9 мин на чтение

Чипы искусственного интеллекта относятся к специализированному вычислительному оборудованию, используемому при разработке и развертывании систем искусственного интеллекта . По мере того как искусственный интеллект становится все более сложным, растет и потребность в более высокой вычислительной мощности, скорости и эффективности компьютеров — и чипы искусственного интеллекта необходимы для удовлетворения этого спроса.

Что такое ИИ чип

Чип ИИ — это специализированная интегральная схема, предназначенная для решения задач ИИ. Графические процессоры (GPU), программируемые вентильные матрицы (FPGA) и специализированные интегральные схемы (ASIC) — все они считаются микросхемами искусственного интеллекта.

Многие прорывы в области искусственного интеллекта за последнее десятилетие — начиная с исторического проекта Jeopardy от IBM Watson! победа над вирусными аватарами Lensa в социальных сетях над ChatGPT OpenAI — они основаны на чипах искусственного интеллекта. И если отрасль хочет продолжать расширять границы таких технологий, как генеративный искусственный интеллект , автономные транспортные средства и робототехника , чипы искусственного интеллекта, вероятно, также должны будут развиваться.

Термин «чип искусственного интеллекта» представляет собой широкую классификацию, охватывающую различные чипы, предназначенные для быстрого и эффективного выполнения уникальных сложных вычислительных требований алгоритмов искусственного интеллекта. Сюда входят графические процессоры (GPU), программируемые вентильные матрицы (FPGA) и интегральные схемы специального назначения (ASIC). Центральные процессоры (ЦП) также можно использовать в простых задачах ИИ, но по мере развития отрасли их полезность становится все менее и менее полезной.

Как работают ИИ-чипы?

В общем, чип относится к микрочипу, который представляет собой интегральную схему, изготовленную в микроскопическом масштабе с использованием полупроводникового материала. Такие компоненты, как транзисторы (крошечные переключатели, которые контролируют поток электрического тока внутри цепи), выгравированы в этот материал для обеспечения питания вычислительных функций, таких как память и логика. В то время как микросхемы памяти управляют хранением и извлечением данных, логические микросхемы служат мозгом, лежащим в основе операций по обработке данных.

Чипы искусственного интеллекта в основном работают на логической стороне, обрабатывая интенсивные потребности в обработке данных рабочих нагрузок искусственного интеллекта — задача, выходящая за рамки возможностей чипов общего назначения, таких как процессоры. Для достижения этой цели они, как правило, включают в себя большое количество более быстрых, меньших и более эффективных транзисторов. Такая конструкция позволяет им выполнять больше вычислений на единицу энергии, что приводит к более высокой скорости обработки и снижению энергопотребления по сравнению с чипами с большим количеством транзисторов.

Чипы искусственного интеллекта также обладают уникальными возможностями, которые значительно ускоряют вычисления, необходимые для алгоритмов искусственного интеллекта. Это включает в себя параллельную обработку — то есть они могут выполнять несколько вычислений одновременно.

Параллельная обработка имеет решающее значение в искусственном интеллекте, поскольку позволяет одновременно выполнять несколько задач, обеспечивая более быструю и эффективную обработку сложных вычислений. Из-за особенностей конструкции ИИ-чипов они особенно эффективны для рабочих нагрузок ИИ и обучения моделей ИИ.

Существует три основных типа ИИ-чипов, каждый из которых отличается аппаратным обеспечением и функциональностью.

Графические процессоры

Графические процессоры чаще всего используются при обучении моделей ИИ. Первоначально разработанные для приложений, требующих высокой графической производительности, таких как запуск видеоигр или рендеринг видеопоследовательностей, эти микросхемы общего назначения обычно предназначены для выполнения задач параллельной обработки. Поскольку обучение модели ИИ требует больших вычислительных ресурсов, компании соединяют несколько графических процессоров вместе, чтобы все они могли синхронно обучать систему ИИ.

ПЛИС

FPGA полезны при применении моделей искусственного интеллекта, поскольку их можно перепрограммировать «на лету», как выразился Тим Фист, сотрудник Программы технологий и национальной безопасности CNAS , имея в виду, что они «гиперспециализированы». Другими словами, FPGA очень эффективны при решении множества различных задач, особенно связанных с обработкой изображений и видео.

ASIC-чипы

ASIC — это микросхемы-ускорители, предназначенные для очень специфического использования — в данном случае для искусственного интеллекта. Они созданы специально для поддержки конкретных приложений. ASIC предлагают аналогичные вычислительные возможности, что и FPGA, но их нельзя перепрограммировать. Поскольку их схема оптимизирована для одной конкретной задачи, они часто обеспечивают более высокую производительность по сравнению с процессорами общего назначения или даже другими чипами искусственного интеллекта. Тензорный процессор Google является примером ASIC, созданного специально для повышения производительности машинного обучения.

Использование чипов искусственного интеллекта

Современный искусственный интеллект был бы просто невозможен без этих специализированных чипов искусственного интеллекта. Вот лишь некоторые из способов их использования.

