Google opracowuje nowy „zamrożony” chip do znacznie wydajniejszego uruchamiania modeli AI Gemini

Jak wynika z raportu opublikowanego po raz pierwszy w czasopiśmie technicznym The Information, Google opracowuje nowy chip oparty na sztucznej inteligencji, który ma znacznie wydajniej obsługiwać modele Gemini. Wysiłek ten – który według The Information jest wewnętrznie znany pod kryptonimem „Frozen” – spowodował zauważalny wzrost akcji Alphabetu, ponieważ inwestorzy obstawiali, że tańsze i szybsze wnioskowanie może chronić marże Google w miarę wzrostu kosztów obliczeń AI.

Raport został szybko potwierdzony i nagłośniony w mediach finansowych. Reuters podał, że „Google planuje nowy chip, aby wydajniej obsługiwać modele Gemini”, cytując The Information, natomiast CNBC napisało, że „akcje Alphabetu pojawiają się w raporcie, że opracowuje bardziej wydajny chip AI”. Bloomberg również poinformował, że „Google zyskuje na raporcie dotyczącym chipa zwiększającego wydajność sztucznej inteligencji”. Konsekwentna reakcja rynku podkreśla, jak wyczuleni są inwestorzy na wszelkie oznaki wskazujące, że duże laboratorium sztucznej inteligencji może obniżyć koszty udostępniania modeli.

Dlaczego wydajność ma teraz większe znaczenie niż sama moc

Wypychanie chipów następuje w momencie, gdy ekonomika sztucznej inteligencji jest poddawana intensywnej analizie. Jak zauważył Tom's Hardware w osobnej analizie tego samego dnia, branża stoi przed „trwałym paradoksem gospodarki sztucznej inteligencji” – modele są coraz lepsze i wydajniejsze, a mimo to całkowity koszt ich eksploatacji może wymknąć się spod kontroli w miarę wzrostu wykorzystania. Problemem nie jest sam trening; to wnioskowanie, czyli ciągły koszt odpowiadania na każde zapytanie, dominuje w rachunku, gdy produkty docierają do milionów użytkowników.

Chip zaprojektowany specjalnie w celu zmniejszenia kosztów wnioskowania Gemini rozwiązałby dokładnie tę presję. Google obsługuje Gemini w ramach produktów konsumenckich, takich jak wyszukiwarka i chatbot, a także poprzez dział rozwiązań chmurowych, co oznacza, że ​​nawet niewielki wzrost wydajności przekłada się na duże oszczędności na dużą skalę. Inwestorzy wyraźnie odczytują raport jako sygnał, że Google zamierza bronić swojej pozycji ekonomicznej za pomocą niestandardowego krzemu, a nie polegać wyłącznie na dostępnych na rynku akceleratorach.

Google od dawna stawia na niestandardowy krzem

Projekt Frozen doskonale wpisuje się w ugruntowaną strategię Google polegającą na projektowaniu własnych chipów AI. Firma od lat buduje jednostki przetwarzające Tensor, w skrócie TPU, które obsługują zarówno wewnętrzne obciążenia, jak i są oferowane klientom korzystającym z chmury. Google zaprojektował także niestandardowy układ krzemowy do swoich telefonów Pixel i pracował nad zmniejszeniem modeli sztucznej inteligencji, aby mogły działać na urządzeniach konsumenckich, a nie tylko w ogromnych centrach danych.

To, co podobno wyróżnia projekt Kraina Lodu, to wyraźne skupienie się na wydajności w obsłudze Bliźniąt. Chociaż układy TPU były w przeszłości optymalizowane zarówno pod kątem uczenia, jak i wnioskowania, chip dostrojony specjalnie pod kątem kosztów odpowiadania na zapytania sygnalizuje, gdzie według Google rozegra się kolejna bitwa konkurencyjna: nie tylko kto może zbudować najmądrzejszy model, ale kto może go dostarczyć najtaniej. Logika ta jest zgodna z szerszą zmianą w branży, w której to koszt wnioskowania – a nie maksymalna wydajność – w coraz większym stopniu decyduje o tym, które produkty przetrwają.

Posunięcie to zacieśnia także pionową integrację Google. Posiadając model, stos oprogramowania i znajdujący się pod nim układ krzemowy, Google może współprojektować każdą warstwę dla pozostałych w sposób, którego nabywcy gotowych chipów nie mogą łatwo dorównać.

Szersza rywalizacja żetonów

Google nie jest w wyścigu sam. Nvidia w dalszym ciągu dominuje na rynku najpotężniejszych akceleratorów sztucznej inteligencji, a rywale, w tym Amazon, który wprowadził na rynek własne, niestandardowe chipy AI, oraz rosnąca liczba start-upów doszła do wniosku, że kontrolowanie krzemu jest niezbędne do konkurowania kosztami. Raport Google ukazał się w dniu, w którym toczyła się szersza historia sprzętu AI: plany ASML dotyczące podniesienia cen na zaawansowane maszyny do litografii frustrowały TSMC, co przypominało, że cały łańcuch dostaw AI – od maszyn drukujących chipy po chipy obsługujące modele – jest wyceniany w czasie rzeczywistym.

W przypadku Alphabet znaczenie strategiczne jest dwojakie. Tańsze wnioskowanie chroni rentowność funkcji sztucznej inteligencji w produktach konsumenckich i wzmacnia ofertę Google Cloud dla klientów korporacyjnych, którzy intensywnie skupiają się na kosztach wdrażania modeli. Obydwa mają znaczenie w czasach, gdy inwestorzy żądają dowodu, że ogromny kapitał napływający do infrastruktury sztucznej inteligencji ostatecznie przyniesie trwałe zyski, a nie utowarowiony wyścig w dół.

Co obejrzeć

Z raportu Information wynika, że ​​na razie szczegóły są ograniczone, a Google nie potwierdził publicznie projektu Kraina Lodu, jego specyfikacji ani harmonogramu. Jasne są intencje: Google postrzega wydajne wnioskowanie jako decydującą granicę konkurencyjności i jest skłonny zaprojektować dedykowany układ krzemowy, aby to osiągnąć. Ponieważ koszt funkcjonowania modeli sztucznej inteligencji w coraz większym stopniu decyduje o powodzeniu produktów, firmy kontrolujące własne chipy – i mogące dostroić je do własnych modeli – zachowają przewagę strukturalną.

Sygnałem dla reszty branży jest to, że wyścig chipów AI zmienia się z rywalizacji o surową moc treningową na rywalizację o koszt zapytania, a zwycięzców może wyłonić sprzęt AI.

Wyprzedź sztuczną inteligencję

Niestandardowy krzem po cichu staje się czynnikiem decydującym o tym, kto zyska na sztucznej inteligencji. Aby na bieżąco omawiać chipy, modele i ekonomię kształtującą branżę, odwiedź naszą stronę główną pod adresem aibuzzwire.news.

Przeczytaj więcej aktualności o sztucznej inteligencji →