Ricursive Intelligence ставит на ИИ-проектирование чипов, чтобы снять дефицит вычислений
Основатели стартапа Ricursive Intelligence Анна Голди и Азалия Мирхосейни выступили на сцене TechCrunch Disrupt в среду. Они рассказали, что их компания разрабатывает ИИ, который проектирует чипы, учится на каждой итерации и улучшает последующие проекты. Цель, автоматизировать и ускорить проектирование микросхем. Основатели считают, что более эффективное проектирование чипов с помощью ИИ может помочь справиться с кризисом вычислительных мощностей.
Голди привела исходный довод: по её словам, существует понимание, что в ближайшие пять лет спрос на вычисления вырастет как минимум в 10 000 раз, и это «возможно, даже консервативная» оценка. Поэтому, говорит она, основатели не хотят строить в 10 000 раз больше дата-центров. Вместо этого нужны чипы, которые эффективнее используют пропускную способность внутри дата-центров, а также кремниевые пластины и фабрики. Размещение дата-центров в космосе Голди назвала не решением: «ты больше не увидишь солнца».
На опасения, что ИИ будет проектировать собственные чипы, Голди отвечает так: если передать проектирование ИИ, люди смогут заниматься приложениями и поиском новых возможностей, которые расширят то, что можно сделать с помощью вычислений. По её словам, всё смещается к модели, в которой люди приносят идеи и творческие замыслы, а исполнение берёт на себя ИИ; это уже происходит в проектировании чипов, разработке ПО и других областях.
Основатели утверждают, что ИИ ломает традиционные методы проектирования, находя нестандартные компоновки, которые могут превзойти привычные. В пример они привели AlphaChip, ИИ-систему, которую основатели разработали раньше: она предложила круговое расположение компонентов чипа в форме «бублика». Инженеров это сначала удивило, но в итоге решение оказалось удачным.
Кроме того, они оптимизируют чип целиком, а не делят его, как принято в традиционном подходе, на десятки более мелких блоков. Такой подход позволяет ИИ создавать сложные узоры, в том числе волнообразные конструкции; подробнее об этом основатели пообещали рассказать позже.
Самый практический довод Голди, про скорость. Если на проектирование нового чипа уходит от полугода до двух лет, приходится очень жёстко отбирать, какие чипы вообще делать. Если же чип можно спроектировать примерно за неделю, то можно делать заказные чипы под самые разные задачи, в том числе для космоса, дополненной и виртуальной реальности, биологических вычислений, если это экономически оправданно и к тому же энергоэффективнее. Основатели также заявили, что чипы, спроектированные ИИ, позволят создавать такие микросхемы, которые раньше могли быть невозможны.
Ключевые факты
- Ricursive Intelligence разрабатывает ИИ, который проектирует чипы, учится на каждой итерации и улучшает следующие проекты; цель, автоматизировать и ускорить проектирование.
- Анна Голди ссылается на ожидание роста спроса на вычисления как минимум в 10 000 раз за пять лет и говорит, что вместо стольких же дата-центров нужны более эффективные чипы.
- Основатели оптимизируют чип целиком, а не делят его на десятки мелких блоков, и показывают пример нестандартной компоновки «бубликом» от их прежней системы AlphaChip.
- Голди рассуждает о гипотетическом проектировании чипа за неделю вместо полугода, двух лет: это сделало бы выгодными заказные чипы под узкие задачи.
- Цифр по производительности, финансированию и сроку выхода продукта в материале нет: это выступление на сцене, а не публикация результатов.
Почему это важно
Нехватка вычислительных мощностей, одна из главных тем отрасли, и Ricursive Intelligence предлагает необычный путь: не наращивать число дата-центров, а повысить эффективность самих чипов, ускорив их проектирование с помощью ИИ. Основатели, те, кто ранее разработал AlphaChip, поэтому их слова привлекают внимание. Если проектирование чипа действительно сократится с месяцев и лет до недель, как рассуждает Голди, это изменит экономику создания заказных микросхем.
Кому это важно
Разработчикам и компаниям, которые проектируют микросхемы и зависят от длинных циклов разработки, а также операторам дата-центров и тем, кто следит за рынком вычислительных мощностей и энергопотребления. Для остальных читателей это пока ориентир того, куда может двинуться проектирование железа.
Как это применить
Применять пока нечего: в материале не названы ни дата запуска продукта, ни клиенты, ни производственный партнёр. Практическая ценность сейчас, следить за обещанным раскрытием подробностей о волнообразных конструкциях и оценивать, появятся ли измеримые результаты по производительности и энергоэффективности.
Можно ли доверять
Материал строится на сценическом выступлении основателей, то есть на их собственных заявлениях. Рост спроса на вычисления в 10 000 раз Голди подаёт как «понимание», не ссылаясь на исследование. Сценарий проектирования чипа за неделю, гипотеза, а не достигнутый результат. Измеренных показателей производительности, энергопотребления или площади для спроектированных ИИ чипов не приведено, превосходство «бубликообразной» компоновки AlphaChip не выражено в цифрах. Из двух основателей прямо цитируется только Голди.
Риски и подводные камни
Главная оговорка, разрыв между красивым тезисом и проверяемыми результатами: без цифр по эффективности трудно оценить, насколько ИИ-проектирование действительно сократит потребность в дата-центрах. Подробности о подходе с оптимизацией чипа целиком основатели пока не раскрыли. Кроме того, в материале нет данных о финансировании и ресурсах компании, поэтому судить о её способности довести идею до продукта пока нельзя. Автор материала оговаривается, что часть людей может пугать идея ИИ, проектирующего собственные чипы.
«Поэтому мы не хотим строить в 10 000 раз больше дата-центров.»
— Анна Голди, основатель Ricursive Intelligence, на сцене TechCrunch Disrupt