Бывшие инженеры по чипам PlayStation бросают вызов Nvidia

Компания LENZO разрабатывает ИИ-чип нового поколения, известный как CGLA, сокращение от Coarse-Grained Logic Architecture. Ключевым преимуществом является энергоэффективность. По сравнению с графическими процессорами Nvidia, этот чип предназначен для выполнения рабочих нагрузок искусственного интеллекта, используя на 90 процентов меньше электроэнергии, и это утверждение может иметь далеко идущие последствия для центров обработки данных и инфраструктуры искусственного интеллекта во всем мире.

В основную команду LENZO входят инженеры, ранее работавшие над процессорами PlayStation 2 и PlayStation 3, а также специалисты, которые помогали разрабатывать суперкомпьютерные чипы во время работы в Fujitsu. Весной компания планирует вывести на рынок свой первый коммерческий чип, а производством будет заниматься компания Taiwan Semiconductor Manufacturing Co. Ожидается, что размер готового чипа составит примерно пять квадратных миллиметров.

В то время как Nvidia доминирует примерно на 90 процентах мирового рынка ИИ-чипов и может похвастаться рыночной капитализацией, превышающей 600 триллионов иен, задача LENZO может показаться дерзкой. Однако ее основатели утверждают, что доминирование Nvidia основано на архитектуре, которая приближается к своим физическим пределам.

В основе проблемы лежит энергопотребление. Обычные центральные и графические процессоры основаны на так называемой архитектуре фон Неймана, в которой память и вычислительные блоки разделены. Эта структура требует постоянного перемещения данных между памятью и процессорами, потребляя при этом огромное количество энергии. Фактически, исследования показывают, что перемещение данных всего на один миллиметр внутри чипа может потреблять больше энергии, чем само выполнение арифметической операции.

Хотя графические процессоры улучшили эту ситуацию за счет обработки данных большими пакетами, они по-прежнему страдают от больших потерь энергии, вызванных частым доступом к памяти. Сегодня более половины электроэнергии, используемой серверами ИИ, расходуется не на вычисления, а на передачу данных между памятью и процессорами.

Тензорный процессор Google (TPU) решил эту проблему, приняв архитектуру потока данных, оптимизированную для матричных вычислений, используемых в искусственном интеллекте. Передавая данные в фиксированной последовательности, TPU сокращают доступ к памяти и повышают эффективность. Однако они предназначены почти исключительно для рабочих нагрузок искусственного интеллекта на основе матриц, что ограничивает их гибкость.

CGLA от LENZO использует другой подход. Вместо того, чтобы заранее фиксировать поток данных, он позволяет свободно переконфигурировать поток данных между обрабатывающими элементами. Это позволяет чипу обрабатывать не только текущие модели искусственного интеллекта, такие как трансформаторы, но и будущие алгоритмы, которые могут опираться на совершенно другие вычислительные структуры.

По словам компании, такая гибкость позволяет CGLA сочетать высокую энергоэффективность с широкой применимостью, чего не могут в полной мере достичь ни графические процессоры, ни TPU. В то время как графические процессоры предлагают универсальность за счет энергоэффективности, а TPU обеспечивают эффективность за счет гибкости, CGLA призван обеспечить и то, и другое.

Еще одно преимущество заключается в стоимости. Современные чипы искусственного интеллекта в значительной степени полагаются на память с высокой пропускной способностью, которая становится все более дорогой. Уменьшая потребность в постоянном перемещении данных, CGLA может работать с меньшим объемом памяти, снижая как энергопотребление, так и производственные затраты.

Однако, пожалуй, самым большим препятствием, с которым сталкивается любой новый ИИ-чип, является не аппаратное обеспечение, а программное обеспечение. Платформа CUDA от Nvidia стала фактическим стандартом для разработки искусственного интеллекта, глубоко внедренным как в исследовательские, так и в коммерческие приложения. Многие разработчики пишут свой код специально для CUDA, что затрудняет распространение альтернативного оборудования.

LENZO признает эту проблему, но видит возможности в изменении тенденций отрасли. Поскольку поставщики облачных услуг и разработчики искусственного интеллекта ищут альтернативы экосистеме Nvidia, интерес к решениям без графических процессоров растет. Компания считает, что спрос на энергоэффективные и гибкие чипы будет расти по мере расширения рабочих нагрузок ИИ и роста затрат на электроэнергию.

Компания также видит долгосрочную ценность в адаптивности. Сегодняшние системы искусственного интеллекта в значительной степени полагаются на модели-трансформеры, но уже появляются новые подходы. Если доминирующие алгоритмы изменятся, оборудование, предназначенное для одного метода, может быстро устареть. CGLA, напротив, предназначен для адаптации посредством программного обеспечения, а не модернизации аппаратного обеспечения.

В этом смысле LENZO не просто пытается создать более быстрый чип, но и переопределить структуру процессоров искусственного интеллекта. Сможет ли компания преодолеть укоренившуюся экосистему Nvidia, еще неизвестно, но ее технология подчеркивает растущее признание того, что будущее искусственного интеллекта будет зависеть не только от производительности, но и от эффективности, гибкости и устойчивости.

Источник: ТВ Токио БИЗ