Автор: Михайленко А.
За підсумками 2024 року ринок AI-чіпів оцінювався в $71 млрд за даними Statista, а до початку 2026 року може збільшитися на 30% — для цього є всі умови. Попит на рішення Nvidia продовжує зростати, і компанія зберігає лідерство в галузі, попри посилення конкуренції. На тлі зростаючого інтересу до штучного інтелекту в цілому (і тренду на AI-агентів зокрема) ця тенденція лише посилиться, підстьобуючи подальші інновації та конкуренцію серед виробників. Розглянемо, що таке AI-чіпи та навіщо вони потрібні, а також зробимо короткий огляд топових виробників.
- Чому з’явилися спеціалізовані чіпи для ШІ
- Що таке AI-чіпи
- Які бувають AI-чіпи та чим вони відрізняються
- Чіпи GPU, FPGA, NPU, ASIC — у чому різниця?
- Які основні особливості AI-чіпів?
- Які компанії виробляють AI-чіпи
- NVIDIA, AMD, Intel, Huawei та Qualcomm
- Які проблеми є на ринку AI-чіпів
- Найголовніше про AI-чіпи
Чому з’явилися спеціалізовані чіпи для ШІ
Драйвером ринку стало лавиноподібне зростання завдань штучного інтелекту, для яких потрібні масштабні паралельні обчислення. Традиційні процесорні й графічні чіпи перестали справлятися з цим навантаженням, включаючи з тими, що були розроблені спеціально для рендерингу графіки. Так з’явилася нова вільна ніша: AI-чіпи (а також ШІ-процесори або ШІ-чіпи). Від них багато в чому залежить майбутнє ШІ та масштаб можливостей, які він зможе запропонувати. Як стверджує професор Іллінойського університету Нареш Шанбхаг, «оскільки передові технології продовжують розвиватися і змінюватися, то й апаратне забезпечення повинно змінюватися і слідувати за ними».
Що таке AI-чіпи
AI-чіп, він же процесор зі штучним інтелектом — це спеціальний комп’ютерний мікропроцесор, який використовується в завданнях, пов’язаних зі штучним інтелектом. А саме для машинного навчання, аналізу даних і обробки природної мови.
Типові способи застосування AI-чіпів включають розробку великих мовних моделей (Large Language Models), розпізнавання облич, аналітика великих масивів даних. Це не все: AI-чіпи також можна використовувати в наступних завданнях:
- управління безпілотними автомобілями, де ШІ допомагає визначати колір світлофора, оцінювати положення відносно інших транспортних засобів, приймати рішення про можливу небезпеку;
- периферійні (Edge) обчислення, де ШІ обробляє дані прямо там, де вони були згенеровані, без пересилання в хмару;
- робототехніка, де ШІ використовується для прийняття роботом рішень у відповідь на мінливі умови навколишнього середовища.
Які бувають AI-чіпи та чим вони відрізняються
Виділяють кілька типів чіпів з підтримкою штучного інтелекту, які відрізняються конструктивно або сферою застосування.
Чіпи GPU, FPGA, NPU, ASIC — у чому різниця?
Розглянемо, чим відрізняються GPU, NPU, FPGA та ASIC для ШІ, і для яких сценаріїв найкраще підходить кожен тип.
- GPU (графічні процесори або ж графічні прискорювачі) — це мікрочіпи, початково створені для ефективної обробки комп’ютерної графіки: наприклад, відеоігор або рендерингу. Пізніше їх стали використовувати для навчання ШІ-моделей.
- FPGA (програмовані користувачем вентильні матриці) — це мікропроцесори з «гіперспеціалізацією», тобто підтримують перепрограмування під конкретне завдання. Такі чіпи адаптують під конкретні застосунки, наприклад, пов’язані з обробкою відео, щоб отримати максимум віддачі.
- ASIC (інтегральні схеми спеціального призначення) — це мікропроцесори, які найкраще проявили себе в ШІ-застосунках, але при цьому їх не можна перепрограмувати, як FPGA. Типовий приклад ASIC — тензорний процесор Google, він же TPU (Tensor Processing Unit).
