«У стартапов, создающих мозги для ИИ, всего один шанс на успех»

Еще несколько лет назад венчурные фонды сторонились производителей железа — себестоимость микрочипов гораздо выше, чем ПО, а радикальных инноваций в этой области, до недавних пор, было мало. Даже если молодым компаниям удавалось выжить, их доход оказывался таким же миниатюрным, как их полупроводники.

Однако с тех пор отношение инвесторов изменилось, и произошло это благодаря тому, что вера в ИИ как уникальную возможность капиталовложения укрепилась. В этом году, по данным сервиса PitchBook, в стартапы, занятые в производстве микрочипов, уже было вложено $113 млн — почти втрое больше, чем в 2015.

Graphcore был одним из тех, кто привлек $50 млн инвестиций от Sequoia Capital, ведущей венчурной компании Кремниевой долины.

Большое число процессоров, которые используют в разработке ИИ, производит Nvidia. Они состоят из тысяч крошечных компьютеров, работающих параллельно. Однако, графические процессоры не лишены недостатков. Один из самых серьезных в том, что вместе они потребляют много энергии. Стартапы стремятся заполнить этот пробел и разработать не только более экономичные чипы, но и предназначенные специально для нужд нейронных сетей: например, для того, чтобы научить алгоритмы беспилотников вовремя замечать препятствия.

Graphcore утверждает, что предварительные тесты нового «интеллектуального процессора», который начнут рассылать первым заказчиками в первом квартале следующего года, в 10 — 100 раз быстрее, чем современные аналоги. Разработчики ИИ только приветствуют такие инновации, да и крупные компании постепенно начинают переходить к разработке специализированных процессоров для умных машин. Например, Intel недавно обнародовала планы выпуска нового семейства процессоров вместе с Nervana Systems, стартапом, купленным ею в прошлом году.

Перед стартапами стоит и другая проблема: многие из них создают железо для узко специализированных задач. Но на то, чтобы выйти с ним на рынок, у них уходят годы. Принимая во внимание скорость развития ИИ, существует реальный риск, что к моменту появления на прилавках эта технология уже перестанет быть востребованной. С другой стороны, если у микрочипов будет слишком широкий спектр применения, упадет производительность и они потеряют конкурентное преимущество.

Чип Tensor Processing Unit, который Google представила весной, разработан специально для систем глубокого обучения. По эффективности он превосходит стандартные процессоры в 30-80 раз, при этом потребляет меньше энергии.