GPU-Belagerung: Wer wird nach NVIDIA der nächste Oberherr des KI-Computings? Newsfile Corp.Mi, 11. August 2021, 16:07·5 Min. Lesezeit
: In diesem Artikel werden mehrere KI-Chip-Unternehmen mit einzigartigen Technologien vorgestellt. Sie verfügen entweder über fortschrittliche Computing-Konzepte oder über die Top-Architekten. Diese KI-Chips mit neuen Architekturen zerstören die Hälfte der GPU-Welt wie die magischen Thanos-Handschuhe.
New York, New York--(Newsfile Corp. - 11. August 2021) - In der Post-Moore-Ära näherte sich die Prozesstechnologie allmählich der physikalischen Grenze, wobei sich die Geschwindigkeit des Fortschritts allmählich verlangsamte; Auch der Rechenmodus von Halbleiterchips verändert sich vom Allzweck- zum Spezialzweck.
Siege GPU, starke Konkurrenten mit neuen Architekturen! Die Bedrohung, der GPU in der KI-Branche ausgesetzt ist, kommt von starken Konkurrenten in neuen Architekturen. Es gibt Veteranen wie Intel, die massiv in KI-Chips und neue Architekturen investiert haben.
Die Unicorn-Unternehmen wie SambaNova und Untether AI wurden beide von Intel investiert. Neben der Einführung eines eigenen Chips für künstliche Intelligenz ist Google stark an der Investition von SambaNova beteiligt. Neben den westlichen Start-ups aus Nordamerika und Europa wie Graphcore, Cerebras, Groq und Tenstorrent; TensorChip, ein chinesisches Unternehmen für KI-Chips mit neuer Architektur, hat nie versucht, seine Ambitionen zu verbergen, NVIDIA zu ersetzen.
SambaNova, gleichzeitig von Google und Intel investiert "Der Bruchteil unseres Chips ist besser als Ihr gesamter Chip." Sobald diese Meinung herauskam, wandte sich das gesamte Silicon Valley an den CEO von SambaNova – Rodrigo Liang. Als schnell wachsendes Einhornunternehmen hat SambaNova hohe Investitionen von Google und kontinuierliche Folgeinvestitionen von Intel erhalten. Andere teilnehmende Institutionen sind SoftBank, Temasek und Walden International. SambaNova erhielt 676 Millionen US-Dollar in Serie D, was seine Bewertung auf 5,1 Milliarden US-Dollar erhöhte. Die Aufnahmen dieses Top-Industriekapitals haben der Branche klar gemacht, dass der Krieg des Ersetzens der GPU bereits begonnen hat.
Im Interview erwähnte Liang, dass seiner Meinung nach nur ein rekonfigurierbares Datenstrom-Prozessorsystem mit dem Entwicklungstrend der gesamten Branche Schritt halten kann. Die rekonfigurierbare Datenstromtechnologie auf Basis von Speicher (SRAM) durchbricht ständig die Grenzen der Rechenbeschränkungen von KI-Hardware und -Software. Im Vergleich zur NVIDIA A100, die früher das führende Produkt des KI-Benchmark-Tests im Rechenzentrum war, präsentiert SambaNova eine bessere Leistung.
Untether AI, die drei aufeinanderfolgende Investitionsrunden von Intel erhielt Das kanadische Startup Untether AI hat bekannt gegeben, dass es seit seiner Gründung im Jahr 2018 125 Millionen US-Dollar an Fördermitteln erhalten hat, um seine neuartige Computerarchitektur zu entwickeln und seinen Kunden leistungsstarke Rechenleistung zu bieten. Untether AI hat eine neue Chiparchitektur entwickelt, die die Geschwindigkeit der Datenbewegung um das 1.000-fache erhöhen kann.
Das Hauptprodukt von Untether, die TsunAimi-Beschleunigerkarte, besteht aus vier runAI200-Chips, die im 16-nm-Prozess hergestellt werden und 2000 TOPS Rechenleistung bieten, was der 16-fachen Leistung von Mainstream-Produkten entspricht. Im Vergleich zu SambaNova achtet Untether AI stärker auf die Verbesserung der Rechenleistung und Energieeffizienz von KI-Chips durch Memory-Computing. Basierend auf der Digital Storage Computing (SRAM)-Technologie wird die Rechenenergieeffizienz auf 8TOPS/W erhöht.
