Nvidia je neprikosnoveni lider na tržištu čipova za umjetnu inteligenciju, no uskoro bi se mogla suočiti s neočekivanom konkurencijom, piše Wired. Dva nova startupa koriste upravo AI tehnologiju kako bi srušila Nvidijinu softversku prednost i automatizirala dizajn čipova.
Nvidijina dominacija lansirala je kompaniju na tržišnu vrijednost veću od četiri bilijuna dolara. Moderna umjetna inteligencija oslanja se na Nvidijine procesore, a svaka nova generacija čipova omogućuje treniranje sve snažnijih modela korištenjem stotina ili tisuća procesora povezanih u velikim podatkovnim centrima.
Jedan od ključnih razloga uspjeha jest činjenica da Nvidia, uz hardver, nudi i moćan softverski ekosustav koji programerima olakšava rad na novim generacijama čipova. Upravo ta prednost sada bi mogla biti dovedena u pitanje.
Startup Wafer razvija AI modele za jedan od najzahtjevnijih poslova u industriji – optimizaciju koda kako bi se što učinkovitije izvodio na određenom silicijskom čipu. Suosnivač i izvršni direktor Emilio Andere tvrdi da tvrtka koristi učenje potkrepljivanjem na modelima otvorenog koda kako bi ih naučila pisati takozvani kernel kod, odnosno softver koji izravno komunicira s hardverom.
Wafer također koristi agentske sustave temeljene na postojećim modelima za kodiranje, poput Claudea i GPT-a, kako bi dodatno poboljšao sposobnost generiranja koda koji se izvršava izravno na čipovima.
Danas brojne velike tehnološke tvrtke razvijaju vlastite procesore. Apple već godinama koristi prilagođeni silicij u svojim uređajima, dok Google, Amazon i Meta rade vlastite čipove za cloud platforme i AI sustave. Wafer već surađuje s AMD-om i Amazonom kako bi optimizirao softver za njihov hardver.
Startup je dosad prikupio četiri milijuna dolara početnog kapitala od poznatih ulagača, među kojima su Jeff Dean iz Googlea i Wojciech Zaremba iz OpenAI-ja. Andere smatra da njihov AI pristup može ozbiljno uzdrmati Nvidijinu dominaciju.
Prema njegovim riječima, mnogi vrhunski čipovi konkurencije danas nude slične sirove performanse kao najbolji Nvidijini GPU-ovi. Problem je u tome što je mnogo teže učinkovito ih iskoristiti bez vrhunskih stručnjaka za optimizaciju softvera.
Nvidijin softverski ekosustav zato je godinama bio velika prepreka konkurenciji. Primjerice, kada je Anthropic u partnerstvu s Amazonom počeo graditi AI modele na Trainium čipovima, morao je prepisivati velik dio koda od nule kako bi sustav radio dovoljno učinkovito.
No kako modeli poput Claudea postaju sve bolji u pisanju koda, Wafer vjeruje da bi umjetna inteligencija uskoro mogla nagristi upravo onu prednost koja je Nvidiju učinila vodećom silom u sektoru.
Dizajniranje čipova uz pomoć razgovora
Drugi startup, Ricursive Intelligence, želi otići korak dalje i umjetnom inteligencijom pojednostaviti sam proces dizajniranja čipova. Tvrtku su osnovale bivše Googleove inženjerke Azalia Mirhoseini i Anna Goldie.
Njihov cilj je omogućiti znatno većem broju kompanija da dizajniraju vlastite procesore, prilagođene točno određenom softveru i potrebama poslovanja. Fokusirani su na najzahtjevnije dijelove razvoja čipova – fizički dizajn i provjeru ispravnosti dizajna.
Projektiranje računalnih čipova smatra se jednim od najsloženijih poslova u tehnološkoj industriji. Inženjeri moraju rasporediti golem broj komponenti na vrlo maloj površini silicija. Mirhoseini i Goldie još su u Googleu razvile sustav u kojem umjetna inteligencija optimizira raspored ključnih elemenata čipa.
Taj pristup promijenio je način na koji Google razvija vlastite procesore, a danas se široko koristi u industriji. Ricursive sada želi automatizirati još više koraka i integrirati velike jezične modele u cijeli proces.
Cilj je omogućiti inženjerima da prirodnim jezikom opisuju promjene, postavljaju pitanja i brže razvijaju nove dizajne čipova.
Iako je tehnologija još u razvoju, Ricursive je već privukao golem interes investitora. Tvrtka je u samo nekoliko mjeseci prikupila 335 milijuna dolara te dosegla procijenjenu vrijednost od četiri milijarde dolara.
Goldie smatra da bi u budućnosti umjetna inteligencija mogla istodobno dizajnirati i čipove i algoritme koji na njima rade. Takav sustav, u kojem AI prilagođava vlastiti silicij i kod, mogao bi pokrenuti novu eru ubrzanog tehnološkog napretka.
