211service.com
Intel Outside jako inne firmy prosperuje dzięki chipom AI
Wiodący światowy producent chipów przegapił ogromną szansę w urządzeniach mobilnych. Teraz pojawienie się sztucznej inteligencji daje firmie kolejną szansę na wykazanie się. 21 czerwca 2016
W 1997 roku Andy Grove, ówczesny dyrektor generalny Intela, stał się jednym z pierwszych tytanów korporacji, który przyjął nauki profesora Harvard Business School Claytona Christensena. Wyczuwając, że Intel może być podcinany przez rywali PC z chipami tańszymi produktami, Grove zaproszony Christensena, aby porozmawiać ze swoim zespołem na temat liderów przemysłu z przeszłości, którzy zbyt długo czekali z odpowiedzią na pojawiające się zagrożenia. W ciągu kilku kwartałów Intel wypuścił linię tańszych chipów Celeron do komputerów PC, które prawie zniszczyły marzenia niedoszłych użytkowników Intela, takich jak Advanced Micro Devices. Uniknięty dylemat innowatora.
Zobacz resztę pakietu
50 najmądrzejszych firm
Intel nie jest już studium przypadku w zakresie zdolności adaptacyjnych. Wręcz przeciwnie, pojawił się na rynku chipów mobilnych stosowanych w smartfonach i tabletach, co jest zdecydowanie największą nową szansą dla producentów chipów w ciągu ostatnich 10 lat. 19 kwietnia, tego samego dnia, w którym ogłosił, że zlikwiduje 12 000 miejsc pracy, Intel zrezygnował z rozwoju niektórych swoich mobilnych chipów Atom pomimo lat dużych inwestycji. A przez ostatnie kilka lat największy na świecie producent chipów wydawał się obojętny na inny potencjalnie ogromny rynek: ten w chipach zaprojektowanych dla techniki sztucznej inteligencji znanej jako głębokie uczenie.
Ta historia była częścią naszego wydania z lipca 2016 r.
- Zobacz resztę numeru
- Subskrybuj
Ten niegdyś niejasny zakątek badań nad sztuczną inteligencją przekształcił się w jeden z najgorętszych trendów technologicznych (patrz 10 przełomowych technologii, maj/czerwiec 2013). Duże firmy internetowe używają go do wdrażania usług internetowych, które rozumieją obrazy i mowę, a chipy głębokiego uczenia się są projektowane w drony, samochody bez kierowcy i inne produkty w szeroko rozpowszechnionym Internecie rzeczy. Jest to szczególnie niebezpieczne dla Intela, ponieważ CEO Brian Krzanich ma powiedział że przyszłość firmy zależy od jej wydajności w dużych centrach danych i Internecie rzeczy.
Intel dopiero teraz wprowadza na rynek swój pierwszy chip zaprojektowany specjalnie do głębokiego uczenia. To nowa wersja koprocesora Xeon Phi, który współpracuje z flagowymi mikroprocesorami Intel x86. Ale nawet jeśli chip jest dobrze przystosowany do wielu zadań głębokiego uczenia się, firma, która zasadniczo zmonopolizowała rynek komputerów PC swoją strategią Intel Inside, pozostaje daleko w tyle, jeśli chodzi o opracowywanie narzędzi programistycznych, których klienci potrzebują z takimi chipami. Mniejszy rywal, Nvidia, wcześnie osiągnął dominację, oferując takie narzędzia, mówi Bryan Catanzaro, starszy badacz w Baidu, dużym użytkowniku sprzętu do głębokiego uczenia się. Budując te systemy, Baidu pakuje cztery razy więcej chipów od Nvidii niż od Intela. Intel może być ważnym graczem, ale to kwestia skupienia, mówi Catanzaro. Są w trakcie cięć w wielu obszarach, więc musisz się zastanowić, czy mają instytucjonalną wolę.
Jak dotąd straty finansowe Intela są minimalne. Amazon, Google i inni giganci chmury kupią w tym roku chipy o wartości nieco ponad 133 miliony dolarów, aby uruchomić swoje systemy głębokiego uczenia się, według Tractica, firmy zajmującej się badaniem rynku. To marne grosze w porównaniu z przychodami Intela w 2015 r. w wysokości 56 miliardów dolarów. Zamiast obiecywać rewolucyjne innowacje, Intel sugeruje, że jego obecne układy wystarczą do wielu miejsc pracy i że posiada zdolności inżynieryjne do tworzenia nowych układów w miarę dojrzewania rynku, mówi Catanzaro. A firma jest zdeterminowana, aby nie skupiać się na głębokim uczeniu się z wykluczeniem innych podejść AI. W końcu weterani Intela widzieli w przeszłości szaleństwo AI; obawiają się, że głębokie uczenie się nie jest panaceum, jakie wielu uważa. Widzieliśmy te cykle już wcześniej, mówi Nidhi Chappell, dyrektor ds. uczenia maszynowego w firmie Intel Data Center Group.
