211service.com
Strijd om chips te leveren voor de AI Boom warmt op
Jensen Huang, CEO van Nvidia, op de conferentie van het bedrijf in San Jose, Californië.
Jensen Huang straalde woensdag uit boven een volle conferentiezaal in San Jose, Californië, toen hij de nieuwe chip van zijn bedrijf aankondigde die gericht is op het versnellen van kunstmatige intelligentie-algoritmen. Maar figuurlijk gezien keek de CEO van chipmaker Nvidia over zijn schouder mee.
De winst en voorraad van Nvidia zijn de afgelopen jaren enorm gestegen omdat de grafische processors die het heeft uitgevonden om gaming en grafische productie van stroom te voorzien, veel recente doorbraken in machine learning mogelijk hebben gemaakt (zie 10 Breakthrough Technologies 2013: Deep Learning). Maar naarmate de investeringen in kunstmatige intelligentie toenemen, wordt het bedrijf van Huang nu geconfronteerd met concurrentie van Intel, Google en anderen die aan hun eigen AI-chips werken.
Op de jaarlijkse ontwikkelaarsconferentie van Nvidia op woensdag vermeed Huang zorgvuldig om concurrenten bij naam te noemen toen hij de nieuwste chip van Nvidia introduceerde, de Tesla V100 genaamd. Hij verwees naar Google bijvoorbeeld alleen als sommige mensen. Maar hij maakte duidelijke uitlatingen over de technologie van de uitdagers van Nvidia, vooral wanneer hij het had over de grote kans die zich voordeed om AI-chips te leveren voor gebruik in cloud computing.
Bedrijven in veel sectoren, zoals de gezondheidszorg en financiën, investeren in infrastructuur voor machine learning. Toonaangevende cloud computing-providers Google, Amazon en Microsoft wedden allemaal dat veel bedrijven hen willen betalen om kunstmatige-intelligentiesoftware te gebruiken, en veel geld gaan uitgeven aan nieuwe hardware om dat te ondersteunen.
Nvidia domineerde de snelgroeiende AI-chipmarkt door slim gebruik te maken van een gelukkig toeval. De wiskundige basisbewerkingen die nodig zijn voor computergraphics zijn dezelfde als die welke ten grondslag liggen aan een benadering van machine learning die bekend staat als kunstmatige neurale netwerken. Vanaf 2012 toonden onderzoekers aan dat door nieuwe kracht achter die techniek te zetten, grafische processors het mogelijk maakten dat software veel, veel slimmer werd in taken zoals het interpreteren van afbeeldingen of spraak.
Naarmate de AI-markt groeide, heeft Nvidia zijn chipontwerpen aangepast met functies om neurale netwerken te ondersteunen. De nieuwe V100-chip die deze week is aangekondigd, is het hoogtepunt van die inspanning en heeft een nieuwe kern die gespecialiseerd is in het versnellen van diepgaande wiskunde.
Huang zei dat zijn kracht en energie-efficiëntie bedrijven of cloudproviders zouden helpen om hun mogelijkheden om AI te gebruiken drastisch te verbeteren. Je zou de doorvoer van je datacenter met 15 keer kunnen verhogen in plaats van nieuwe datacenters te moeten bouwen, zei hij.
De nieuwe concurrenten van Nvidia beweren dat ze hardware sneller en efficiënter kunnen maken bij het uitvoeren van AI-software door chips te ontwerpen die helemaal opnieuw voor dit doel zijn afgestemd in plaats van de grafische chiptechnologie aan te passen.
Intel belooft bijvoorbeeld later dit jaar een chip voor deep learning uit te brengen die is gebouwd op de technologie die in 2016 is verworven met startup Nervana (zie Intel Outside as Other Companies Prosper from Graphics Chips).
Het bedrijf bereidt zich ook voor op de release van een product om deep learning te versnellen op basis van technologie van de overname van Altera ter waarde van 16,7 miljard dollar, die chips maakte die FPGA's worden genoemd en die opnieuw kunnen worden geconfigureerd om specifieke algoritmen aan te sturen. Microsoft heeft zwaar geïnvesteerd in het gebruik van FPGA's om zijn machine learning-software aan te drijven en heeft ze tot een kernonderdeel van zijn cloudplatform, Azure, gemaakt.
Ondertussen maakte Google afgelopen zomer bekend dat het al een chip gebruikt die is aangepast voor AI, intern ontwikkeld, een Tensor Processing Unit of TPU genoemd. De chips waren de basis voor de overwinning van de software AlphaGo op een kampioen van het bordspel Go vorig jaar. Ze zijn niet te koop, maar Google zegt dat bedrijven die hun cloudcomputingservices gebruiken, profiteren van hun kracht en energie-efficiëntie.
Verschillende ingenieurs die de chip van Google hebben gebouwd, hebben sindsdien het bedrijf verlaten om een startup te vormen met $ 10 miljoen aan financiering, genaamd Groq, die een gespecialiseerde machine-learning-chip bouwt. Andere startups die aan soortgelijke projecten werken, zijn onder meer Wave Computing, dat zegt dat het klanten zijn hardware al laat testen.
Huang beweerde woensdag dat de technologie van Nvidia een goede plek bereikt, andere inspanningen niet. Aangepaste chips zoals Google's TPU zijn te inflexibel om even goed te werken met veel verschillende soorten neurale netwerken, zei hij - een belangrijk nadeel gezien hoe snel nieuwe ideeën worden getest en geadopteerd in AI. Hij beweerde dat FPGA's, zoals die waar Microsoft de voorkeur aan geeft en waarop Intel zich inzet, te veel energie verbruiken.
We creëren het meest productieve platform voor diep leren, zei hij. Aangezien de rivalen van Huang dit jaar meer over hun producten onthullen, zal die claim onder de loep worden genomen.