Темпы, с которыми совершенствуются чипы Nvidia, настолько высоки, что их трудно сопоставить с любыми историческими аналогами.
Это имеет значение, потому что без такого прогресса — который привлекает все больше внимания на фоне трансформации общества под влиянием искусственного интеллекта — физические ограничения быстро затормозили бы развитие дата-центров.
Генеральный директор Nvidia Дженсен Хуанг в понедельник заявил, что компания рассчитывает получить «не менее» $1 трлн выручки от своих новейших чипов к 2027 году.
Месяц назад Nvidia отчиталась о рекордных продажах и прибыли — их обеспечил резкий рост заказов со стороны крупных технологических компаний, развивающих инфраструктуру дата-центров.
Historically Nvidia фактически контролировала весь рынок, однако ее совокупная доля сократилась — со 100% в первом квартале 2022 года до 65% в четвертом квартале прошлого года, следует из данных исследовательской и консалтинговой компании SemiAnalysis.
Продажи чипов для искусственного интеллекта
Искусственный интеллект развивается на базе электроэнергии — и именно чипы Nvidia определяют, насколько эффективно расходуется этот ресурс.
Сами чипы — плоские элементы размером с почтовую марку — остаются ключевым узлом любой дата-центровой инфраструктуры. Каждое новое поколение приносит резкий прирост производительности на единицу чипа — даже несмотря на то, что общий спрос на энергию со стороны ИИ продолжает стремительно расти. «Чипы перерабатываются заново, потому что именно эффективность определяет, насколько быстро может масштабироваться интеллект», — написал Дженсен Хуанг в редком блог-посте на прошлой неделе. «Энергия становится центральным фактором, поскольку она задает верхний предел того, сколько интеллекта вообще может быть произведено».
Однако Nvidia сталкивается с новым риском по мере того, как индустрия смещается от обучения моделей к их использованию — инференсу. Архитектура ее чипов в большей степени оптимизирована под первый сценарий. «Вся эта история с инференсом представляет огромную угрозу для Дженсена, потому что здесь все завязано на эффективности», — отметил венчурный инвестор и сотрудник MIT Initiative on the Digital Economy Пол Кедроски в комментарии для WSJ. «Он отчаянно пытается найти способ распространить свое доминирование и на инференс».
Энергоэффективность долгое время оставалась скучным, хотя и важным элементом технологического развития. Обычно речь шла о бытовых приборах с низким энергопотреблением или автомобилях вроде Toyota Prius — экономия денег и забота об экологии. Но в эпоху ИИ это перестало быть дополнительным преимуществом и стало необходимостью.
Электроэнергия ограничена физически, тогда как спрос на вычисления для ИИ, судя по всему, не имеет потолка. В этих условиях именно энергоэффективность становится фундаментом стремительного роста вычислительных мощностей.
Скорость изменений сопоставима с переходом от Ford Model T к Tesla менее чем за десятилетие — вместо более чем столетия. По словам Джоша Паркера, руководителя направления устойчивого развития Nvidia, если бы топливная эффективность автомобилей росла так же быстро, как совершенствуются чипы, «мы бы могли ездить до Луны и обратно на одном галлоне топлива».
Еще в 1865 году британский экономист Уильям Стэнли Джевонс заметил, что повышение эффективности паровых машин на угле в Англии привело не к сокращению, а к росту потребления угля. Этот эффект получил название парадокса Джевонса — ситуация, когда повышение энергоэффективности, вопреки ожиданиям, стимулирует дополнительный спрос на энергию.
Искусственный интеллект усиливает этот эффект многократно. «Абсолютный след ИИ с точки зрения потребления энергии продолжает расти из года в год, и мы ожидаем сохранения этой тенденции», — отметил Паркер.
Эффективность чипов определяется, в частности, их энергопотреблением и способами охлаждения. Физика неизбежна — вся потребляемая электрическая энергия в конечном итоге превращается в тепло, которое необходимо отводить.
Системы охлаждения делятся на два основных типа. Традиционные дата-центры с воздушным охлаждением часто используют испарительные технологии, что требует значительных объемов воды. Более современные системы жидкостного охлаждения позволяют сократить водопотребление, хотя итоговые показатели зависят от конкретной архитектуры и расположения. «Чипы и серверы бесполезны, если у вас нет энергии и охлаждения», — подчеркнул Рич Уитмор, руководящий направлением жидкостного охлаждения в Motivair, подразделении Schneider Electric, сотрудничающем с Nvidia.
Каждое поколение чипов Nvidia, названных в честь известных ученых, демонстрирует существенный прирост эффективности. Последняя архитектура — Blackwell — полностью переосмысливает подход к вычислениям, обеспечивая более высокую производительность при лучшей энергоотдаче, пояснил старший директор по инфраструктуре ИИ в Nvidia Дион Харрис.
Если за последнее десятилетие индустрия прошла путь от Model T до Tesla, то представить следующий этап в ближайшие годы становится почти невозможно. «Возможно, это будет какой-то ховеркрафт», — сказал Паркер — с долей шутки.