Google’i AI-i mikroskeemid vallandatud: TPU 8t ja 8i käivitatakse, et väljakutsta Nvidia domineerimist

BitcoinWorld

Google’i AI-i mikroskeemid vallandatud: TPU 8t ja 8i käivitamine, et väljakutsuda Nvidia domineerivat positsiooni

Strateegilise tegevuse raames, et hõlmata suuremat osa kiiresti kasvavast kunstliku intelligentsi turust, teatas Google Cloud 30. aprillil, kolmapäeval, San Franciscos (California) oma kaheksandas põlvkonnas kohandatud AI-i mikroskeemide käivitamisest. Ettevõte avaldas kaheosalise lähenemisviisi, tutvustades kahte spetsialiseeritud mikroskeemi: TPU 8t AI mudelite õppimiseks ja TPU 8i järelduste tegemise töökoormuste jaoks. See areng näitab Google’i seni olulisimat pingutust pakkuda ettevõtetele võimsat ja kuluefektiivset alternatiivi Nvidia juhtiva asukoha GPU-dele, kuigi otsingumootoritootja rõhutab, et tema partnerlus mikroskeemide juhtiva ettevõttega on tugevam kui kunagi varem.

Google’i AI-i mikroskeemid: kaheharuline strateegia õppimise ja järelduste tegemise jaoks

Google’i otsus jagada oma kaheksandas põlvkonnas Tensor Processing Unit (TPU) kahe erineva mudeliga tähistab suurt evolutsiooni tema riistvarastrateegias. Traditsiooniliselt käsitlesid TPUs nii õppimist kui ka järelduste tegemist, kuid spetsialiseeritud AI arvutusvajaduse järsu kasvu tõttu on toimunud selle arhitektuurse muutuse. TPU 8t on loodud eriti arvutuslikult intensiivseks protsessiks – suurte keelemudelite ja teiste AI süsteemide õppimiseks. Vastupidi, TPU 8i on optimeeritud järelduste tegemiseks, mis on pidev protsess, kus kasutatakse õpetatud mudeleid vastuste genereerimiseks kasutaja päringutele.

Google’i jõudluskatsete andmetel pakuvad uued mikroskeemid olulisi parandusi eelmiste põlvkondade suhtes. Ettevõte väidab, et TPU 8t pakub kuni 3x kiiremat AI mudelite õppimist ja 80% paremat jõudlust dollaris. Lisaks võimaldab Google’i inseneritöö üle ühe miljoni TPU-d töötada koos ühes suures klastris. See skaala võimaldab õppida järgmise põlvkonna piirimudeleid, mida enne ei olnud võimalik õppida. Pilveteenuse klientidele tähendab see oluliselt suuremat arvutusvõimsust väiksema energiatarbega ja väiksemate kuludega.

Hüperskaalaja mikroskeemide võistlus intensiivistub

Google’i teade paigutab ettevõtte kindlalt laiemasse trendi, kus suured pilveteenusepakkuja arendavad kohandatud silikooni. Amazon Web Services (AWS) omab Graviton ja Trainium mikroskeeme, samas kui Microsoft Azure arendab oma Maia kiirendajaid. Seda liikumist, mida nimetatakse sageli „hüperskaalaja mikroskeemide võistluseks“, põhjustab soov saada suuremat kontrolli tarneahela üle, optimeerida jõudlust konkreetsetele tarkvarapakettidele ja parandada kasumimäära. Analüütikud hoiatavad siiski, et see ei ole nullsumma mäng Nvidia vastu.

„Hüperskaalajate ja Nvidia vaheline narratiiv on sageli üleliialdatud“, selgitab tuntud mikroskeemide turu analüütik Patrick Moore. „Need ettevõtted ehitavad lisamahtuvust ja optimeerivad seda oma enda ekosüsteemide jaoks. Nad ei kavatse Nvidia täielikult välja lüüa, eriti lühikeses perspektiivis.“ Moore ennustas 2016. aastal kuulsalt, et Google’i esimene TPU võib ohustada Nvidia ja Intel, kuid see prognoos osutus ebaõnnestunuks, kuna Nvidia aktsiate turuväärtus on alates sellest ajast tõusnud peaaegu 5 triljoni dollari suuruseks. Praegune reaalsus on pigem sümbiootiline. Näiteks on Google kinnitanud, et pakuvaad Nvidia järgmise põlvkonna Vera Rubin mikroskeeme oma pilves selle aasta hiljem.

Koostööline, mitte konfliktne tulevik

Tegelikult rõhutab Google oma jätkuvat koostööd Nvidia-ga. Need kaks tehnoloogiaettevõtet insenerivad koos arvutivõrgulahendusi, et Nvidia-põhised süsteemid töötaksid tõhusamalt Google Cloudi infrastruktuuril. Üks olulisemaid projekte hõlmab Falconi täiustamist – tarkvarapõhist võrgutehnoloogiat, mille Google 2023. aastal loonud ja avatud lähtekoodiga teinud. See koostöö rõhutab olulist tööstuslikku vaatenurka: AI pilveteenuste kasv laiendab kogu potentsiaalset turgu kõigile jõudlikele silikoonile, olgu see siis Nvidia või pilveteenusepakkuja brändi all.

Finantsloogika on selge. Kuna ettevõtted viivad oma AI töökoormusi üha rohkem pilve, kasvab arvutusvajadus eksponentsiaalselt. Pilveteenusepakkuja saavad siis suunata teatud optimeeritud töökoormusi oma kohandatud mikroskeemidele, samas kui teiste jaoks pakkuda laia ühilduvust omavat Nvidia GPU-d. See hübridmudel võimaldab neil parandada kasumlikkust teatud töökoormustel, säilitades samas täieliku kliendi valiku. Nvidia jaoks tähendab iga uus AI rakendus, mida majutatakse Google Cloudis, potentsiaalset klienti oma võrguvarustuse, tarkvaralitsentside ja tihti ka oma GPU-de jaoks.

