Ο Διευθύνων Σύμβουλος του OpenAI, Sam
Altman
, ξεκίνησε μια παγκόσμια εκστρατεία για τη δημιουργία ενός δικτύου εργοστασίων τσιπ τεχνητής νοημοσύνης που μπορούν να αναλάβουν την κυριαρχία της Nvidia στην τεχνολογία.
Μεγαλύτερα εργαστήρια τεχνητής νοημοσύνης όπως το OpenAI ξοδεύουν δισεκατομμύρια σε GPU της Nvidia για να εκπαιδεύσουν την επόμενη γενιά μεγάλων μοντέλων γλώσσας. Στη συνέχεια ξοδεύουν περισσότερα για να λειτουργήσουν αυτά τα μοντέλα για τους καταναλωτές.
Για να αντιμετωπίσουν αυτό το πρόβλημα, ορισμένες από τις μεγαλύτερες εταιρείες αναζητούν τρόπους για να μειώσουν το μέγεθος των μοντέλων, να βελτιώσουν την απόδοση και ακόμη και να δημιουργήσουν νέα, προσαρμοσμένα και φθηνότερα τσιπ – αλλά η κατασκευή προηγμένων ημιαγωγών είναι και ακριβή και περίπλοκη.
Για το νέο του έργο chip, ο Altman έχει μιλήσει με αρκετούς επενδυτές καθώς το κόστος είναι πιθανό να φτάσει τα δισεκατομμύρια. Οι πιθανοί υποστηρικτές περιλαμβάνουν το G42 που εδρεύει στο Άμπου Ντάμπι και τον ιαπωνικό όμιλο SoftBank, και λέγεται ότι βρίσκεται σε συνομιλίες με τον Ταϊβανέζο κατασκευαστή TSMC για την κατασκευή των μονάδων.
Γιατί ο Sam Altman θέλει να κάνει τσιπ AI;
Η Nvidia έγινε μια εταιρεία τρισεκατομμυρίων δολαρίων για πρώτη φορά πέρυσι λόγω του σχεδόν μονοπωλίου της σε GPU υψηλής τεχνολογίας, ικανές να εκπαιδεύουν τα πιο προηγμένα μοντέλα τεχνητής νοημοσύνης.
Νωρίτερα αυτό το μήνα η Meta ανακοίνωσε ότι αγόραζε 350.000 Nvidia H100 GPU για να εκπαιδεύσει μια μελλοντική υπερευφυΐα και να την κάνει ανοιχτού κώδικα. Ονομάστηκε το πρώτο τσιπ που έχει σχεδιαστεί για γενετική τεχνητή νοημοσύνη, η GPU H100 κοστίζει περίπου 30.000 $ ανά τσιπ και έχει πολύ μεγάλη ζήτηση.
Η Google εκπαίδευσε το
μοντέλο
Gemini της επόμενης γενιάς στα τσιπ της γνωστά ως Tensor Processing Units (TPUs) τα οποία αναπτύσσει για περισσότερο από μια δεκαετία.
Αυτό θα είχε μειώσει σημαντικά το συνολικό κόστος της εκπαίδευσης ενός τόσο μεγάλου μοντέλου και θα έδινε στον προγραμματιστή της Google μεγαλύτερο έλεγχο στον τρόπο εκπαίδευσης και βελτιστοποίησης του.
Τι περιλαμβάνει η παραγωγή τσιπς;
(Πίστωση εικόνας: Shutterstock)
Η κατασκευή ημιαγωγών είναι ακριβή. Χρειάζονται πολλοί φυσικοί πόροι, χρηματοδότηση και έρευνα για να φτάσετε σε ένα σημείο όπου κάθε νέο τσιπ μπορεί να αποδώσει στο υψηλότερο επίπεδο.
Υπάρχει ένας περιορισμένος αριθμός εγκαταστάσεων κατασκευής σε όλο τον κόσμο που είναι σε θέση να κατασκευάσουν τον τύπο chip high-end που χρειάζεται το OpenAI, οδηγώντας σε ένα πιθανό
εμπ
όδιο στην εκπαίδευση της επόμενης γενιάς μοντέλων.
Η Altman θέλει να ενισχύσει αυτήν την παγκόσμια ικανότητα με ένα νέο δίκτυο εγκαταστάσεων κατασκευής αφιερωμένων αποκλειστικά σε τσιπ τεχνητής νοημοσύνης.
Η OpenAI αναμένεται να συνεργαστεί με μια εταιρεία όπως η Intel, η TSMC ή η
Samsung
για τα δικά της τσιπ AI ή θα μπορούσε να συνεργαστεί με τον υπάρχοντα επενδυτή Microsoft. Η εταιρεία ανακοίνωσε πέρυσι ότι κατασκεύαζε τα δικά της τσιπ τεχνητής νοημοσύνης για να λειτουργήσει εντός της πλατφόρμας cloud Azure για την εκτέλεση υπηρεσιών AI.
Ποια είναι η μεγαλύτερη εικόνα
Η Amazon έχει το δικό της τσιπ Trainium που τρέχει μέσα στην υπηρεσία cloud AWS για μοντέλα AI και το Google Cloud χρησιμοποιεί TPU. Ωστόσο, παρά το γεγονός ότι έχουν τα δικά τους τσιπ, όλες οι μεγάλες εταιρείες cloud κάνουν μεγάλη χρήση των επεξεργαστών H1000 της Nvidia.
Ο Altman πρόκειται επίσης να έρθει αντιμέτωπος με συνεχείς βελτιώσεις από τη Nvidia, οι οποίες ενδέχεται να απομακρύνουν τους επενδυτές από τα έργα τσιπ του OpenAI.
Τα τσιπ GH200 Grace Hopper επιβεβαιώθηκαν πέρυσι και η Intel έχει νέα τσιπ τεχνητής νοημοσύνης που τρέχουν στους επεξεργαστές Meteor Lake που θα μπορούσαν να δουν περισσότερα μοντέλα τεχνητής νοημοσύνης να εκτελούνται τοπικά και όχι σε κλίμακα.
Περισσότερα από το Tom’s Guide
VIA:
TomsGuide.com