Intel tnie wafle w ten sposób na chipy w rodzinie produktów Xeon Phi. Chipy są przeznaczone do obsługi zadań uczenia głębokiego.
Jednak dla Nvidii głębokie uczenie zaczyna generować wzrost przychodów. Sprzedaż firmy w pierwszym kwartale do dużych firm działających w chmurze wzrosła o 63 procent. Firma Nvidia, z siedzibą w pobliżu Intela w Santa Clara w Kalifornii, sprzedawała swoje procesory graficzne (GPU) głównie producentom komputerów osobistych i konsol do gier. Odkąd duże firmy internetowe odkryły, jak dobrze układy graficzne mogą radzić sobie z zadaniami związanymi ze sztuczną inteligencją, przejęła dominującą pozycję na powstającym rynku głębokiego uczenia. Teraz, jak mówi Nvidia, współpracuje z 3500 klientami z różnych branż, od motoryzacyjnej przez farmaceutyczną po usługi finansowe.
Nvidia nie jest jedyną firmą, która próbuje zarobić, podczas gdy Intel gra fajnie. Qualcomm wprowadza narzędzia programowe, które pomogą klientom w korzystaniu z chipów mobilnych do głębokiego uczenia się. A startupy, takie jak Knupath i Nervana, wymyślają jeszcze bardziej radykalnie przeprojektowane chipy do głębokiego uczenia się. Tactica przewiduje, że do 2024 r. ten rynek będzie wart 3,6 miliarda dolarów.
Knupath, który został założony przez byłego szefa NASA, Dana Goldina, ogłosił w czerwcu chip AI o nazwie Hermosa, wraz z oprogramowaniem do łączenia 512,000 Hermosa i innych chipów. Pierwsza wersja będzie koncentrować się na rozpoznawaniu nieoczekiwanych głosów w hałaśliwym otoczeniu — powiedzmy, abyś mógł zalogować się do swojego banku, używając tylko swojego głosu podczas jazdy kabrioletem z włączonym radiem. Firma pozyskała fundusze w wysokości 100 milionów dolarów, zakładając, że istniejące architektury chipowe nie będą w stanie zaspokoić przyszłego popytu. Wkraczamy w bardzo wczesne etapy inteligencji maszynowej i uczenia maszynowego. To jak Dziki Zachód, mówi Goldin. Wydarzą się szalenie szalone rzeczy.
Dziura w rynku
Kiedy firmy takie jak Facebook, Google i Microsoft uczą oprogramowania, jak wykrywać zawartość obrazów lub rozpoznawać mowę, budują tak zwane sieci neuronowe, w których ogromne ilości danych są przesyłane przez tysiące połączonych procesorów. W końcu maszyny mogą samodzielnie rozpoznawać wzorce i dokonywać odpowiednich osądów. W styczniu sieć neuronowa Google pokonała jednego z najlepszych na świecie graczy w grę planszową Go w czterech z pięciu konkursów.
W takich aplikacjach mikroprocesory Intel x86 zwykle robią niewiele więcej niż cyfrowe porządkowanie. Podczas gdy najwyższej klasy procesor Intela ma więcej niż wystarczającą moc, aby uruchomić rozległe arkusze kalkulacyjne finansowe lub oprogramowanie operacyjne firmy, chipy zoptymalizowane pod kątem głębokiego uczenia rozwiązują określone rodzaje problemów — takie jak rozumienie poleceń głosowych lub rozpoznawanie obrazów — na miliony bitów kawałki wielkości. Ponieważ procesory graficzne, takie jak Nvidia, składają się z tysięcy maleńkich rdzeni procesorów stłoczonych razem na jednym kawałku krzemu, mogą jednocześnie obsługiwać tysiące takich fragmentów. Przypisanie procesora Intela do takiej pracy byłoby ogromnym marnotrawstwem zasobów, ponieważ każdy z tych procesorów zawiera kilkadziesiąt rdzeni, które są zaprojektowane do obsługi złożonych algorytmów. Chipy do głębokiego uczenia się nie muszą tak dużo myśleć, aby obsłużyć wszystkie te mikrozadania. Rdzenie procesorów graficznych mają odpowiednią ilość siły arytmetycznej do szybkiego przejrzenia, aby prawidłowo sklasyfikować obraz lub inny fragment danych.
Ten układ Nvidia jest przeznaczony do dużych internetowych centrów danych i aplikacji do głębokiego uczenia się.
Catanzaro, który przed wyjazdem do Baidu pomagał przeprowadzić atak głębokiego uczenia Nvidii, testuje koprocesor Xeon Phi i twierdzi, że radzi sobie z niektórymi zadaniami głębokiego uczenia w około 90% tak skutecznie, jak procesory graficzne. Ale jest sceptyczny. Intel nie tylko nie opracował żadnego z narzędzi programowych oferowanych przez Nvidię, aby pomóc klientom udoskonalać i utrzymywać sieci neuronowe, ale także, jak mówi, Intel musi wykonać lepszą robotę, aby swoje chipy trafiły w ręce luminarzy głębokiego uczenia się, popychających pole do przodu. Jak dotąd Intel próbował sprzedawać Xeon Phi dużym nabywcom korporacyjnym w celu uzyskania dobrze rozumianych aplikacji, mówi Catanzaro. Ciągnę dla Intela, mówi. Nie jest to dobre dla nikogo, jeśli Nvidia jest jedyną realną alternatywą, więc potrzebujemy Intela na tym rynku. Ale muszą zacząć się skupiać.