Jõudluse ja turumõju analüüs

Google’i uute TPU-de tehnilised spetsifikatsioonid viitavad kitsenevale jõudluse vahele parimate klassi GPU-de ja vahel. Tähelepanu keskmes on jõudlus dollaris ja energiatõhusus, mis lahendavad kahte peamist ettevõtete jaoks AI skaleerimisel tekkinud probleemi: kiiresti tõusvad kulud ja keskkonnamõju. Google’i võime ühendada üle miljoni TPU-d seab ka otse väljakutse ühele Nvidia olulisematest eelistest – selle turu juhtivale NVLink tehnoloogiale, mis ühendab suuri GPU-de koguseid.

Google’i uute TPU-de peamised eelised:

• Spetsialiseeritus: eraldatud mikroskeemid õppimiseks (TPU 8t) ja järelduste tegemiseks (TPU 8i) optimeerivad konkreetseid ülesandeid.
• Kuluefektiivsus: 80% parem jõudlus dollaris võib oluliselt langetada AI projektide sissepääsu takistust.
• Skaala: miljon-mikroskeemide klastrid võimaldavad seni nägematute suurusega AI mudelite õppimist.
• Integratsioon: sügav tarkvaraintegratsioon Google’i AI raamistikute (nt TensorFlow ja JAX)ga.

Siiski jääb Nvidia ekosüsteem, eriti selle CUDA tarkvaraplatvorm, tugevaks barjääriks. Miljonid AI arendajad on õppinud CUDA-l ja paljud rakendused on sellele ehitatud. Kuigi Google’i mikroskeemid toetavad populaarseid raamistikke, võib rakenduste potentsiaalne üleportimine tekitada takistusi. Pikaajaline võitlus võib olla vähem seotud toortransistorite kiirusega ja rohkem selle teemaga, milline platvorm pakub arendajatele ja ettevõtetele kõige veenvamat kogulahendust.

Kokkuvõte

Google’i TPU 8t ja TPU 8i käivitamine tähistab pöördepunkti AI infrastruktuuri arengus. See näitab ettevõtte tõsiseid kavatsusi konkureerida kõrgelt riskantse AI riistvara areenil ning pakkuda ettevõtetele võimsaid uusi Google’i AI mikroskeeme spetsialiseeritud ülesannete jaoks. Samas kinnitab teade ka kaasaegse pooljuhtide tööstuse keerukat ja koostöölikku iseloomu. Selle asemel, et teha täielikku rünnakut, rakendab Google soovitud, kaheharulist strateegiat: edendab oma patenteeritud silikooni ja sügavendab oma partnerlust Nvidia-ga. See lähenemisviis tagab, et Google Cloud suudab teenindada laiamat võimalikku AI töökoormuste ulatust – alates oma kohandatud TPU-de jaoks optimeeritud ülesannetest kuni NVIDIA GPU-de universaalse standardi nõudvateni. Lõplikud võitjad on tõenäoliselt ettevõtted, kes saavad kasu suurenevast konkurentsist, rohkemast valikust ning pidevast innovatsioonist jõudluses ja kuludes.

KKK

K1: Mis on erinevus Google’i TPU 8t ja TPU 8i mikroskeemide vahel?
TPU 8t on loodud eriti AI mudelite õppimiseks – protsessiks, kus õpetatakse mudelit kasutades suuri andmekogusid. TPU 8i on optimeeritud järelduste tegemiseks, mis on protsess, kus kasutatakse õpetatud mudelit reaalajas ennustuste tegemiseks või vastuste genereerimiseks.

K2: Kas Google Cloud lõpetab Nvidia GPU-de pakkumise?
Ei. Google on selgelt öelnud, et ta ei asenda Nvidia-d. Ettevõte kinnitas, et pakkub oma pilves selle aasta hiljem Nvidia järgmise põlvkonna Vera Rubin GPU-sid ja koostöötab aktiivselt Nvidia-ga võrgutehnoloogia arendamisel.

K3: Kuidas võrdlevad Google’i uued AI mikroskeemid eelmiste TPU põlvkondadega?
Google väidab, et uued kaheksandas põlvkonnas TPUs pakuvad kuni 3x kiiremat õppimiskiirust ja 80% paremat jõudlust dollaris võrreldes eelmiste põlvkondadega. Nad toetavad ka üle miljoni mikroskeemiga klastreid, võimaldades suuremat skaalat mudelite õppimiseks.

K4: Miks ehitavad pilveteenusepakkuja nagu Google oma AI mikroskeeme?
Pilveteenusepakkuja arendavad kohandatud silikooni, et optimeerida jõudlust oma konkreetsete tarkvarade ja teenuste jaoks, saada suuremat kontrolli oma tarneahela üle, parandada kuluefektiivsust ja eristada oma pakkumisi konkurentsivõimelises turus.

K5: Mida see tähendab Nvidia tuleviku jaoks?
Hüperskaalajate kohandatud mikroskeemid tähistavad konkurentsi, kuid AI turu üldine kasv laiendab kõigi kõrgjõudluste arvutusvõimaluste nõudmist. Nvidia tugev tarkvarakooslus (CUDA) ja pidev innovatsioon tähendavad, et see tõenäoliselt jääb domineerivaks jõuks ka siis, kui koostööd teeb ettevõtetega, kes arendavad alternatiivset silikooni.

See postitus Google AI Chips Unleashed: TPU 8t and 8i Launch to Challenge Nvidia’s Dominance ilmus esmakordselt BitcoinWorld’is.