TensorChip, Hersteller von RMU aus China Wir waren überrascht, dass es komplementäre fortschrittliche Architekturen außerhalb von Nordamerika gibt. Ein chinesisches Unternehmen namens TensorChip entwarf eine neue RMU-Architektur, indem es rekonfigurierbare Technologie mit Speicher-Computing-Technologie kombinierte. Diese Idee scheint der RDU von SambaNova sehr nahe zu kommen.
TensorChip erzielt die hohe Energieeffizienz und große Rechenleistung mit einem Energieeffizienzverhältnis von 10TOPS/W. Es verfügt nicht nur über die von SambaNova empfohlene rekonfigurierbare Fähigkeit, sondern übertrifft auch das Energieeffizienzverhältnis von Untether AI. Im Vergleich zu SambaNovas, das sich auf große KI-Modelle konzentriert, hat die RMU von TensorChip ein breiteres Anwendungsspektrum, das Cloud Computing und Edge Computing abdeckt.
Groq, erstellt vom ehemaligen Google TPU-Team Groq wurde 2016 gegründet, die Gesamtfinanzierung hat bisher 362,3 Millionen US-Dollar erreicht. Jonathan Ross, CEO von Groq, war an der Entwicklung von Googles Tensor Processing Unit (TPU) beteiligt, einem maßgeschneiderten Chip zur Beschleunigung des maschinellen Lernens.
Angeblich achtet die Architektur von Groq genau auf die geringe Latenz und die Single-Thread-Leistung, wenn die Batch-Größe 1 ist. Für die GPU, wenn sie als Verarbeitungseinheit in einer Machine-Learning-Anwendung verwendet wird, sobald die Daten mit einer kleinen Batchgröße, die Lücken im Datenstrom scheinen die Stagnation der GPU zu verursachen. In diesem Fall wird die Leistung erheblich verringert. Im Gegenteil, der Groq-Prozessor ist 17,6-mal schneller als die GPU-basierte Plattform, wenn die Batchgröße 1 beträgt; es ist 2,5-mal schneller, wenn die Chargengröße groß ist.
Tenstorrent, das Unternehmen, für das AMD Chief Architect Jim Keller derzeit bei Tenstorrent arbeitet, wurde 2016 gegründet und hat 200 Millionen US-Dollar bei einer Bewertung von 1 Milliarde US-Dollar aufgebracht, um eine nachhaltige Produktroute aufzubauen und NVIDIA weiterhin auf dem KI-Markt herauszufordern. Sein KI-Chip – Grayskull hat einen größeren On-Chip-Speicher (SRAM), während NVIDIA auf schnelles Off-Chip-GDDR oder HBM setzt. Grayskull verbraucht nur 75 Watt Strom, um 368 Billionen Operationen pro Sekunde durchzuführen, während NVIDIA etwa 300 Watt Strom verbraucht, um die gleiche Leistung zu erreichen.
Wer wird nach NVIDIA der Oberherr des KI-Computings sein? Diese Leapfrog-Durchbrüche in der Chiparchitektur sind Meilensteine. Diese Innovationen haben GPU-Patentbarrieren umgangen und neue Ideen und Produkte im Computerbereich eröffnet. SambaNova, Untether AI, TensorChip, Groq und Tenstorrent, die Bemühungen dieser Unternehmen verändern das Muster des KI-Computing-Bereichs. Vielleicht werden die neuesten KI-Chips eines Tages nicht mehr vom Chinesen in der Lederjacke (bezogen auf NVIDIA-CEO Jensen Huang) aus der eigenen Küche gebacken. Obwohl die GPU im Bereich des KI-Computings gut abschneidet, ist ihre Hauptaufgabe immer noch das Grafik-Rendering und die Anzeige.
Diese Innovationen holen die GPUs ein und versuchen, die Welt vollständig auf das KI-Zeitalter umzustellen. Die riesigen Veränderungswellen werden jeden von uns erfassen und unvorstellbare Veränderungen in die Welt des KI-Computings bringen.
(20min delay)