Чипы ИИ Google раскрыты: запуск TPU 8t и 8i бросает вызов господству Nvidia

BitcoinWorld

Чипы Google AI выпущены: TPU 8t и 8i бросают вызов доминированию Nvidia

В рамках стратегического шага по захвату большей доли бурно растущего рынка искусственного интеллекта Google Cloud в среду, 30 апреля, в Сан-Франциско, Калифорния, объявил о запуске своих кастомных ИИ-чипов восьмого поколения. Компания представила двунаправленный подход, выпустив два специализированных чипа: TPU 8t для обучения ИИ-моделей и TPU 8i для инференс-задач. Это событие знаменует наиболее значимый шаг Google по предоставлению предприятиям мощной и экономически эффективной альтернативы отраслевым стандартным GPU Nvidia, хотя технологический гигант подчёркивает, что его партнёрство с лидером в области чипов крепче, чем когда-либо.

ИИ-чипы Google: двойная стратегия для обучения и инференса

Решение Google разделить своё Тензорное процессорное устройство (TPU) восьмого поколения на две отдельные модели представляет собой значительную эволюцию в стратегии аппаратного обеспечения. Исторически TPU выполняли как обучение, так и инференс, однако стремительно растущий спрос на специализированные вычисления для ИИ обусловил этот архитектурный сдвиг. TPU 8t специально разработан для вычислительно интенсивного процесса обучения больших языковых моделей и других ИИ-систем. TPU 8i, напротив, оптимизирован для инференса — непрерывного процесса запуска обученных моделей для генерации ответов на запросы пользователей.

По данным бенчмарков производительности Google, новые чипы обеспечивают существенные улучшения по сравнению с предшественниками. Компания заявляет, что TPU 8t предлагает обучение ИИ-моделей до 3 раз быстрее и на 80% лучшее соотношение производительности к стоимости. Кроме того, инженерные решения Google теперь позволяют объединить более одного миллиона TPU в единый масштабный кластер. Такой масштаб позволяет обучать передовые модели следующего поколения, которые прежде были нереализуемы. Для облачных клиентов это означает значительно большую вычислительную мощность при меньшем энергопотреблении и более низких затратах.

Гонка чипов среди гиперскейлеров обостряется

Объявление Google прочно вписывает его в более широкую тенденцию разработки кастомного кремния крупными облачными провайдерами. Amazon Web Services (AWS) располагает чипами Graviton и Trainium, тогда как Microsoft Azure разрабатывает ускорители Maia. Это движение, часто называемое «гонкой чипов гиперскейлеров», обусловлено стремлением к большему контролю над цепочкой поставок, оптимизацией производительности для конкретных программных стеков и улучшением рентабельности. Тем не менее аналитики предупреждают, что это не игра с нулевой суммой против Nvidia.

«Нарратив "гиперскейлеры против Nvidia" зачастую преувеличен», — поясняет Патрик Мур, известный аналитик рынка чипов. «Эти компании создают дополнительные мощности и оптимизируют свои собственные экосистемы. Они не стремятся полностью вытеснить Nvidia, особенно в краткосрочной перспективе». Мур прославился тем, что в 2016 году предсказал: первый TPU Google может угрожать Nvidia и Intel — прогноз, оказавшийся преждевременным, поскольку с тех пор рыночная капитализация Nvidia взлетела почти до 5 триллионов $. Нынешняя реальность носит более симбиотический характер. Google, в частности, подтвердил, что предложит грядущий чип Nvidia Vera Rubin в своём облаке позднее в этом году.

Будущее сотрудничества, а не противостояния

Фактически Google делает акцент на продолжающемся сотрудничестве с Nvidia. Два технологических гиганта совместно разрабатывают сетевые решения для более эффективной работы систем на базе Nvidia в инфраструктуре Google Cloud. Ключевой проект предполагает совершенствование Falcon — программной сетевой технологии, созданной Google и ставшей открытым исходным кодом в 2023 году. Это сотрудничество подчёркивает важный отраслевой вывод: рост облачных ИИ-сервисов расширяет общий адресный рынок для всего высокопроизводительного кремния, будь то бренд Nvidia или облачного провайдера.

Финансовая логика очевидна. По мере того как предприятия всё активнее переносят свои ИИ-нагрузки в облако, спрос на вычисления стремительно растёт. Облачные провайдеры могут направлять определённые оптимизированные нагрузки на свои кастомные чипы, предлагая при этом широкую совместимость GPU Nvidia для других задач. Эта гибридная модель позволяет им повышать рентабельность на части нагрузок, сохраняя при этом полный выбор для клиентов. Для Nvidia каждое новое ИИ-приложение, размещённое в Google Cloud, представляет потенциального покупателя сетевого оборудования, программных лицензий и, во многих случаях, её GPU.