- NPU (нейронні процесори) — це чіпи, створені для глибокого навчання і роботи з нейронними мережами. Вони виконують складні завдання швидше, ніж інші типи чіпів, включаючи розпізнавання зображень, редагування відео або обробку природної мови.
Головні відмінності між GPU, FPGA, NPU, ASIC показані в таблиці:
| Характеристика | GPU | FPGA | ASIC / TPU | NPU |
|---|---|---|---|---|
| Призначення | Графіка, навчання ШІ-моделей | Рішення, що налаштовуються під конкретні завдання | Високопродуктивні ШІ-чіпи «під ключ» | Оптимізовані під нейромережі та глибоке навчання |
| Гнучкість | Середня | Дуже висока | Низька (не перепрограмуються) | Середня (адаптовані під глибоке навчання) |
| Швидкість ШІ- обчислень | Висока | Середньо-висока | Дуже висока | Максимальна в нейромережевих завданнях |
| Енергоефективність | Середня | Висока за умови правильного налаштування | Дуже висока | Дуже висока |
| Приклади використання | Навчання LLM, генеративний ШІ, візуалізація | Відеоаналітика, edge-комп’ютинг, 5G | Google TPU, Amazon Inferentia | Обробка відео, NLP, смартфони |
Які основні особливості AI-чіпів?
Є кілька властивостей, які виділяють AI-чіпи на тлі традиційних процесорів, включаючи ті, що спочатку адаптовані під високі навантаження.
Швидкість обчислень
Чіпи зі штучним інтелектом використовують паралельні обчислення, тобто обробляють дані паралельно, розбиваючи великі завдання на тисячі й мільйони маленьких. Традиційні процесори виконують таке ж об’ємне завдання повільніше, використовуючи послідовні обчислення.
Точність
AI-чіпи перевершують традиційні мікропроцесори не тільки у швидкості, але і точності — тобто роблять менше помилок. Це дозволяє використовувати їх в обчисленнях з високою ціною помилки: медичних, фінансових, пов’язаних з управлінням автономного транспорту.
Адаптивність
Чіпи з ШІ можна налаштувати таким чином, щоб вони найкращим чином виконували одне пріоритетне завдання. Наприклад, забезпечували навчання нової моделі або аналіз великих обсягів даних.
Енергоефективність
Сучасні ШІ-чіпи споживають менше енергії, а значить, більш економічні — завдяки оптимізованій архітектурі, що дозволяє ефективно використовувати енергію при високих навантаженнях. І це не тільки економічний ефект: дата-центри, орієнтовані на ШІ-навантаження, залишають менший вуглецевий слід.
Через те, що різні мікропроцесори відрізняються продуктивністю та іншими параметрами, не можна однозначно відповісти на питання про те, скільки коштують ШІ-чіпи. В середньому ціна на топові рішення від Nvidia на кшталт H100 варіюється від $30 000 до $40 000, на споживчі, як GeForce RTX 4090 і 5090 — до $2000.
Які компанії виробляють AI-чіпи
Поряд з лідерами ринку є поки що маловідомі рішення, які також варті уваги. Подивімося, хто зараз займається розробкою AI-чіпів і досяг певних результатів.
NVIDIA, AMD, Intel, Huawei та Qualcomm
- NVIDIA — безумовний лідер ринку. За даними CNBC, компанія контролює від 75% до 90% ринку AI-чіпів, хоча і стикається з високою конкуренцією. А її сумарна вартість за короткий час зросла до $2,8 трлн за даними Companiesmarketcap. Успіх пояснюється кількома причинами: універсальна масштабована архітектура, дуже добре розвинена екосистема для AI-розробки й швидка реакція — компанія зробила ставку на AI раніше за конкурентів.
- AMD — другий гравець на ринку ШІ-чіпів після Nvidia. Його Ryzen AI PRO 300 був анонсований наприкінці минулого року — це мікропроцесор для ноутбуків з підтримкою ШІ. Саме цей мікрочіп забезпечує роботу Copilot, помічника зі штучним інтелектом від Microsoft.
