"Через 10 лет компьютеры станут в миллион раз быстрее". Глава NVIDIA считает, что не стоит вкладывать триллионы долларов в производство чипов для ИИ.
По мнению гендиректора NVIDIA достаточно просто развивать технологии.
!["Через 10 лет компьютеры станут в миллион раз быстрее". Глава NVIDIA считает, что не стоит вкладывать триллионы долларов в производство чипов для ИИ. "Через 10 лет компьютеры станут в миллион раз быстрее". Глава NVIDIA считает, что не стоит вкладывать триллионы долларов в производство чипов для ИИ.](/media/cache/64/c6/64c6e99bbafc67b013962462b932872c.jpg)
На сегодняшний день NVIDIA считается чуть ли не основным выгодополучателем от производства чипов с ИИ. Тем не менее, глава NVIDIA Дженсен Хуанг (Jensen Huang) считает, что 7 триллионов долларов не нужны для ИИ, ссылаясь на 1 миллион улучшений производительности ИИ за последние десять лет. Он прокомментировал тот факт, что глава OpenAI Сэм Альтман (Sam Altman) ищет инвестиции в сумме 5-7 триллионов долларов для создания сети фабрик только по производству чипов с искуственным интелектом. Хуанг считает, что такие вложения будут чрезмерными, так как вся мировая полупроводниковая промышленность оценивается примерно в 1 триллион долларов в год. Хуанг утверждает, что достаточно просто продолжать внедрять инновации в архитектуре графических процессоров, чтобы продолжать повышать производительность.
«Если вы просто предположите, что компьютеры никогда не станут быстрее, вы можете прийти к выводу, что нам нужны 14 разных планет, три разные галактики и еще четыре Солнца, чтобы подпитывать все это», — сказал Дженсен Хуанг на Всемирном правительственном саммите.
Глава NVIDIA предполагает, что большое количество заводов по производству чипов может привести к переизбытку самих чипов и, как следствие, это грозит экономическим кризисом, который затронет весь мир.
![](/media/uploads/izzfdrdovlrbkf8e5tg6v7.png)
Если посмотреть на пример развития чипов той же NVIDIA, то можно заметить, что когда речь идет об искусственном интеллекте и производительности высокопроизводительных вычислений (HPC), результаты производительности за последние годы - существенны. Например, GPU V100 в 2018 году имел производительность всего 125 TFLOPS, а современный H200 уже достигает почти 2000 TFLOPS (FP16). В то же время сложно спрогнозировать, какой действительно будет спрос на чипы для ИИ в перспективе пяти-десяти лет.
Источник: Youtube