Анализ производительности и влияния на рынок

Технические характеристики новых TPU Google свидетельствуют о сокращении разрыва в производительности с GPU лучшего в своём классе. Акцент на соотношении производительности к стоимости и энергоэффективности отвечает двум основным проблемам предприятий, масштабирующих ИИ: стремительно растущим затратам и воздействию на окружающую среду. Способность Google объединять более миллиона TPU также напрямую бросает вызов одному из ключевых преимуществ Nvidia — ведущей на рынке технологии NVLink для объединения огромного количества GPU.

Ключевые преимущества новых TPU Google:

• Специализация: выделенные чипы для обучения (TPU 8t) и инференса (TPU 8i) оптимизированы под конкретные задачи.
• Экономическая эффективность: на 80% лучшее соотношение производительности к стоимости может существенно снизить порог входа для ИИ-проектов.
• Масштаб: кластеры из миллиона чипов обеспечивают обучение беспрецедентных ИИ-моделей.
• Интеграция: глубокая программная интеграция с ИИ-фреймворками Google, такими как TensorFlow и JAX.

Тем не менее экосистема Nvidia, в особенности программная платформа CUDA, остаётся мощным конкурентным барьером. Миллионы ИИ-разработчиков обучены на CUDA, и бесчисленные приложения созданы под неё. Хотя чипы Google поддерживают популярные фреймворки, необходимость потенциального переноса приложений создаёт трудности. Долгосрочная борьба может быть менее связана с чистой скоростью транзисторов и больше — с тем, какая платформа предлагает наиболее убедительное комплексное решение для разработчиков и предприятий.

Заключение

Запуск Google TPU 8t и TPU 8i знаменует переломный момент в развитии ИИ-инфраструктуры. Он демонстрирует серьёзную приверженность компании конкуренции на высококонкурентном рынке ИИ-оборудования, предлагая предприятиям мощные новые ИИ-чипы Google для специализированных задач. Вместе с тем объявление также подчёркивает сложный, кооперативный характер современной полупроводниковой отрасли. Вместо лобовой атаки Google реализует изощрённую двухпутную стратегию: развивает собственный кремний, одновременно углубляя партнёрство с Nvidia. Такой подход гарантирует, что Google Cloud сможет обслуживать максимально широкий спектр ИИ-нагрузок — от оптимизированных для кастомных TPU до требующих универсального стандарта GPU Nvidia. Главными победителями, вероятно, окажутся предприятия, которые выиграют от усиления конкуренции, расширения выбора и непрерывных инноваций в области производительности и стоимости.

Часто задаваемые вопросы

В1: В чём разница между чипами Google TPU 8t и TPU 8i?
TPU 8t разработан специально для обучения ИИ-моделей — процесса обучения модели на обширных наборах данных. TPU 8i оптимизирован для инференса — процесса использования обученной модели для прогнозирования или генерации ответов в режиме реального времени.

В2: Перестанет ли Google Cloud предлагать GPU Nvidia?
Нет. Google прямо заявил, что не заменяет Nvidia. Компания подтвердила, что предложит GPU Nvidia следующего поколения Vera Rubin в своём облаке позднее в этом году и активно сотрудничает с Nvidia в области сетевых технологий.

В3: Как новые ИИ-чипы Google сравниваются с предыдущими версиями TPU?
Google заявляет, что новые TPU восьмого поколения обеспечивают скорость обучения до 3 раз выше и улучшение соотношения производительности к стоимости на 80% по сравнению с предыдущими поколениями. Они также поддерживают кластеры из более чем одного миллиона чипов, что позволяет обучать модели большего масштаба.

В4: Почему облачные провайдеры, такие как Google, создают собственные ИИ-чипы?
Облачные провайдеры разрабатывают кастомный кремний для оптимизации производительности под своё конкретное программное обеспечение и сервисы, получения большего контроля над цепочкой поставок, повышения экономической эффективности и дифференциации предложений на конкурентном рынке.

В5: Что это означает для будущего Nvidia?
Хотя кастомные чипы гиперскейлеров представляют конкуренцию, общий рост рынка ИИ расширяет спрос на все высокопроизводительные вычисления. Мощная программная экосистема Nvidia (CUDA) и непрерывные инновации означают, что компания, вероятно, останется доминирующей силой, даже сотрудничая с компаниями, создающими альтернативный кремний.

Эта публикация «Чипы Google AI выпущены: TPU 8t и 8i бросают вызов доминированию Nvidia» впервые появилась на BitcoinWorld.