- Intel — компанія спробувала увірватися на ринок зі своїм продуктом Gaudi 3, але була змушена зменшити свої амбіції, оскільки його продажі не виправдали очікувань. На думку експертів, цей мікрочіп гірше підходить для навчання великих мовних моделей, ніж рішення конкурентів Nvidia та AMD.
- Huawei — нещодавно розробила чіп Ascend 910D, який… може конкурувати за продуктивністю з H100 від Nvidia.
- Qualcomm — інтегрує ШІ прямо в мобільні чіпсети, що дозволяє обробляти дані локально — без відправки в хмару.
Хто розробляє ШІ-чіпи для своїх завдань
Компанія Amazon представила чіп Trainium 2 і заявила, що за рівнем продуктивності він не поступається H100 від Nvidia, але коштує в рази дешевше. Meta почала тестування власного рішення для навчання ШІ, щоб скоротити залежність від зовнішніх постачальників. Для цього буде використовуватися прискорювач Meta Training and Inference Accelerator (MTIA) v1, розроблений з урахуванням специфіки навантаження компанії. Google оголосила про запуск Trillium — тензорного процесора, обчислювальні можливості якого дозволяють навчати великі мовні моделі, включаючи власну Gemini, а також задовольняти потреби суперкомп’ютера Google Cloud’s AI Hypercomputer. І, нарешті, Microsoft представила ШІ-чіп Microsoft Azure Maia AI Accelerator, який буде використовувати у своїх дата-центрах, в тому числі для підтримки Azure OpenAI.
Які проблеми є на ринку AI-чіпів
Монополізація Nvidia обмежує не тільки компанії, які хочуть створювати нові AI-застосунки, але і може порушувати антимонопольне законодавство США, як повідомляють в The Guardian. Крім того, компанія зіткнулася зі звинуваченнями в крадіжці патентів, щоправда, через мережеву компанію Mellanox, придбану Nvidia декількома роками раніше.
Крім Nvidia монополістом можна назвати тайванську компанію TSMC, на частку якої припадає 90% всього виробництва мікропроцесорів у світі за інформацією CNN. Для неї зростаючий попит на AI-чіпи став проблемою: у зв’язку з необхідністю будівництва нових заводів виник дефіцит кваліфікованої робочої сили.
Все це призвело до ситуації, коли попит на AI-чіпи значно перевищує пропозицію. І якщо якійсь компанії знадобиться кілька тисяч топових чіпів зі штучним інтелектом, вона може чекати їх місяцями та навіть роками. Оскільки розробка нових генеративних ШІ та мультимодальних моделей вимагає колосальних ресурсів, ситуація може погіршитися вже в найближчі квартали. Апаратні можливості просто не встигають за потребами нових моделей і ШІ-застосунків.
Коментар експерта Colobridge:
«Наш досвід показує, що попит на обчислювальні потужності для ШІ-навантажень швидко зростає. І навіть великі компанії постають перед труднощами при купівлі та обслуговуванні апаратного забезпечення. Ми пропонуємо їм використовувати передові можливості ШІ з мінімальними витратами ресурсів — завдяки нашій послузі AI Engine aaS, де ми надаємо не тільки обчислювальні потужності в оренду, але й необхідну експертизу для використання можливостей машинного навчання та генеративного ШІ для поліпшення клієнтського досвіду та підвищення продажів».
Найголовніше про AI-чіпи
- AI-чіпи прискорюють роботу моделей машинного навчання й обробку природної мови
- GPU, NPU, FPGA та ASIC — ключові типи процесорів для ШІ.
- NVIDIA сьогодні контролює до 90% ринку AI-чіпів.
- Вартість топових моделей досягає $40 000.
- Попит на AI-чіпи випереджає пропозицію на місяці вперед.
- Великі IT-корпорації вже розробляють власні чіпи.
- AI-чіпи стають ядром цифрової трансформації бізнесу.
Дізнайтеся більше про технологічну платформу Colobridge і послугу AI Engine aaS, а також як підключити AI Engine aaS для бізнесу, напишіть нашим менеджерам.
