инвестиционные институты смотрят на более долгосрочную перспективу.

Юй Хао сказал, что только для отечественных высокопроизводительных чипов неизбежно столкнуться с узкими местами в краткосрочной перспективе. Долгосрочная перспектива зависит от скорости развития передовых технологических линий полировки и расширения мощностей, представляемых SMIC, которая. в основном опирается на внутреннюю циркуляцию. Тем не менее, производители, обладающие возможностями проектирования высококачественных микросхем, возможно, захотят рассмотреть возможность выхода за границу и использования внешней циркуляции для стимулирования внутренней циркуляции. Выход за границу откроет более светлое будущее.

03 Нелегко быть «могильщиком» Nvidia

Старые клиенты открывают свой собственный бизнес, и Nvidia всегда страдает от этого.

Эта глобальная волна самоисследования набирает обороты больше, чем предыдущая. В дополнение к зрелым результатам самоисследований, таких как Google TPU и Amazon Graviton. Недавно весь технологический круг поразил «Sohu, первый в мире ИИ-чип, посвященный Трансформеру».

Американский стартап по производству чипов Etched запускает ИИ-чип для трансформаторов Sohu

Этот чип напрямую встраивает архитектуру Transformer в чип, и его производительность вычислений намного превосходит производительность графических процессоров и других обычных чипов искусственного интеллекта. Утверждается, что он в 10 раз мощнее, чем B200, первоклассный чип, который был выпущен только в 2017 году. Март этого года. По слухам, сервер, оснащенный 8 чипами Sohu, имеет производительность, сравнимую с кластером из 160 графических процессоров H100, и может обрабатывать до 500 000 токенов Llama 7B в секунду.

«Популярная жареная курица» родилась, и фабрика Fab и ее партнеры были счастливы.

Сообщается, что компания напрямую сотрудничает с 4-нм техпроцессом TSMC для производства чипов Sohu и получила достаточное количество поставок HBM и серверов от ведущих поставщиков. Некоторые первые клиенты уже заказали у компании оборудование на десятки миллионов долларов. Пользователи сети дали Etched прозвище — «Могильщик Nvidia».

Но развеется ли миф о «самоисследованиях» NVIDIA из-за поднимающегося дыма? вообще-то нет.

В полупроводниковой промышленности существует знаменитый «цикл мистера Бена» — типы микросхем регулярно развиваются между обобщением и кастомизацией — в определенный период общая структура продается лучше всего и пользуется популярностью среди пользователей, но после достижения определенного этапа. , структуры общего назначения отстают в реагировании на конкретные потребности, а структуры специального назначения станут популярными.

И NVIDIA по праву представляет эпоху универсальной архитектуры, которая все еще находится на пике своего развития.

Согласно статистике Wells Fargo, NVIDIA в настоящее время занимает 98% мирового рынка ускорения искусственного интеллекта для центров обработки данных и занимает абсолютное доминирующее положение. Это означает, что 98% населения мира использует CUDA C от NVIDIA, чтобы «выжать» производительность всех графических процессоров, и только оставшиеся 2%-3% людей по-прежнему настаивают на использовании плохого «молотка», чтобы забить то же самое. "ноготь".

«Теперь, будь то Amazon или Intel, процессоры, которые они делают сами, не могут экономически удовлетворить максимизацию интересов облачного поставщика, поэтому они определенно будут продолжать использовать чипы NVIDIA в больших количествах, пока однажды NVIDIA полностью не потеряет свое преимущество. В пути». специализации животноводства, рассказал источник, знакомый с вопросом.

Однако лежание не соответствует личности NVIDIA. Хуан Жэньсюнь — человек, который знает, «родится ли он в печали и умрет в счастье». В своем выступлении в Национальном тайваньском университете год назад он сказал: «Бегает ли он за едой». , или нет. Когда другие используют вас в качестве еды, вы часто понятия не имеете, в какой ситуации находитесь, но продолжаете бежать, несмотря ни на что».

На этот раз, столкнувшись с проблемой самоисследования во всей Кремниевой долине, Nvidia также разыгрывает свои карты.

Вышеупомянутый высокопоставленный человек сказал Xinchao IC: «Nvidia больше не является графическим процессором общего назначения. В ее блоке графического процессора вы можете увидеть большое количество тензорных ядер для решения матричных вычислений. Кроме того, вы также можете увидеть движки Transformer, разреженные. двигатели и т. д., будь то с точки зрения аппаратной структуры или обновлений операторов оборудования, NVIDIA каждый год подталкивает себя к тенденции проектирования на основе DSA».

