(4) Полупроводники на пути к искусственному общему интеллекту (AGI)

Прогресс в области ИИ в меньшей степени ограничен алгоритмами, нежели двумя практическими барьерами:

▫️необходимостью в огромных объемах качественных данных
▫️вычислительными мощностями для их обработки.

Инвестиции растут в обе эти области, чему способствуют наглядные доказательства ценности ИИ.

Движение к искусственному общему интеллекту (AGI) в решающей степени зависит от полупроводников следующего поколения. Все более крупные модели требуют все более быстрых и энергоэффективных кристаллов логики (logic dies), созданных по все более тонким техпроцессам и соединенных с помощью высокоплотной 2.5D или 3D упаковки.

В то же время высокоскоростная память с низкой задержкой может иметь критическое значение для перемещения и хранения огромных наборов данных, используемых при обучении.

Научно-исследовательские работы также смещаются в сторону нейроморфных подходов и вычислений в памяти.

Специализированные нейропроцессоры (NPU) уже поставляются в устройства для периферийных вычислений, а прототипы систем вычислений в памяти (Processing-in-Memory, PIM) размещают вычислительные элементы рядом или внутри массивов DRAM, сокращая энергозатраты и задержки на перемещение данных.

Полноценные нейроморфные аппаратные средства, имитирующие архитектуру мозга, могут потребовать новых концепций устройств в сочетании с передовой компоновкой, но способны обеспечить колоссальный рост вычислительной мощности на ватт и на кубический сантиметр.

В совокупности эти достижения в области полупроводников формируют основу пути от сегодняшнего специализированного ИИ к более универсальному и мощному интеллекту завтрашнего дня.

Намечая путь вперед

🔹 Выбор между кастомными и готовыми полупроводниковыми решениями: Оцените компромиссы при выборе между специализированным AI-ускорителем и стандартными GPU или CPU. Примите во внимание размер модели, сложность алгоритмов, ограничения по энергопотреблению и важность сокращения времени выхода на рынок (time-to-market).

🔹 Согласование с продуктовой дорожной картой: Спрос на ИИ охватывает множество секторов, поэтому отслеживайте прорывы - и ограничения поставок в области высокопроизводительных чипов. Рассчитайте момент внедрения так, чтобы новые техпроцессы или методы компоновки дали явное конкурентное преимущество.

🔹 Построение устойчивой цепочки поставок: Передовые энергоэффективные устройства, такие как нейропроцессоры (NPUs) или массивы для вычислений в памяти (PIM), требуют длительного времени на разработку и постановку на производства перед выходом на серийные объемы. Заранее договоритесь о производственных мощностях под свои задачи, развивайте глубокие партнерства, чтобы смягчить будущий дефицит.

🔹 Интеграция проектов следующего поколения: Оставайтесь в курсе новых проектных методик (design flows), разрабатывайте как аппаратное, так и программное обеспечение и сотрудничайте по всей цепочке создания стоимости, чтобы достичь строгих целевых показателей энергоэффективности и производительности по мере движения отрасли к искусственному общему интеллекту (AGI).

@RUSmicro, по материалам отчета PwC Semiconductor and Beyond