Железо и софт для искусственных мозгов
Кто производит передовое оборудование и лучшее ПО
для работы с нейросетями
В 1960 году ламповый компьютер компании IBM смоделировал первую простейшую нейросеть, дав начало использованию вычислительных мощностей в создании искусственного интеллекта. К слову, именно сотрудник компании Артур Самуэль впервые ввел термин «машинное обучение».
Долгие годы искусственные нейронные сети работали на традиционных компьютерных архитектурах. Пока производительность компьютеров возрастала и архитектура позволяла масштабировать вычислительные мощности, ничего принципиально не менялось.
Однако со временем инженерам стало очевидно, что с усложнением задач потребуется новое специализированное «железо» для аппаратного ускорения вычислений. В результате появились ИИ-чипы – микропроцессоры нового поколения, созданные специально для более быстрого и эффективного выполнения задач, связанных с применением искусственного интеллекта.
Качая «железо»
Ключевым поставщиком топовых решений для ИИ сегодня является компания NVIDIA (NASDAQ: NVDA). На ее продуктах построена платформа для ChatGPT и других известных ИИ-проектов. Для обучения и работы бота ChatGPT создавшая его компания OpenAI использовала кластер из 30 тыс. ускорителей А100.
Цена вычислительных решений постоянно растет. Стоимость только одного новейшего ускорителя NVIDIA H100 доходит до $40 тыс., что сопоставимо с ценой месячной аренды у производителя кластера из нескольких тысяч таких устройств. И, хотя подобная аномалия обусловлена усилением спроса со стороны крупных игроков и стартапов, не исключается, что дефицит чипов в этом сегменте будет носить долгосрочный характер.
В целом доля ИИ-чипов в общем производстве будет расти. В 2017 году она составляла лишь 7%, а к 2025-му, по прогнозу McKinsey, достигнет 18%.
Под разные задачи используются специально подобранные микропроцессорные архитектуры. Чем больше будет расширяться определенный сегмент рынка, тем выше окажется спрос на отдельные типы процессоров.
Сейчас для обучения нейросетей используются преимущественно кластеры на основе графических процессоров (GPU), а для работы – системы с центральным процессором (CPU). В 2025 году большинство ИИ-проектов в дата-центрах будет работать на GPU и FPGA (вид интегральных схем), а конечные устройства – на специализированных под конкретную задачу процессорах (ASIC). По 40% рынка производимых чипов займут ASIC и GPU, еще по 10% придется на решения на базе CPU и FPGA.
В лидерах
Сегодня гонку в области ИИ и машинного обучения возглавляют IBM, Microsoft, Google и Samsung. IBM пока опережает конкурентов по числу выданных патентов в этой области. Разработка приложений в сфере машинного обучения с 2018-го по 2021-й росла на 26% в год. Сейчас ежегодное число патентов превышает 10 тыс.
Alphabet (NASDAQ: GOOG, GOOGL) не только занимается программным обеспечением, но и разрабатывает собственный ИИ-чип – тензорный процессор (TPU) на основе микросхемы ASIC. Он уже интегрирован в основные продукты Google, включая Translate, Photos, Search Assistant и Gmail. Простой в использовании облачный TPU дает возможность масштабировать задачи всем разработчикам и специалистам по изучению данных, запускающим передовые модели машинного обучения в облаке Google. Первое поколение процессора было представлено в 2016 году. Последняя, четвертая версия построена на техпроцессе 7 нм и обладает вычислительной мощностью 275 трлн операций в секунду, что в 10 раз больше, чем у первой версии.
TPU относится к классу нейронных процессоров (NPU) – микросхем, предназначенных для аппаратного ускорения работы алгоритмов искусственных нейронных сетей, используемых в компьютерном зрении, при распознавании голоса и для других функций, требующих больших вычислительных ресурсов.
Чипы для искусственного интеллекта сегодня на переднем крае разработок микропроцессорной техники. По оценкам Next Move Strategy Consulting, мировой рынок этих устройств в 2022 году достиг $28,8 млрд. Прогнозируется, что в 2030-м будет преодолена отметка $304 млрд, что соответствует среднегодовому темпу роста около 30%. Отрасль считается стратегической. Чтобы не допустить лидерства Китая, США собираются ограничить экспорт комплектующих в эту страну.
Помимо NVIDIA и Google есть и другие производители оборудования и программного обеспечения, которые выиграют от ИИ-революции:
- Broadcom Inc. (NASDAQ: AVGO). Основана в 2018 году в Сан-Хосе, штат Калифорния. Продает полупроводниковые устройства и софт для офисного и потребительского оборудования. Продукты широко используются в телекоммуникации, системах хранения данных, телевизионном оборудовании. Капитализация на июнь 2023 года (здесь и далее): $352 млрд.
- Advanced Micro Devices (NASDAQ: AMD). Основана в 1969 году в Санта-Кларе, штат Калифорния. Выпускает микропроцессоры и продукты на их основе для потребительского, офисного, промышленного сегментов. Графические ускорители широко используются в сфере игр и медиа, а также центрах обработки данных. Для машинного обучения компания предлагает решение на базе AMD Radeon Instinct. Капитализация: $180 млрд.
- Texas Instruments (NASDAQ: TXN). Основана в 1930 году в Далласе, штат Техас. Разрабатывает полупроводниковые приборы для использования в различных датчиках, контроллерах, приводах. Продукция широко применяется в персональной и промышленной электронике, автопроме, телекоммуникациях, робототехнике. Капитализация: $158 млрд.
- Intel Corporation (NASDAQ: INTC). Основана в 1968 году в Санта-Кларе, штат Калифорния. Разрабатывает микросхемы и продукты на их основе для широкого спектра оборудования, включая настольные и мобильные системы, облачные платформы, промышленные устройства. Предлагает высокопроизводительные решения на основе ИИ для автономного вождения, картографирования, систем компьютерного зрения и других направлений. У Intel есть несколько продуктов в сегменте ИИ-чипов, включая ускоритель Intel Movidius Myriad для систем компьютерного зрения. Капитализация: $143 млрд.
- Qualcomm (NASDAQ: QCOM). Основана в 1985 году в Сан-Диего, штат Калифорния. Разрабатывает передовые технологии для индустрии беспроводной связи, проектирует и выпускает сигнальные процессоры для обработки изображений и звука. Ускоритель для ИИ Qualcomm Cloud AI используется в составе облачных платформ. Капитализация: $137 млрд.
- International Business Machines (NYSE: IBM). Основана в 1911 году в Армонке, штат Нью-Йорк. Разрабатывает ПО для автоматизации бизнеса, облачных вычислений, приложений с использованием искусственного интеллекта. Предлагает услуги консалтинга и финансирования решений системной интеграции для различных отраслей промышленности. Капитализация: $122 млрд.
- C3.ai (NYSE: AI). Основана в 2009 году в Редвуд-сити, штат Калифорния. Флагманский продукт – платформа C3 AI, которая позволяет клиентам проектировать, разрабатывать и развертывать корпоративные приложения. Кроме того, компания предлагает интегрированные корпоративные ИИ-приложения под ключ для крупнейших компаний нефтегазовой, химической, коммунальной, производственной, финансовой, оборонной, разведывательной, аэрокосмической, медицинской и телекоммуникационной отраслей. Капитализация: $5,3 млрд.