новости

чипы искусственного интеллекта также называются ускорителями искусственного интеллекта или вычислительными картами. в соответствии с технической архитектурой их можно разделить на графические процессоры общего назначения (gpgpu), центральные процессоры (цп), интегрированные микросхемы для конкретных приложений (asic) и полевые микросхемы. -программируемые вентильные матрицы (fpga). при разработке искусственного интеллекта исследователи обнаружили, что параллельные вычисления могут эффективно обучать модели и обрабатывать крупномасштабные сложные данные. gpgpu имеет более высокую производительность параллельных вычислений, чем другие чипы, и подходит для приложений с интенсивными вычислениями, поэтому он стал основным направлением вычислительных чипов.

по функциональной классификации чипы ии можно разделить на два типа: обучающие карты и карты вывода. обучающие карты, также называемые большими картами, обычно имеют более высокую вычислительную мощность и пропускную способность памяти для поддержки большого объема вычислений и обработки данных в процессе обучения. карты вывода, также называемые маленькими картами, имеют более низкие параметры и должны соответствовать только требованиям вывода; . вообще говоря, обучающие карточки можно использовать в качестве карточек для рассуждения, но карточки для рассуждения нельзя использовать в качестве обучающих карточек. проще говоря, для обучения больших моделей требуется большое количество обучающих карт для формирования кластера видеокарт, а для приложений необходимы карты вывода для запуска модели ии для вычислений.

эта волна искусственного интеллекта была запущена chatgpt и использует большие языковые модели и генеративные приложения искусственного интеллекта в качестве отправной точки. с момента своего выпуска google в 2017 году transformer не только представил популярные продукты c-side, такие как chatgpt, но также широко использовался в обработке естественного языка, компьютерном зрении, автономном вождении и других областях. китайские и зарубежные технологические компании продолжают увеличивать свои инвестиции в смежные области, включая google, meta, microsoft, bytedance, baidu и другие отечественные и зарубежные технологические гиганты и стартапы, все из которых надеются получить свою долю от пирога. технологические компании также постоянно инвестируют в таланты, технологии и размещение ресурсов. по прогнозным данным bloomberg intelligence, к 2032 году доля генеративного ии в общих расходах на информационные технологии, оборудование, программное обеспечение, услуги, рекламу, игры и т. д. может вырасти с текущего уровня менее 1% до 12%.

в 2018 году openai запустила генеративную языковую модель предварительного обучения gpt-1, которая имеет 117 миллионов параметров. количество параметров gpt-4, выпущенных в 2023 году, составит примерно 1,8 триллиона. увеличение количества параметров более чем в 10 000 раз за 5 лет привело к экспоненциальному росту требований к вычислительной мощности больших моделей. по оценкам openai, с 2012 года глобальные требования к вычислительной мощности для обучения моделей искусственного интеллекта удваиваются каждые 3-4 месяца. особенно после 2023 года разработка ии идет полным ходом. отечественные и зарубежные производители увеличили свои инвестиции в генеративный ии, и «битва сотен моделей» возобновилась. это также вызвало долгосрочный дефицит спроса на вычислительные мощности.

отечественные чипы искусственного интеллекта в основном сосредоточены на выводе. с этим аспектом приходится конкурировать.nvidiaс другой стороны, с развитием и популяризацией технологий искусственного интеллекта растет спрос на высокопроизводительные и маломощные чипы искусственного интеллекта. однако есть также производители чипов для обучения, которые излагают планы. на global ai chip summit 2024 компания biren technology впервые в отрасли анонсировала свое независимое и оригинальное решение для совместного обучения гетерогенных графических процессоров. , он поддерживает смешанное обучение трех или более разнородных графических процессоров на одной большой платформе. компания moore thread анонсировала интеллектуальный кластер wanka kuae (kuae) на базе mtt s4000 для обучения и тестирования. такие производители, как huawei, cambrian и haiguang information, также предприняли аналогичные шаги.

начать бизнес по производству чипов искусственного интеллекта чрезвычайно сложно. научно-исследовательский институт лаими считает, что первая трудность при открытии бизнеса по производству чипов искусственного интеллекта заключается в решении проблем проектирования и производства чипов. из-за зарубежных ограничений соответствующие инструменты проектирования находятся под контролем. тем не менее, проблема производства является более реальной проблемой. последний чип ai от nvidia использует процесс 4nm. в настоящее время только tsmc имеет производственные возможности, в то время как возможности производства чипов в материковом китае немного недостаточны.

во-вторых, nvidia по-прежнему остается наиболее экономичным решением на основе чипов искусственного интеллекта. отечественные компании, занимающиеся искусственным интеллектом, покупают отечественные чипы искусственного интеллекта по субъективным или объективным причинам, связанным с внутренней заменой. удовлетворить свои собственные потребности (такие производители, как bytedance, разрабатывают свои собственные чипы искусственного интеллекта в зависимости от спроса). с одной стороны, крупные модели ускоряют разработку ии-чипов, а с другой стороны, они также увеличивают разрыв между производителями чипов. отечественные производители чипов искусственного интеллекта должны учитывать, какие конкретные потребности их продукты могут удовлетворить потребности клиентов, прежде чем клиенты будут готовы платить высокие премии.

третье – рентабельность. по хорошо известным причинам циклы исследований и разработок чипов искусственного интеллекта являются длительными, интенсивными и дорогостоящими, и эти инвестиции часто трудно окупить в краткосрочной перспективе. поэтому чрезвычайно важно получить кроветворную способность. при нынешней динамике первичного рынка крайне маловероятно полагаться исключительно на рынок венчурного капитала в сфере переливания крови. положительный денежный поток компаний, производящих чипы искусственного интеллекта, также заслуживает проверки.

по мере того, как революция больших моделей охватывает мир, спрос на вычислительную мощность достигает новых высот, стимулируя итерацию и эволюцию облачных, периферийных и побочных чипов искусственного интеллекта. в условиях трех облаков взрывного роста данных, приближения к физическим пределам технологий, а также сложной и нестабильной международной ситуации многие компании, производящие чипы искусственного интеллекта, продвигаются вперед под давлением сдержанной и прагматичной манерой, активно готовясь к возможностям, которые открывает время. генеративной волной ии.

как сказал илон маск: «единственным ограничением является только сырье, и каждый аспект производства может быть полностью изобретен заново». огромный потенциал ии определенно создаст рынок размером в триллионы долларов. «застой» является лишь временным. с развитием передовых процессов и капиталовложений расстояние между нами и зарубежным ии сокращается, а не увеличивается. пространство для внутреннего замещения огромно, и родственные компании также откроют возможности быстрого роста.

мышление эндшпиля требует фиксации победителя. будущему миру потребуются бесконечные вычислительные мощности, но, исходя из конкурентной среды рынка сша, победителей может быть лишь несколько. из-за того, что ии-чипы по принципу «победитель получает все», мы считаем, что для победы отечественные компании, производящие ии-чипы, должны обладать технической мощью, возможностями каналов сбыта и финансовыми возможностями. эти возможности создают огромные проблемы для стартапов, но они также создают отраслевые барьеры.