DSA (Domain Feature Architecture) — это программируемая архитектура процессора, настроенная для конкретных областей, которая позволяет оптимизировать производительность и экономическую эффективность конкретных приложений. В настоящее время Google, Tesla, OpenAI и Cerebras выпустили свои собственные чипы DSA для конкретных приложений.

По словам людей, знакомых с ситуацией, все производители DSA обнаружат, что даже если Nvidia не будет модифицировать «железо» и графические процессоры общего назначения будет обновляться только у одного оператора, преимущества производителей DSA будут полностью потеряны. Похоже, что по сравнению с NVIDIA не только площадь логического чипа недостаточно велика, но и емкость и скорость устройства недостаточно велики, вычислительная мощность не так хороша, как у NVIDIA, и адаптируемость программного обеспечения недостаточно хороша. с чем сталкиваются все производители DSA Проблема - изначально цикл Muben собирался двигаться в сторону доменно-ориентированной архитектуры и кастомизации DSA, но теперь он вернулся в эпоху процессоров общего назначения.

Помимо «смотрения в зеркало» с производителями DSA, Nvidia также протянула оливковую ветвь для самоисследований. В начале 2024 года она создала новый бизнес-отдел, возглавляемый ветераном полупроводниковой промышленности Диной МакКинни, специально для облачных вычислений и телекоммуникаций 5G. и игры. Мы создаем индивидуальные чипы для клиентов из автомобильной, автомобильной и других областей.

Агентство Reuters процитировало людей, знакомых с этим вопросом, которые сообщили, что руководители Nvidia встретились с представителями Amazon, Meta, Microsoft, Google и OpenAI, чтобы обсудить специальные чипы для них. Помимо чипов для центров обработки данных, компания также стремится получить телекоммуникационные, автомобильные решения. и клиент видеоигры.

Ранее сообщалось, что новая версия игровой консоли Nintendo Switch, выпущенная Nintendo в этом году, скорее всего, будет оснащена специальными чипами NVIDIA. NVIDIA также широко присутствует на рынке портативных устройств и выпустила серию мобильных чипов Tegra. Хотя эта серия чипов в итоге не заняла места на рынке мобильных устройств.

На рынке, где доминирует экономическая эффективность, быть могильщиком Nvidia не так-то просто. Большинство предыдущих могильщиков потерпели неудачу — их со временем могут приобрести. Например, Intel и Google приобрели множество стартапов, но большинство других компаний даже не дождались приобретения и сразу погибли.

Возможно, стартапам будет легче добиться успеха, если они изменят свою точку зрения.

«Например, не зацикливайтесь на самом процессоре искусственного интеллекта. Вместо того, чтобы тратить много времени на реализацию идеала DSA, лучше рассмотреть решения системного уровня. Например, периферийные устройства можно сделать для предоставлять услуги для процессора искусственного интеллекта и профессионального хранилища, профессиональные датчики также могут достичь той же цели», — сказал человек, знакомый с вопросом.

В 2019 году Nvidia объявила о приобретении Mellanox за 6,9 млрд долларов США. Эта оценка была настолько высокой, что Nvidia почти перерасходовала весь свой денежный поток.

Эта компания не разрабатывает порты, фотоэлектрические модули и не разрабатывает сами коммутаторы. Она производит только один продукт — PHY «InfiniBand» для высокоскоростного соединения между нижним уровнем коммутатора и нижним уровнем связи. Для Nvidia, которая в то время стремилась преодолеть ограничения межсерверного соединения, это было очень важным требованием к периферийным устройствам. Каким бы хорошим ни был NVLink в то время, он всегда был привязан к одной машине. Но InfiniBand может позволить коммутаторам преодолеть узкое место в соединении между серверами и объединить все графические процессоры в большой кластер.

Глядя на текущую ситуацию, внутренняя ситуация находится на подъеме, и пулям самостоятельно разработанных чипов придется некоторое время летать. Чэнь Вэй считает, что создание игры — это неплохо, но необходимо создавать игру высокого класса, чтобы не пропустить критический период промышленного развития.

Чжоу Цзянгун, основатель Unfinished Research, еще больше развил эту точку зрения. Он считает, что будущие приложения потребуют профессиональных, адаптированных и миниатюрных чипов искусственного интеллекта, которые превысят спрос на передовые базовые большие модели. Обучение открытым исходным кодом, модели меньшего размера с меньшими затратами или точная настройка и очистка больших моделей, а также логические выводы — все это открывает широкие возможности для самостоятельной разработки чипов. Более того, на этапе быстрых изменений и незрелости новых технологий появится большое количество возможностей для самоисследования вышеупомянутых приложений.

«Не делайте того, что положит конец Nvidia, а делайте больше вещей, помимо Nvidia».