Менее, чем за 12 часов, три разных человека предложили мне деньги за то, чтобы я час разговаривал с незнакомым человеком по телефону. Все они сказали, что им понравилась моя статья про то, как Google создаёт новый компьютерный чип для ИИ, и все они упрашивали меня обсудить эту тему с их клиентом. Каждый описал своего клиента как менеджера большого хедж-фонда, но не назвал его имени.

Запросы пришли от так называемых экспертных сетей – исследовательских фирм, связывающих инвесторов с людьми, которые могут помочь первым понять определённые рынки и обеспечить конкурентное преимущество (иногда, судя по всему, через инсайдерскую информацию). Эти экспертные сети желали, чтобы я объяснил, как ИИ-процессор от Google повлияет на рынок чипов. Но сначала они потребовали подписать для них соглашение о неразглашении. Я отказался.

Эти сделанные по собственной инициативе, конкретные и напористые запросы – случившиеся три недели назад – подчёркивают радикальные изменения, которых следует ожидать на весьма доходном рынке компьютерных чипов, изменения, вдохновлённые развитием ИИ. Управляющие тех хедж-фондов увидели эти изменения, но не знают, как конкретно они сыграют.

Естественно, никто не знает, как конкретно они сыграют.

Сегодня интернет-гиганты типа Google, Facebook, Microsoft, Amazon и Baidu изучают широкий спектр технологий, могущих привести к прорывам в ИИ, и их решения изменят доходы таких фирм, как Intel и nVidia. Но сейчас даже специалисты по информатике этих онлайн-гигантов не знают, что ждёт нас в будущем.

Берём глубже

Компании управляют своими онлайн-сервисами из дата-центров, содержащих тысячи серверов, каждый из которых оборудован центральным процессором, CPU. Но постепенно осваивая одну из форм ИИ под названием глубокие нейросети, эти компании дополняют CPU другими процессорами. Нейросети обучаются задачам при помощи анализа больших объёмов данных, от лиц и объектов на фотографиях до перевода между языками, и им нужна не только процессорная мощность.

Поэтому Google создал Tensor Processing Unit, или TPU. Microsoft используют процессор под названием «программируемая пользователем вентильная матрица» (Field-Programmable Gate Array, FPGA). Множество компаний используют компьютеры, оборудованные графическими процессорами, GPU. Все они ищут новое поколение чипов, способное ускорить работу ИИ в смартфонах и других устройствах.

Из-за большого размаха деятельности этих компаний, имеют значение все решения, принимаемые ими. Они покупают и используют больше компьютерного оборудования, чем все остальные на планете, и этот разрыв будет только увеличиваться благодаря увеличению важности облачных вычислений. Если Google сделает выбор в пользу какого-то процессора, это может изменить основы индустрии чипов.

TPU – угроза таким компаниям, как Intel и nVidia, поскольку Google делает его сам. Но GPU играют большую роль в Google и подобных компаниях, а nVidia – главный производитель этих чипов. Тем временем Intel входит в индустрию, приобретая компанию Altera, продающую FPGAs в Microsoft. Это была крупнейшая покупка Intel за всё время ($16,7 млрд), и это подчёркивает, как сильно меняется рынок чипов.

Сначала, тренировка, затем, выполнение

Разобраться во всём этом тяжело – например, из-за того, что нейросети работают в два этапа. Первый – тренировка, в котором компания вроде Google обучает нейросеть выполнению задачи, например, распознаванию лиц на фото или перевода с одного языка на другой. Второй – выполнение, во время которого обычные люди, вроде нас с вами, используют нейросеть – мы размещаем фото встречи выпускников в Facebook, а он автоматически отмечает людей на нём. Два этих этапа сильно различаются, и каждый из них требует разных подходов, в т.ч. и процессорных.

Сегодня для тренировки лучше всего подходят GPU. Их разрабатывали для рендера картинок в играх и других графических приложений, но в последние годы Google обнаружили, что эти чипы могут эффективно, с точки зрения энергии, обрабатывать огромные массивы данных, что требуется для тренировки нейросетей. Это значит, что можно натренировать больше нейросетей, используя меньше оборудования. Исследователь ИИ из Microsoft Сюэдон Хуан [XD Huang] называет GPU «настоящим оружием». Недавно его команда закончила создание системы, распознающей человеческую речь, на которую у них ушёл год. Без GPU, по его словам, на это ушло бы пять лет. После публикации работы по этой системе он открыл шампанское дома у Дженьсунь Хуана [Jen-Hsun Huang], директора nVidia.

К смартфонам

В то же время другие компании создают чипы для работы нейросетей на смартфонах и других устройствах. Над таким чипом работает IBM, хотя у многих есть сомнения в его эффективности. Intel решила приобрести компанию Movidius, уже поставляющую чипы для мобильных устройств.

Intel понимает, что рынок меняется. Четыре года назад компания рассказывала, что продаёт больше серверных процессоров в Google, чем всем остальным компаниям, за исключением четырёх. Из этого видно, как Google и другие подобные компании могут влиять на рынок чипов. Сейчас Intel делает ставки уже во всех областях. Кроме приобретения Altera и Movidius, она также решила купить компанию Nervana, производящую ИИ-чипы.

Это имеет смысл, поскольку развитие рынка только начинается. «Мы находимся у подножия новой большой волны роста,– сказал мне вице-президент Intel Джейсон Ваксман,– и она подпитывается ИИ». Вопрос лишь в том, куда эта волна занесёт нас.