Чи зможе ІІ зруйнувати кремнієву монополію Nvidia?
На даний момент Nvidia є безперечним лідером революції штучного інтелекту, що підтверджується її колосальною ринковою капіталізацією трильйони доларів. Однак та сама технологія, яку Nvidia допомогла впровадити — штучний інтелект, невдовзі може стати інструментом, що підриває її конкурентну перевагу.
У промисловості намітився зрушення: ІІ перестає бути просто “споживачем” апаратного забезпечення, поступово стаючи його “архітектором” і “оптимізатором”.
«Програмний рів» під загрозою
Домінування Nvidia засноване не лише на «грубі силі» процесорів; воно ґрунтується на їх програмованості. У той час як багато конкурентів пропонують чіпи з порівнянною теоретичною продуктивністю (в операціях з плаваючою комою), Nvidia має величезну перевагу в програмному забезпеченні. Їхні спеціалізовані бібліотеки та інструменти дозволяють розробникам набагато простіше писати код, який ефективно працює на їхньому обладнанні.
Це створило високий поріг входу. Наприклад, коли компанія Anthropic перейшла використання чіпів Trainium від Amazon для запуску своїх моделей Claude, їй довелося переписувати код з нуля, щоб забезпечити ефективність роботи.
На сцену виходить Wafer — стартап, який прагне заповнити цю прогалину. Wafer використовує навчання з підкріпленням, щоб навчити моделі ІІ писати «ядерний код» (kernel code) — низькорівневе програмне забезпечення, яке взаємодіє безпосередньо з «залізом». Автоматизуючи процес оптимізації, Wafer прагне наступних цілей:
– Демократизація ефективності: спрощення запуску складних ІІ-моделей на обладнанні сторонніх виробників (наприклад, чіпи AMD або Amazon).
– Зниження витрат: мінімізація потреби у дорогих вузькоспеціалізованих інженерах з оптимізації продуктивності.
– Максимізація «інтелекту на ват»: забезпечення не лише високої потужності обладнання, а й його максимальної енергоефективності.
Автоматизація креслень: ІІ в проектуванні чіпів
Якщо Wafer оптимізує роботу програмного забезпечення на чіпах, то інший стартап, Ricursive Intelligence, береться за сам процес створення цих чіпів.
Проектування мікросхем – один із найскладніших інженерних процесів на Землі. Воно вимагає розміщення мільярдів компонентів на крихітному шматочку кремнію з подальшим проходженням строгих тестів ітерації для перевірки працездатності. Зазвичай це вимагає участі величезних команд експертів.
Компанія Ricursive, заснована колишніми інженерами Google Азалією Мірхосейні та Анною Голді, працює над автоматизацією найбільш трудомістких етапів процесу: фізичного проектування та верифікації дизайну.
Їхнє бачення включає:
– Проектування природною мовою: використання великих мовних моделей (LLM), щоб інженери могли описувати зміни або ставити питання про чип, використовуючи звичайний текст.
– Прискорена ітерація: використання ІІ для оптимізації компонування компонентів (метод, раніше розроблений у Google).
– «Закон масштабування» для обладнання: потенціал створення рекурсивного циклу, в якому ІІ проектує досконаліші чіпи, які, у свою чергу, надають більше обчислювальних потужностей для проектування ще досконаліших чіпів.
Чому це важливо: перехід до кастомних чіпів
Технологічна індустрія вже рухається у бік спеціалізованого (кастомного) кремнію. Гіганти на кшталт Apple, Google, Amazon та Meta розробляють власні пропрієтарні чіпи, щоб адаптувати обладнання до конкретних потреб свого програмного забезпечення.
Історично «вузьким місцем» для цих компаній було не саме обладнання, а колосальні зусилля у галузі програмного забезпечення та проектування, необхідні для того, щоб це обладнання працювало ефективно. Якщо ІІ зможе автоматизувати і проектування чіпа (Ricursive), і оптимізацію коду (Wafer), рів навколо Nvidia почне зникати.
«Захисний рів полягає у програмованості чіпа… Я думаю, настав час переосмислити, чи це справді надійний захист». – Еміліо Андерре, генеральний директор Wafer
Висновок
Розвиток проектування чіпів та оптимізації ПЗ на базі ІІ є фундаментальним зрушенням у напівпровідниковій промисловості. Якщо ІІ зможе успішно автоматизувати складні аспекти проектування обладнання, бар’єр для створення високопродуктивних кастомних чіпів знизиться. Це потенційно може покласти край епосі домінування одного вендора за доби штучного інтелекту.
