Китайский стартап Zhonghao Xinying предлагает разработанный в стране тензорный процессор общего назначения (GPTPU) в качестве альтернативы международному оборудованию для обучения и логического вывода ИИ, такому как графические карты Nvidia и TPU от Google, как сообщает SCMP. Утверждается, что эти ASIC-чипы в 1,5 раза быстрее, чем A100 от Nvidia 2020 года, основанный на архитектуре Ampere.
Хотя это отстает на несколько лет и поколений от возможностей новейшего оборудования от международных конкурентов, это демонстрирует растущую конкурентоспособность в глобальных вычислительных мощностях и то, как Китай может иметь путь к независимости кремния в будущем, поскольку он изучает как традиционные графические процессоры, так и ASIC-проекты в качестве альтернатив.
Чип “Гана” был разработан в компании Янгуном Ифаном, который ранее посещал Стэнфордский и Мичиганский университеты для изучения электротехники. Он также работал над архитектурами чипов в Google и Oracle, участвуя в разработке нескольких поколений TPU Google. Соучредитель Чжэн Ханьсюнь ранее работал в Oracle и научно-исследовательском центре Samsung Electronics в Техасе.
Они утверждают, что новый TPU использует только интеллектуальную собственность собственного производства для базовой конструкции, не полагаясь на западные компании, программные стеки или компоненты для разработки, проектирования или производства.
“Наши чипы не зависят от иностранных технологических лицензий, обеспечивая долгосрочную устойчивость на архитектурном уровне”, – цитирует SCMP слова Xinying, сказанные ранее в этом году, подчеркивая его понимание того, что национальная безопасность в настоящее время тесно переплетена с доступом к полупроводникам.
Они утверждают, что чип Ghana способен обеспечить в 1,5 раза большую производительность, чем A100 от Nvidia, а также “снизить энергопотребление до 75 процентов, используя производственный процесс, который на порядок ниже, чем у ведущих зарубежных графических процессоров”.
Если это правда, это было бы впечатляющим достижением, но не неслыханным для ASIC, который представляет собой специализированный чип, превосходно выполняющий определенные функции, удаляя все ненужные вычислительные элементы, встречающиеся в более универсальном кремнии, таком как графические процессоры.
Тем не менее, если этот китайский дизайн TPU хотя бы приблизительно соответствует тому, что они утверждают, он должен быть довольно мощным. A100 от Nvidia обеспечивает около 19,5 терафлопс, хотя даже в 1,5 раза большая производительность все равно поставила бы Ghana далеко позади конструкции Hopper от 2022 года, и намного, намного позже H100.
Но для китайского рынка, который в значительной степени отрезан от западного оборудования для искусственного интеллекта, это может быть более чем достаточно.
Все это происходит в интригующее время для индустрии чипов искусственного интеллекта. Хотя Nvidia была доминирующей силой и лицом индустрии в течение последнего года, недавнее заявление Google о начале сдачи в аренду , а затем и продаже собственных TPU открыло возможность и саму идею прямой конкуренции. Это сделка, не стоящая выеденного яйца, несмотря на то, что она стоит миллиарды, но по мере того, как на Западе появляются альтернативы, то же самое происходит и на Востоке, поскольку Китай настаивает на увеличении внутреннего производства и поддержки чипов, субсидиях и установленных квотах.
Графические процессоры, подобные тем, что разработаны Nvidia и, в гораздо меньшей степени, AMD, вероятно, останутся наиболее универсальными методами для обучения ИИ в течение некоторого времени, но ASIC, такие как TPU Google, и, возможно, даже те, что разработаны такими фирмами, как эта, могут стать привлекательной альтернативой для компаний, стремящихся освободиться от почти монополии Nvidia.
Или просто получить доступ к оборудованию. Цены на память, нехватка кремния и торговые барьеры могут помешать даже доступу к графическим процессорам, которые необходимы вашей компании. В их отсутствие непроверенные ASIC могут стать жизнеспособной альтернативой.
Автор – Jon Martindale
