Si bien algunos de los fabricantes de chips más grandes buscan cambiar su enfoque hacia la GPU para sus mayores aprendizajes automáticos, hay un ecosistema floreciente de nuevas empresas de chips que buscan repensar la forma en que funciona el procesamiento para la IA.
Eso incluye una startup con sede en Europa llamada Graphcore, que dijo hoy que ha recaudado $ 50 millones en nuevos financiamientos liderados por Sequoia Capital, luego de una Serie B de $ 30 millones liderada por Atomico en julio.
Graphcore, al igual que otras empresas emergentes, busca repensar la forma en que funciona la computación de IA en un nivel de sustrato real. Todavía no hay un producto en el mercado: el director ejecutivo Nigel Toon dice que está en camino para el primer trimestre del próximo año para los clientes de acceso anticipado. Pero ha sido un área que ha sido lo suficientemente tentadora como para convencer a empresas como Google y Apple de que busquen diseñar su propia tecnología de GPU para aprovechar este tipo de procesamiento optimizado para operaciones como la visión artificial, el reconocimiento de idiomas y otras centradas en el aprendizaje automático.
“Lo que esto realmente hace es permitirnos escalar”, dijo Toon. “Ya estamos trabajando en una hoja de ruta, podemos agregar e impulsar el desarrollo de esos muy rápidamente. Podemos ver otras áreas, podemos expandirnos para poder atender a más clientes más rápidamente. Creo que realmente nos permite acelerar fundamentalmente”.
El producto central de Graphcore es lo que la compañía llama la “unidad de procesamiento de inteligencia” o IPU. Pero esa es más o menos una forma de decir que es una nueva generación de procesadores que está diseñado para hacer el tipo de cálculos rápidos que requiere el aprendizaje automático, ejecutando miles o millones de pesos en una cantidad mínima de tiempo con el mínimo consumo de energía. como sea posible. Es algo en lo que una GPU es buena, pero para Toon y algunas otras nuevas empresas, es un área que está madura para repensar y especializarse.
Si eso tiene éxito, los tipos de tecnologías que Graphcore y las nuevas empresas como Cerebras Systems, que también recibieron una financiación significativa de Benchmark Capital, se encontrarán en dispositivos de todo el mundo que exigen operaciones de aprendizaje automático de alta potencia. Eso podría estar sentado en el dispositivo real haciendo inferencias, como un automóvil que analiza el video en vivo a medida que ingresa para determinar si está a punto de atropellar una ardilla o no, o ayudar a optimizar el entrenamiento de la máquina para mejorar la precisión de los modelos que dicen independientemente de si es una ardilla la que estás a punto de atropellar o no.
Por lo tanto, no sorprende que Sequoia quiera participar en este juego mientras persigue un espacio que se está convirtiendo en uno que puede respaldar a varias nuevas empresas que recaudan decenas de millones de dólares, todas las cuales aún no han visto la adopción masiva de productos, pero cuya ventaja puede llegar a ser lo suficientemente significativo como para aceptar este tipo de apuestas tempranas masivas. Toon dijo que Graphcore apareció en el radar de Sequoia mientras estaba haciendo diligencia en el espacio.
Luego está el regreso a la ráfaga de actividad de las empresas existentes, todas las cuales parecen interesadas en desarrollar tecnología que se adapte a sus necesidades específicas de IA. Google tiene la TPU que funciona muy bien con TensorFlow, Apple tendrá su propio hardware en su A11 Bionic Chip (o cualquier otra serie de modificadores que quieras agregarle). Y luego hay informes como los que sugieren que Tesla puede estar trabajando con AMD en su propio chip de IA, y puede ser que el mundo se mueva a un lugar donde las empresas más grandes y exigentes simplemente fabriquen su propio hardware.
También está, por supuesto, Nvidia, que ha sido el mayor benefactor en este espacio y tiene una gran ventaja y ha hecho que las acciones se disparen en los últimos años. Centrado originalmente en los juegos, los tipos de arquitecturas que Nvidia creó también funcionan bien con modelos de aprendizaje automático como la visión por computadora, lo que lo convierte en un proveedor masivo de hardware para todo, desde aprendizaje automático hasta juegos y minería de criptomonedas. Nvidia, por ahora, sirve como una ventanilla única, aunque podría estar lista para la disrupción, ya que muchas empresas masivas se encuentran en medio de cambios tecnológicos importantes.
Definitivamente habrá algunos desafíos importantes en lo que respecta a la adopción. Nvidia, por ejemplo, tiene un ecosistema bloqueado tanto con su hardware como con Cuda, su capa de software. Sacar a los desarrolladores de Cuda puede ser una tarea difícil, aunque Toon dijo que las capas de Graphcore admitirán arquitecturas populares, como TensorFlow, ya que la mayoría de los desarrolladores y las empresas no verán el software que es una capa más profunda que esa. La especialización de Nvdia también puede ayudarlo a diseñar una unidad de procesamiento de IA más poderosa, pero dada la oportunidad de mercado (y la carrera estelar de Nvidia), parece lo suficientemente grande como para que las empresas emergentes como Graphcore persigan ese tipo de gigantes.
“Tener [Sequoia Capital] realmente nos permitirá construir una gran empresa, que es fundamentalmente lo que esperamos hacer”, dijo Toon. “Esta es una gran oportunidad. Esta es la próxima generación de cómputo. Esta es la oportunidad para que un nuevo jugador construya un estándar en la industria. Veo un fuerte paralelismo con lo que ARM pudo hacer en el espacio móvil, pero creo que la oportunidad aquí es realmente mayor”.
Source link