Jensen Huang, a Nvidia vezetője, kételkedik abban, hogy trillió dolláros beruházásra lenne szükség egy alternatív félvezető ellátási lánc kialakításához kizárólag az AI számára. Habár jelenleg hiány van AI processzorokból, Huang úgy véli, hogy az architekturális innovációk és a GPU teljesítményének fejlődése megoldja majd ezt a problémát.
A Nvidia GPU-k az évek során jelentős előrelépéseket tettek az AI és a nagy teljesítményű számítástechnika (HPC) területén. 2018-ban a Nvidia V100 adatközponti GPU felező teljesítménye 125 TFLOPS volt. Azonban a legújabb H200 GPU most már kiváló 1.979 FP16 TFLOPS-ot kínál. Ez lenyűgöző innovációs ütem ötmilliós növekedést eredményezett a számítástechnika és az AI terén az elmúlt évtizedben.
Ahelyett, hogy trilliókat fektetnénk egy külön félvezető ellátási iparág kialakításába az AI számára, Huang hangsúlyozza a folyamatos GPU architektúra fejlesztésének fontosságát. Arra utal, hogy téves perspektíva az, hogy az számítógépek nem lesznek gyorsabbak. Ahogy növekszik a számítási kapacitás, csökkeni fog az AI chipek teljes száma.
Huang elismeri a chiphiányra vonatkozó aggályokat az AI adatközpontokban. Azonban figyelmeztet a chipkínálat túlzott gyors kiépítésének kockázatára, amely gazdasági válsághoz vezethet az iparágban. Ehelyett arra ösztönzi a vállalatokat, hogy vegyék figyelembe a GPU architektúra folyamatos teljesítményfejlesztését, ami csökkenteni fogja az AI chip-ek általános keresletét.
Az AI jövője a technológiai fejlődésben és a számítási kapacitás gyorsításában rejlik. Bár jelenleg elterjedtek az AI processzorok hiányai, a Nvidia elkötelezettsége a GPU teljesítményének javítása mellett ígéretes megoldást jelent. Az építészeti innováció lehetőségeinek kihasználásával folytathatjuk az AI feldolgozási kapacitás iránti igény kielégítését anélkül, hogy trilliókat fektetnénk külön chip-infrastruktúrákba.
Összefoglalva, a Nvidia GPU-i drámai fejlődést tapasztaltak az AI és HPC teljesítmény terén. Bár ideiglenesen hiány van az AI processzorokból, a vállalat a GPU architektúra fejlesztésére összpontosítva biztosítja, hogy az AI chipek iránti kereslet kielégítésre kerüljön anélkül, hogy hozzá kellene nyúlni mélyreható beruházásokhoz. Az AI jövője nem arról szól, hogy teljesen új ellátási láncot építsünk ki, hanem az állandó számítási kapacitás javításának kihasználásáról az innováció hajtóerejének növelése érdekében az mesterséges intelligencia terén.
Gyakran Ismételt Kérdések:
1. Mi a Nvidia álláspontja a különálló félvezető ellátási láncra történő beruházás szükségességét illetően az AI számára?
A Nvidia vezetője, Jensen Huang kételkedik abban, hogy trillió dolláros beruházásra lenne szükség egy alternatív félvezető ellátási lánc kialakításához kizárólag az AI számára. Azt hiszi, hogy az architekturális innovációk és a GPU teljesítményének fejlődése megoldja majd az AI processzorok hiányát.
2. Mennyire teljesít jelenleg a Nvidia legújabb H200 GPU?
Az H200 GPU kiváló 1.979 FP16 TFLOPS-ot kínál az előző generációs Nvidia V100 adatközponti GPU-hoz képest, amely 2018-ban 125 TFLOPS-t ért el.
3. Hogyan hatott a Nvidia GPU-k fejlődése a számítástechnikai és AI fejlődésre?
A Nvidia GPU-i több milliószoros növekedést hajtottak végre a számítástechnikában és az AI terén az elmúlt évtizedben. Folyamatos GPU architektúra fejlesztéseik hozzájárultak ehhez a jelentős fejlődéshez.
4. Miért hangsúlyozza Huang a folyamatos GPU architektúra fejlesztését a különálló chipipar létrehozása helyett?
Huang azt javasolja, hogy téves előfeltevés, hogy a számítógépek nem lesznek gyorsabbak. Ahogy növekszik a számítási kapacitás, csökkeni fog az AI chipek teljes száma. Ezért úgy véli, hogy fontosabb a folyamatos GPU architektúra fejlesztésbe fektetni, mint AI-re különálló chipipart kialakítani.
5. Milyen aggodalmakat ismer el Huang az AI adatközpontokban található chiphiányokkal kapcsolatban?
Huang elismeri az aggodalmakat az AI adatközpontokban található chiphiányokkal kapcsolatban. Azonban arra figyelmeztet, hogy óvatosan kell eljárni a chipkínálat túlzott gyors kiépítésével kapcsolatban, mert az gazdasági válsághoz vezethet az iparágban.
6. Milyen megoldást javasol a Nvidia az AI feldolgozási kapacitás iránti kereslet kielégítésére?
A Nvidia arra összpontosít, hogy a GPU architektúrák fejlesztése révén az AI chipek iránti kereslet kielégítésre kerüljön anélkül, hogy mélyreható beruházásokhoz kellene folyamodni. Az építészeti innovációk potenciáljának kiaknázásával a Nvidia célja az AI feldolgozási kapacitás iránti kereslet kielégítése.
Definíciók:
– GPU: Graphics Processing Unit (grafikus feldolgozó egység), egy specializált elektronikus áramkör, amely felgyorsítja a képek, videók és animációk létrehozását és megjelenítését.
– AI: Artificial Intelligence (mesterséges intelligencia), az emberi intelligencia szimulációja olyan gépekben, amelyek emberi gondolkodásra és tanulásra vannak programozva.
– Félvezető: Az elektromos vezetőképessége egy vezetőé és egy szigetelőé közötti anyag. Ez az alapja az elektronikai eszközöknek, például tranzisztoroknak és chipeknek.
Javasolt kapcsolódó linkek:
– Nvidia (Nvidia hivatalos weboldala, amelyet az írásban említenek)
The source of the article is from the blog jomfruland.net