Чипы искусственного интеллекта ускоряют обучение и совершенствование алгоритмов искусственного интеллекта, машинного обучения и глубокого обучения, что особенно полезно при разработке больших языковых моделей (LLM). Они могут использовать параллельную обработку последовательных данных и оптимизировать операции нейронных сетей, повышая производительность LLM — и, как следствие, генеративных инструментов искусственного интеллекта, таких как чат-боты , помощники искусственного интеллекта и генераторы текста .

Чипы искусственного интеллекта делают возможным обработку искусственного интеллекта практически на любом интеллектуальном устройстве — часах, камерах, кухонной технике — в процессе, известном как Edge AI . Это означает, что обработка может происходить ближе к источнику данных, а не в облаке, что снижает задержку и повышает безопасность и энергоэффективность. Чипы искусственного интеллекта можно использовать где угодно — от умных домов до умных городов .

Чипы искусственного интеллекта помогают расширить возможности беспилотных автомобилей, повышая их общий интеллект и безопасность. Они способны обрабатывать и интерпретировать огромные объемы данных, собранных камерами автомобиля, LiDAR и другими датчиками, выполняя сложные задачи, такие как распознавание изображений . А их возможности параллельной обработки позволяют принимать решения в режиме реального времени, помогая транспортным средствам самостоятельно перемещаться в сложных условиях, обнаруживать препятствия и реагировать на динамичные условия дорожного движения.

Чипы искусственного интеллекта полезны в различных задачах машинного обучения и компьютерного зрения , позволяя роботам всех видов более эффективно воспринимать окружающую среду и реагировать на нее. Это может быть полезно во всех областях робототехники: от коботов , собирающих урожай, до роботов-гуманоидов, обеспечивающих общение.

Почему чипы искусственного интеллекта лучше обычных?

Когда дело доходит до разработки и внедрения искусственного интеллекта, чипы искусственного интеллекта намного лучше обычных чипов благодаря своим многочисленным отличительным конструктивным особенностям.

Возможно, наиболее заметное различие между чипами более общего назначения (например, процессорами) и чипами искусственного интеллекта заключается в их методе вычислений. В то время как чипы общего назначения используют последовательную обработку, выполняя одно вычисление за раз, чипы искусственного интеллекта используют параллельную обработку, выполняя множество вычислений одновременно. Этот подход означает, что большие и сложные проблемы можно разделить на более мелкие и решать одновременно, что приводит к более быстрой и эффективной обработке.

Чипы искусственного интеллекта разработаны таким образом, чтобы быть более энергоэффективными, чем обычные чипы. Некоторые чипы искусственного интеллекта используют такие методы, как арифметика низкой точности, что позволяет им выполнять вычисления с меньшим количеством транзисторов и, следовательно, с меньшим количеством энергии. А поскольку чипы искусственного интеллекта умеют выполнять параллельную обработку, они могут распределять рабочую нагрузку более эффективно, чем другие чипы, что приводит к минимизации энергопотребления. В долгосрочной перспективе это может помочь уменьшить огромный углеродный след индустрии искусственного интеллекта , особенно в центрах обработки данных.

Использование ИИ-чипов также может помочь периферийным ИИ-устройствам работать более эффективно. Например, если вы хотите, чтобы ваш мобильный телефон мог собирать и обрабатывать ваши личные данные без необходимости отправлять их на облачный сервер, чипы искусственного интеллекта, питающие этот мобильный телефон, должны быть оптимизированы для энергоэффективности, чтобы они не разряжали батарею.

Поскольку ИИ-чипы специально разработаны для искусственного интеллекта, они, как правило, способны выполнять задачи, связанные с ИИ, такие как распознавание изображений и обработка естественного языка, с большей точностью, чем обычные чипы. Их цель — выполнять сложные вычисления, задействованные в алгоритмах ИИ, с точностью, снижая вероятность ошибок. Это делает чипы искусственного интеллекта очевидным выбором для более важных приложений искусственного интеллекта, таких как медицинская визуализация и автономные транспортные средства, где необходима быстрая точность.

В отличие от чипов общего назначения, некоторые микросхемы искусственного интеллекта (например, FPGA и ASIC) можно настроить в соответствии с требованиями конкретных моделей или приложений искусственного интеллекта, что позволяет аппаратному обеспечению адаптироваться к различным задачам.

Настройки включают тонкую настройку определенных параметров (переменных в обученной модели) и оптимизацию архитектуры чипа для конкретных рабочих нагрузок ИИ. Эта гибкость имеет важное значение для развития искусственного интеллекта, поскольку она позволяет разработчикам адаптировать оборудование к своим уникальным потребностям, учитывая изменения в алгоритмах, типах данных и вычислительных требованиях.

Будущее ИИ-чипов

Хотя ИИ-чипы играют решающую роль в расширении возможностей ИИ, их будущее полно проблем, таких как узкие места в цепочках поставок, хрупкий геополитический ландшафт и вычислительные ограничения.

