Признанный лидер в сфере ИИ, компания OpenAI, прикладывает серьёзные усилия по снижению зависимости от ускорителей ИИ производства Nvidia. В ближайшие несколько месяцев OpenAI планирует завершить разработку собственного чипа и начать его производство на фабриках TSMC с использованием самых передовых техпроцессов.

Источник изображения: Samsung

По мнению аналитиков, «OpenAI находится на пути к достижению своей амбициозной цели массового производства на мощностях TSMC в 2026 году». Наиболее ответственным этапом на пути от дизайна к выпуску готовых чипов является Tape-out («тейпаут») — процесс переноса цифрового проекта чипа на фотошаблон для последующего производства. Обычно этот этап обходится в несколько десятков миллионов долларов, а до выпуска первого чипа проходит до шести месяцев. В случае сбоя требуется диагностировать проблему и повторить процесс.

OpenAI рассматривает свой будущий ускоритель ИИ как стратегический инструмент для укрепления переговорных позиций с другими поставщиками чипов. Если первоначальный выпуск пройдёт удачно, OpenAI уже в этом году представит альтернативу чипам Nvidia, которые сейчас занимают более80 % рынка ИИ-ускорителей.

В случае успеха первого чипа инженеры OpenAI планируют разрабатывать все более продвинутые процессоры с более широкими возможностями с каждой новой итерацией. Компания уже стала участником инфраструктурной программы Stargate стоимостью $500 млрд, объявленной президентом США Дональдом Трампом (Donald Trump) в прошлом месяце.

Чип разрабатывается внутренней командой OpenAI во главе с Ричардом Хо (Richard Ho) в сотрудничестве с Broadcom. Хо более года назад перешёл в OpenAI из Google, где руководил программой по созданию специализированных чипов ИИ. Хотя команда Хо за последние месяцы выросла до 40 сотрудников, это количество по прежнему на порядок меньше, чем в масштабных проектах таких технологических гигантов, как Google или Amazon.

Аналитики полагают, что на первом этапе новый ускоритель ИИ от OpenAI будет играть ограниченную роль в инфраструктуре компании. Чтобы создать столь же всеобъемлющую программу по проектированию чипов ИИ, как у Google или Amazon, OpenAI придётся нанять сотни инженеров.

Согласно отраслевым источникам, новый дизайн чипа для амбициозной масштабной программы может обойтись в $500 млн. Эти расходы могут удвоиться, если учитывать необходимость создания программного обеспечения и периферийных устройств. Для сравнения: в 2025 году Meta✴ планирует потратить $60 млрд на ИИ-инфраструктуру, а годовые инвестиции Microsoft в этом направлении составят $80 млрд.

Современные высокопроизводительные вычислительные компоненты сложно представить без сложной пространственной компоновки, которая позволяет сохранять действие так называемого закона Мура в условиях приближения кремниевой литографии к физическим пределам своих возможностей. TSMC представила инструментарий 3Dblox 2.0, который упростит проектирование подобных передовых компонентов.

Источник изображения: TSMC

Первая версия открытого стандарта для проектирования элементов со сложной пространственной компоновкой была представлена TSMC ещё в октябре прошлого года, и теперь она подверглась доработке и усовершенствованиям. В новой версии 3Dblox появилась функция повторного использования чиплетов и возможность предварительной оценки уровня энергопотребления и тепловыделения проектируемого чипа. Всё это должно повысить эффективность проектирования чипов со сложной пространственной компоновкой.

Поставщики профильного программного обеспечения поддержали инициативу, в результате в состав Комитета 3Dblox вошли представители Ansys, Cadence, Siemens и Synopsys. Их участие гарантирует взаимную совместимость предлагаемых средств автоматизированной разработки компонентов с решениями TSMC.

Более широкое объединение 3DFabric Alliance сейчас насчитывает 21 компанию-участницу. Сотрудничество членов альянса сосредоточено на трёх ключевых направлениях. Во-первых, обсуждаются и внедряются передовые методы интеграции микросхем памяти вроде тех же HBM3. Во-вторых, ведутся разработки в сфере совершенствования методов работы с подложками. В-третьих, члены альянса взаимодействуют друг с другом в области методов тестирования готовой продукции. В идеале, TSMC и партнёры стремятся добиться повышения производительности линий для тестирования чипов в десять раз.

Словацкий разработчик так называемых универсальных процессоров Prodigy для HPC, компания Tachyum, сообщила, что ей удалось увеличить расчётное количество ядер своего будущего чипа на 50 % — с 128 до 192 штук. Помогло в этом применение новых средств автоматизированного проектирования (EDA).

Источник изображений: Tachyum

Как пишет портал ComputerBase, о разработке чипов Prodigy известно ещё с 2020 года. Эти суперпроцессоры объединяют возможности CPU, GPU и TPU. Они предназначены для решения ресурсоёмких задач в сфере облачных и высокопроизводительных вычислений (HPC), ИИ-систем, машинного обучения и пр.

В Tachyum отмечают, что помимо увеличения количества ядер ей удалось увеличить с 64 до 96 количество блоков SerDes, которые используются в высокоскоростной связи, для преобразования данных между последовательным и параллельным интерфейсами в обоих направлениях. При этом площадь кристалла Prodigy выросла незначительно и теперь составляет 600 мм² вместо прежних 500 мм² (прибавка 20 %). Теоретически возможно добавление дополнительных ядер с попутным увеличением площади до 858 мм², но в таком случае возникнут ограничения в пропускной способности памяти.

Прежняя версия кристалла уже обладала 16-канальным интерфейсом DDR5-7200 и поддерживала работу с 32 модулями DIMM. В новой версии реализована поддержка DDR5-6400, а общий размер кеш-памяти L2 и L3 был увеличен с 128 до 192 Мбайт.

Даже при наличии только 128 ядер процессор Prodigy в тестовых симуляциях показывает неоспоримое превосходство над всеми передовыми решениями конкурентов, утверждает словацкая компания. При наличии у процессора 192 ядер разница значительно увеличится.

Однако, несмотря на все улучшения, Prodigy пока существует только на бумаге. Компания рассчитывает на проведение демонстрации работы первых процессоров в этом году.

Разработчики программного обеспечения первым делом призвали на службу системы генеративного искусственного интеллекта, но в прочих сферах инженерной деятельности они тоже найдут применение. Например, корпорация Toyota Motor уже экспериментирует с использованием ИИ при оптимизации дизайна своих автомобилей на стадии раннего проектирования.

Источник изображения: Toyota Motor

Расположенный в Калифорнии исследовательский центр Toyota Research Institute, в частности, уже проводит эксперименты с использованием систем генеративного искусственного интеллекта при определении концепции дизайна транспортных средств на ранних этапах проектирования. Используя текстовый запрос с описанием общих очертаний и компоновки будущей машины, инженеры могут заставить систему ИИ предложить сразу несколько вариантов дизайна, которые учитывали бы заложенные технические ограничения вроде коэффициента лобового сопротивления, длины колёсной базы и высоты кузова.

Система ИИ может использовать начальный эскиз профиля автомобиля, созданный дизайнером вручную, для поиска вариаций в дизайне с учётом заложенных требований к ключевым параметрам. Сохраняя стилистическую целостность образа, компьютер предлагает несколько вариантов силуэта, которые в разной степени оптимизированы с точки зрения той же аэродинамики. Поскольку последний критерий сильно влияет на экономичность электромобилей, то подобные вспомогательные инструменты будут обретать особую актуальность в обозримой перспективе. Поиск окончательного варианта дизайна в этом случае значительно ускоряется, сокращая время на разработку новых моделей.