W maju firma Google zaskoczyła świat sztucznej inteligencji, ogłaszając, że od ponad roku używa stworzonego przez siebie układu o nazwie Tensor Processing Unit. Chociaż Google szczęśliwie przeznaczył miliardy na projekty typu moonshot, takie jak samochody bez kierowcy, po raz pierwszy zagłębił się w drogi, trudny biznes z chipami. Po co się męczyć? Był to jedyny sposób na posunięcie naprzód naszych aplikacji opartych na uczeniu maszynowym, napisał w e-mailu Norm Jouppi, wybitny inżynier sprzętu w Google. Chociaż Google będzie nadal używać procesorów Intela w swojej infrastrukturze obliczeniowej, powiedział, że potrzebujemy więcej niż to, co jest dostępne na rynku.
Czując ciepło
Intel milczał także w innym obiecującym zakątku rynku głębokiego uczenia się: tym, który zajmuje się chipami, które zawierają wiedzę zdobytą przez sieci neuronowe w telefonach, samochodach i innych urządzeniach, które chcemy uczynić inteligentniejszymi. DJI, największy na świecie producent dronów, zastosował w swoim nowym modelu Phantom 4 jednostkę przetwarzania obrazu firmy Movidius. Chip przetwarza to, co widzą kamery Phantoma, umożliwiając jednostce unikanie wypadków, w których ludzki pilot może nie być wystarczająco wykwalifikowany, aby oderwać się od ziemi. Został zaprojektowany tak, aby zużywał bardzo mało energii — znowu, nie jest to specjalność Intela.
Te chipy mogą okazać się znacznie mniej opłacalne niż procesory, dzięki którym Intel stał się powszechnie znaną marką, ale wolumeny mogą być zbyt duże, aby się im oprzeć, gdyby komponenty stały się standardem w inteligentniejszych maszynach do rezonansu magnetycznego, robotach produkcyjnych i kamerach monitorujących, mówi Jim McGregor, założyciel Tirias Research, firma badawcza zajmująca się przemysłem chipów. Najbardziej kuszący jest rynek autonomicznych samochodów, który może osiągnąć dziesiątki milionów sztuk rocznie. Jeśli każdy pojazd ma wiele takich chipów, sam ten rynek może konkurować wielkością z rynkiem komputerów osobistych.
Chappell z Intela nie odrzuca takich prognoz, ale mówi, że szansa dla Intela polega na przyjęciu szerszego, pragmatycznego spojrzenia na rynek. Najpilniejszym wyzwaniem dla naukowców zajmujących się sztuczną inteligencją jest stworzenie sposobów na szybsze trenowanie sieci neuronowych — powiedzmy po południu, a nie w ciągu kilku tygodni. Jak mówi, nowy chip Xeon Phi pomoże rozwiązać ten problem, po części dlatego, że naukowcy mogą wykorzystać go do zaprojektowania systemu szkoleniowego na własnych komputerach i nadal go używać w miarę rozszerzania działalności na większe sieci serwerów i ostatecznie na masową skalę w chmurze. .
W dłuższej perspektywie Intel mógłby budować chipy, które działają we wszystkim, od tych systemów szkoleniowych po urządzenia o niskim poborze mocy w Internecie rzeczy, mówi Chappell. W tym scenariuszu procesory graficzne i inne wyspecjalizowane układy do uczenia głębokiego byłyby w niekorzystnej sytuacji w porównaniu z uniwersalnymi mikroprocesorami ogólnego przeznaczenia. Dzięki talentowi inżynieryjnemu i możliwościom produkcyjnym Intela firma może być w stanie umieścić obwody głębokiego uczenia się w przyszłych procesorach przy niewielkich kosztach przyrostowych. Jeśli firma Intel będzie w stanie stworzyć wspólny zestaw narzędzi programowych do zarządzania wszystkim, od sieci neuronowych po drony, umożliwi to dostęp do głębokiego uczenia znacznie większej liczbie firm — i zapewni firmie Intel strategiczną kontrolę nad ich działalnością.
Oto sztuczki, które pomogły Intelowi zmonopolizować przemysł PC. Nawet teraz niewielu jest chętnych do wyliczenia firmy. Kiedy ostatnio sprawdzałem, mieli w banku 15 miliardów dolarów i nie są głupimi ludźmi, mówi Remi El-Ouazzane, dyrektor generalny Movidius. Ale przynajmniej w tym momencie nie czujemy ciepła.