Поскольку мощь и возможности искусственного интеллекта полностью осознаются, разработчики изо всех сил стараются заказать многие тысячи чипов ИИ, чтобы остаться в игре. Но компаниям-поставщикам этих чипов трудно не отставать.

На данный момент Nvidia является ведущим поставщиком аппаратного и программного обеспечения для искусственного интеллекта, контролируя около 80 процентов мирового рынка графических процессоров. Но Nvidia не производит собственные чипы. Скорее, он полагается на Тайваньскую полупроводниковую производственную корпорацию (TSMC), которая производит примерно 90 процентов современных чипов в мире, обеспечивая питанием все — от iPhone от Apple до электромобилей Tesla. Она также является единственным производителем мощных процессоров Nvidia H100 и A100, которые используются в большинстве центров обработки данных искусственного интеллекта.

Контроль TSMC над рынком создал серьезные узкие места в глобальной цепочке поставок. Компания имеет ограниченные производственные мощности и ресурсы, что ограничивает ее способность удовлетворить растущий спрос на чипы искусственного интеллекта.

«Спрос на эти чипы в настоящее время намного превышает предложение», — сказал Фист из CNAS. «Если вы разработчик искусственного интеллекта и хотите купить 10 000 новейших графических процессоров Nvidia, вероятно, пройдут месяцы или годы, прежде чем вы сможете их получить».

Однако этот дефицит поставок не будет длиться вечно. Дочерняя компания TSMC, Japan Advanced Semiconductor Manufacturing (JASM), строит завод в Кумамото, который, как ожидается , выйдет на полную мощность к концу 2024 года. TSMC также строит два современных завода в Аризоне, первый из которая собирается начать производство чипов в 2025 году .

Тем временем известные производители искусственного интеллекта, такие как Microsoft , Google и Amazon, разрабатывают свои собственные чипы искусственного интеллекта, чтобы уменьшить свою зависимость от Nvidia.

Тайвань, который играет центральную роль в глобальных поставках чипов искусственного интеллекта, рассматривается Китаем как провинция-изгой, а не как независимая нация. Из-за этого некоторые аналитики полагают, что в течение десятилетия может произойти китайское вторжение , которое повлияет на способность TSMC производить чипы искусственного интеллекта.

Между тем, на фоне растущей напряженности в отношениях между США и Китаем, президент Джо Байден в 2022 году ввел масштабный комплекс экспортного контроля , который резко ограничивает доступ Китая к чипам искусственного интеллекта, оборудованию для производства чипов и программному обеспечению для проектирования чипов (большая часть которого контролируется американскими компаниями). например Нвидиа).

«Мы хотим ограничить военную модернизацию Китая и обеспокоены тем, что китайское правительство использует чипы искусственного интеллекта для разработки оружия массового уничтожения», — сказал Домен, чьи исследования сосредоточены на технологической конкуренции между США и Китаем. Но это также сводится к стремлению к доминированию ИИ. «Мы хотим быть первыми, мы хотим быть лучшими в области технологий и инноваций в области искусственного интеллекта».

Действительно, поскольку Соединенные Штаты работают над ограничением доступа Китая к оборудованию искусственного интеллекта, они также предпринимают шаги по снижению собственной зависимости от мощностей по производству чипов в Восточной Азии. Помимо поддержки двух заводов TSMC в Аризоне, правительство также выделило более 52 миллиардов долларов в виде федерального финансирования и стимулов для поддержки производства, исследований и разработок полупроводников в США.

Даже если различные проблемы цепочки поставок и геополитические проблемы в отрасли ИИ-чипов будут решены, существует одна неизбежная проблема, которую невозможно избежать: вычислительные ограничения.

Разработчики создают более крупные и мощные модели, что повышает вычислительные требования. И «чипы должны идти в ногу со временем», — сказал Фист. Но чипы искусственного интеллекта имеют ограниченные вычислительные ресурсы.

«Количество чипов, необходимых для масштабирования современной системы искусственного интеллекта, увеличивается примерно в четыре раза каждый год, и это огромно», — добавил Фист. Между тем, алгоритмическая эффективность чипов, или способность делать больше с меньшим количеством чипов, ежегодно растет в два раза. «Требования к тому, сколько чипов нам нужно и насколько мощными они должны быть, превосходят то, что отрасль в настоящее время может предоставить».

Вместо того, чтобы просто использовать больше чипов для решения проблемы, компании спешат найти способы улучшить само оборудование искусственного интеллекта.

Одной из ключевых областей интересов являются вычисления в памяти, которые устраняют разделение между местом хранения данных (память) и местом обработки данных (логика), чтобы ускорить процесс. А разработчики чипов искусственного интеллекта, такие как Nvidia и AMD, начали использовать алгоритмы искусственного интеллекта для улучшения производительности оборудования и процесса производства. Вся эта работа необходима для того, чтобы идти в ногу с головокружительными темпами развития ИИ.

Метки:

Дата изменения:

Оставить комментарий