На данный момент Nvidia является бесспорным лидером революции искусственного интеллекта, что подтверждается её колоссальной рыночной капитализацией в триллионы долларов. Однако та самая технология, которую Nvidia помогла внедрить — искусственный интеллект — вскоре может стать инструментом, подрывающим её конкурентное преимущество.
В индустрии наметился сдвиг: ИИ перестает быть просто потребителем аппаратного обеспечения, постепенно становясь его архитектором и оптимизатором.
«Программный ров» под угрозой
Доминирование Nvidia основано не только на «грубой силе» процессоров; оно зиждется на их программируемости. В то время как многие конкуренты предлагают чипы с сопоставимой теоретической производительностью (в операциях с плавающей запятой), Nvidia имеет огромное преимущество в программном обеспечении. Их специализированные библиотеки и инструменты позволяют разработчикам гораздо проще писать код, который эффективно работает на их оборудовании.
Это создало высокий порог входа. Например, когда компания Anthropic перешла на использование чипов Trainium от Amazon для запуска своих моделей Claude, ей пришлось переписывать код с нуля, чтобы обеспечить эффективность работы.
На сцену выходит Wafer — стартап, стремящийся восполнить этот пробел. Wafer использует обучение с подкреплением, чтобы научить модели ИИ писать «ядерный код» (kernel code) — низкоуровневое программное обеспечение, которое напрямую взаимодействует с «железом». Автоматизируя процесс оптимизации, Wafer стремится к следующим целям:
— Демократизация эффективности: упрощение запуска сложных ИИ-моделей на оборудовании сторонних производителей (таком как чипы AMD или Amazon).
— Снижение затрат: минимизация потребности в дорогостоящих узкоспециализированных инженерах по оптимизации производительности.
— Максимизация «интеллекта на ватт»: обеспечение не только высокой мощности оборудования, но и его максимальной энергоэффективности.
Автоматизация чертежей: ИИ в проектировании чипов
Если Wafer оптимизирует работу программного обеспечения на чипах, то другой стартап, Ricursive Intelligence, берется за сам процесс создания этих чипов.
Проектирование микросхем — один из самых сложных инженерных процессов на Земле. Оно требует размещения миллиардов компонентов на крошечном кусочке кремния с последующим прохождением строгих итерационных тестов для проверки работоспособности. Традиционно это требует участия огромных команд экспертов.
Компания Ricursive, основанная бывшими инженерами Google Азалией Мирхосейни и Анной Голди, работает над автоматизацией самых трудоемких этапов процесса: физического проектирования и верификации дизайна.
Их видение включает:
— Проектирование на естественном языке: использование больших языковых моделей (LLM), чтобы инженеры могли описывать изменения или задавать вопросы о чипе, используя обычный текст.
— Ускоренная итерация: использование ИИ для оптимизации компоновки компонентов (метод, ранее разработанный в Google).
— «Закон масштабирования» для оборудования: потенциал создания рекурсивного цикла, в котором ИИ проектирует более совершенные чипы, которые, в свою очередь, предоставляют больше вычислительных мощностей для проектирования еще более совершенных чипов.
Почему это важно: переход к кастомным чипам
Технологическая индустрия уже движется в сторону специализированного (кастомного) кремния. Гиганты вроде Apple, Google, Amazon и Meta разрабатывают собственные проприетарные чипы, чтобы адаптировать оборудование под конкретные нужды своего программного обеспечения.
Исторически «узким местом» для этих компаний было не само оборудование, а колоссальные усилия в области программного обеспечения и проектирования, необходимые для того, чтобы это оборудование работало эффективно. Если ИИ сможет автоматизировать и проектирование чипа (Ricursive), и оптимизацию кода (Wafer), «ров» вокруг Nvidia начнет исчезать.
«Защитный ров заключается в программируемости чипа… Я думаю, пришло время переосмыслить, действительно ли это надежная защита». — Эмилио Андерре, генеральный директор Wafer
Заключение
Развитие проектирования чипов и оптимизации ПО на базе ИИ представляет собой фундаментальный сдвиг в полупроводниковой промышленности. Если ИИ сможет успешно автоматизировать самые сложные аспекты проектирования оборудования, барьер для создания высокопроизводительных кастомных чипов снизится. Это потенциально может положить конец эпохе доминирования одного вендора в эру искусственного интеллекта.
