Inteligența Artificială facilitează proiectarea de cipuri și optimizarea software-ului pentru diferite tipuri de siliciu. Unele startup-uri anticipează o revoluție în producția de cipuri.
Nvidia este regele incontestabil al cipurilor AI. Dar, datorită AI-ului pe care l-a ajutat să-l construiască, campionul s-ar putea confrunta în curând cu o concurență din ce în ce mai mare. Inteligența Artificială modernă rulează pe design-urile Nvidia, o dinamică care a propulsat compania la o capitalizare de piață de peste 4 trilioane de dolari. Fiecare nouă generație de cipuri Nvidia permite companiilor să antreneze modele AI mai puternice, folosind sute sau mii de procesoare conectate în rețea în interiorul unor centre de date vaste.
Unul dintre motivele succesului Nvidia este că oferă software pentru a ajuta la programarea fiecărei noi generații de cipuri. Aceasta ar putea să nu mai fie în curând o abilitate atât de diferențiată. Un startup numit Wafer antrenează modele AI pentru a face una dintre cele mai dificile și importante sarcini din AI - optimizarea codului, astfel încât să ruleze cât mai eficient posibil pe un anumit cip de siliciu. Emilio Andere, cofondator și CEO al Wafer, spune că compania efectuează învățare prin întărire pe modele open source pentru a le învăța să scrie cod kernel, sau software care interacționează direct cu hardware-ul într-un sistem de operare. Andere spune că Wafer adaugă, de asemenea, "harness-uri agentice" la modelele de codare existente, cum ar fi Claude de la Anthropic și GPT de la OpenAI, pentru a îmbunătăți capacitatea acestora de a scrie cod care rulează direct pe cipuri.
Multe companii tehnologice proeminente au acum propriile cipuri. Apple și alții folosesc de ani de zile siliciu personalizat pentru a îmbunătăți performanța și eficiența software-ului care rulează pe laptopuri, tablete și smartphone-uri. La celălalt capăt al scalei, companii precum Google și Amazon produc propriul siliciu pentru a îmbunătăți performanța platformelor lor de cloud-computing. Meta a declarat recent că va implementa 1 gigawatt de capacitate de calcul cu un nou cip dezvoltat împreună cu Broadcom.
Implementarea siliciului personalizat implică, de asemenea, scrierea multor coduri, astfel încât acesta să ruleze fără probleme și eficient pe noul procesor. Wafer lucrează cu companii precum AMD și Amazon pentru a ajuta la optimizarea software-ului pentru a rula eficient pe hardware-ul lor. Startup-ul a strâns până acum 4 milioane de dolari în finanțare inițială de la Jeff Dean de la Google, Wojciech Zaremba de la OpenAI și alții. Andere crede că abordarea companiei sale, condusă de AI, are potențialul de a contesta dominația Nvidia. O serie de cipuri high-end oferă acum performanțe brute similare de floating point - un reper cheie al industriei pentru capacitatea unui cip de a efectua calcule simple - celor mai bune cipuri de siliciu ale Nvidia.
"Cel mai bun hardware AMD, cel mai bun hardware Trainium [Amazon], cele mai bune TPU-uri [Google] vă oferă aceleași flops teoretice ca și GPU-urile Nvidia", mi-a spus Andere recent. "Vrem să maximizăm inteligența per watt." Inginerii de performanță cu abilitățile necesare pentru a optimiza codul pentru a rula în mod fiabil și eficient pe aceste cipuri sunt costisitori și foarte solicitați, spune Andere, în timp ce ecosistemul software al Nvidia facilitează scrierea și întreținerea codului pentru cipurile sale. Acest lucru face dificilă pentru chiar și cele mai mari companii tehnologice să meargă singure. Când Anthropic s-a asociat cu Amazon pentru a-și construi modelele AI pe Trainium, de exemplu, a trebuit să rescrie codul modelului de la zero pentru a-l face să ruleze cât mai eficient posibil pe hardware, spune Andere.
Desigur, Claude de la Anthropic este acum unul dintre multele modele AI care sunt acum supraomenești în scrierea de cod. Așadar, Andere consideră că nu va mai dura mult până când AI va începe să consume avantajul software Nvidia. "Șanțul locuiește în programabilitatea cipului", spune Andere cu referire la bibliotecile și instrumentele software care facilitează optimizarea codului pentru hardware-ul Nvidia. "Cred că este timpul să începem să ne regândim dacă acesta este de fapt un șanț puternic."
Pe lângă faptul că facilitează optimizarea codului pentru diferite tipuri de siliciu, AI ar putea facilita în curând proiectarea cipurilor în sine. Ricursive Intelligence, un startup fondat de doi foști ingineri Google, Azalia Mirhoseini și Anna Goldie, dezvoltă noi modalități de proiectare a cipurilor de calculator cu inteligență artificială. Dacă tehnologia sa decolează, mult mai multe companii ar putea intra în proiectarea cipurilor, creând siliciu personalizat care să ruleze software-ul mai eficient.
"Urmărim polii lungi ai proiectării cipurilor - proiectarea fizică și verificarea proiectării", spune Mirhoseini, care este, de asemenea, profesor asistent la Universitatea Stanford, cu referire la două dintre principalele provocări implicate în proiectarea cipurilor. Proiectarea cipurilor de calculator este una dintre cele mai importante - și dificile - sarcini de pe planetă. Inginerii de cipuri trebuie să își dea seama cum să aranjeze un număr vast de componente pe o bucată de siliciu pentru a optimiza diferite funcționalități. După ce un cip este proiectat pentru prima dată, performanța sa trebuie testată și verificată cu atenție într-un proces iterativ înainte ca proiectele să poată fi trimise la o turnătorie. Design-urile Nvidia sunt cruciale pentru AI-ul modern, fiecare nouă generație de cipuri permițând companiilor să antreneze modele AI mai puternice folosind sute sau mii de procesoare conectate în rețea în interiorul unor centre de date vaste.
Mirhoseini și Goldie au dezvoltat o modalitate prin care AI să optimizeze aspectul componentelor cheie ale cipurilor de calculator în timp ce se aflau la Google. Abordarea a transformat modul în care Google își proiectează propriile procesoare și este acum utilizată pe scară largă în industrie pentru a ajuta la aranjarea funcțiilor pe diferite cipuri. Ricursive își propune să meargă mai departe, automatizând mai multe elemente ale proiectării cipurilor și integrând modele lingvistice mari în proces. Scopul este de a permite inginerilor să folosească limbajul natural pentru a descrie modificările sau a pune întrebări despre un cip. Așa cum se poate scrie cod o aplicație, poate că în cele din urmă va fi posibil să se proiecteze un cip prin vibrații.
Ricursive încă își dezvoltă tehnologia, dar Mirhoseini spune că compania a arătat deja că poate optimiza mai multe aspecte ale proiectării cipurilor. Perspectiva automatizării proiectării cipurilor în acest mod îi face pe unii investitori să saliveze: Ricursive a strâns 335 de milioane de dolari la o evaluare de 4 miliarde de dolari în doar câteva luni.
Goldie spune că, în cele din urmă, ar putea fi posibil ca AI să proiecteze atât cipuri, cât și algoritmi pentru a le face mai puternice. Ea spune că faptul că AI își ajustează propriul siliciu și cod ar putea forma un fel de îmbunătățire recursivă a AI. "Ne îndreptăm către acest nou regim în care putem cheltui mai mult calcul pentru a proiecta cipuri mai rapide și mai bune - creând un fel de lege a scalării pentru proiectarea cipurilor."