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.

Цифровые двойники — это виртуальные модели реальных физических чипов, которые упрощают исследование поведения чипа при увеличении нагрузки или изменении конфигурации данных. Это помогает исследователям тестировать новые процессоры перед запуском их в производство. Администрация США планирует финансировать в рамках «Закона о чипах и науке» компании, работающие над цифровыми двойниками, а также создать институт по проектированию и производству чипов.

Источник изображения: pexels.com

Принятый в 2022 году в США «Закон о чипах и науке» предусматривает целевое финансирование национальной полупроводниковой отрасли в общей сложности на $280 млрд. На данный момент производители уже запросили более $70 млрд в виде грантов на развитие индустрии и строительство новых предприятий.

Цифровые двойники могут интегрироваться с другими новыми технологиями, такими как генеративный ИИ, для ускорения моделирования или дальнейших исследований новых концепций полупроводников. «Технология цифровых двойников может помочь стимулировать инновации в исследованиях, разработках и производстве полупроводников по всей стране — но только если мы будем инвестировать в понимание и способность Америки использовать эту новую технологию», — считает министр торговли Джина Раймондо (Gina Raimondo).

Задачей создаваемого института CHIPS Manufacturing USA будет развитие региональных связей для обмена ресурсами между компаниями, разрабатывающими и производящими как физические полупроводники, так и цифровые двойники. Представители администрации США в этом месяце проведут совещания о перспективах финансирования с заинтересованными сторонами. Правительство будет инвестировать в оперативную деятельность института, исследования в области цифровых двойников, физических и цифровых объектов, таких как доступ к облачным средам, а также обучение персонала.

На данный момент такие компании, как Intel и Micron, собираются получать финансирование от правительства США в рамках «Закона о чипах и науке». Одной из приоритетных задача администрации США в рамках этого закона является поощрение полупроводниковых компаний к созданию передовых микросхем в США, особенно сейчас, когда спрос на мощные чипы стремительно растёт благодаря буму искусственного интеллекта.

Затраты на проектирование микросхем начали стремительно расти с появлением транзисторов FinFET ещё в 2014 году и стали особенно высокими в последние годы из-за внедрения 7-нм и 5-нм технологических процессов. Компания International Business Strategies (IBS) недавно опубликовала свою оценку затрат на разработку 2-нм чипов традиционными методами. По их данным, разработка крупного 2-нм чипа обойдётся в $725 млн.

Источник изображения: pexels.com

Львиная доля затрат, по оценке IBS, приходится на разработку и отладку программного обеспечения для дизайна микросхем — примерно $314 млн на само ПО и порядка $154 млн на верификацию. Эти цифры отражают затраты на разработку довольно крупного 2-нм чипа компанией, которая не имеет опыта предыдущих разработок и вынуждена проходить все этапы с нуля.

Случаи, когда стартапу удалось бы разработать огромный проект (например, Graphcore), крайне редки. Большинство начинающих компаний берутся за гораздо менее масштабные разработки. Для большей части проекта используются лицензии, поэтому разрабатывать и проверять требуется только добавленную интеллектуальную собственность. И конечно, эти компании не тратят $724 млн на чип или платформу просто потому, что у них нет таких ресурсов.

Казалось бы, крупным компаниям, обладающим огромным инженерным опытом, программным обеспечением и ресурсами, также не требуются столь глобальные инвестиции в разработку нового чипа. Тем не менее, они, как правило, инвестируют сотни миллионов или даже миллиарды в разработку платформ. Например, когда Nvidia разрабатывает новые линейки продуктов, она тратит огромные средства на разработку микроархитектуры, а затем уже на физическую реализацию чипов.

Источник изображений: IBS

Экспертное мнение IBS предполагает традиционные методы проектирования микросхем без использования инструментов автоматизации проектирования с применением ИИ и другого продвинутого программного обеспечения, что в теории может значительно сократить время и затраты на разработку.

Тем самым эти оценки подчёркивают важность инструментов разработки микросхем с поддержкой ИИ от Ansys, Cadence и Synopsys и подтверждают, что уже в ближайшем будущем будет практически невозможно создать передовой чип без использования программного обеспечения с ИИ.