Intel à l'extérieur alors que d'autres entreprises prospèrent grâce aux puces AI

Le premier fabricant de puces au monde a raté une énorme opportunité dans les appareils mobiles. Aujourd'hui, l'essor de l'intelligence artificielle donne à l'entreprise une autre chance de faire ses preuves. Par

• Pierre Burrows page d'archives

21 juin 2016

En 1997, Andy Grove, alors PDG d'Intel, est devenu l'un des premiers titans d'entreprise à adopter les enseignements du professeur Clayton Christensen de la Harvard Business School. Sentant qu'Intel pourrait être sapé par des rivaux de puces PC avec des produits moins chers, Grove invité Christensen pour parler à son équipe des dirigeants industriels du passé qui avaient attendu trop longtemps pour faire face aux menaces émergentes. En quelques trimestres, Intel a sorti une gamme de puces Celeron bas de gamme pour PC, ce qui a pratiquement brisé les rêves des aspirants Intel tels que Advanced Micro Devices. Le dilemme de l'innovateur évité.

Voir le reste du forfait

• 50 entreprises les plus intelligentes

Intel n'est plus une étude de cas en matière d'adaptabilité. Au contraire, il s'est répandu sur le marché des puces mobiles utilisées dans les smartphones et les tablettes, de loin la plus grande nouvelle opportunité pour les fabricants de puces au cours des 10 dernières années. Le 19 avril, le jour même où il a annoncé qu'il supprimerait 12 000 emplois, Intel a abandonné le développement de certaines de ses puces Atom mobiles malgré des années d'investissements lourds. Et depuis quelques années, le plus grand fabricant de puces au monde semble indifférent à un autre marché potentiellement vaste : celui des puces conçues pour la technique d'intelligence artificielle connue sous le nom d'apprentissage en profondeur.

Cette histoire faisait partie de notre numéro de juillet 2016

• Voir la suite du problème
• S'abonner

Ce coin autrefois obscur de la recherche sur l'IA est devenu l'une des tendances technologiques les plus en vogue (voir 10 Breakthrough Technologies, mai/juin 2013 ). De grandes entreprises Internet l'utilisent pour déployer des services en ligne qui comprennent les images et la parole, et des puces d'apprentissage en profondeur sont conçues dans des drones, des voitures sans conducteur et d'autres produits dans l'Internet des objets tant vanté. C'est particulièrement dangereux pour Intel, car le PDG Brian Krzanich a mentionné que l'avenir de l'entreprise dépend de ses performances dans les grands centres de données et l'Internet des objets.

Intel vient seulement de présenter sa première puce conçue spécifiquement pour l'apprentissage en profondeur. Il s'agit d'une nouvelle version du coprocesseur Xeon Phi, qui fonctionne en tandem avec les microprocesseurs x86 phares d'Intel. Mais même si la puce est bien adaptée à de nombreux travaux d'apprentissage en profondeur, la société qui a essentiellement monopolisé le marché des PC avec sa stratégie Intel Inside reste loin derrière dans le développement des outils de programmation dont les clients ont besoin avec de telles puces. Le plus petit rival Nvidia a établi une domination précoce en offrant de tels outils, explique Bryan Catanzaro, chercheur principal chez Baidu, un grand utilisateur de matériel d'apprentissage en profondeur. Lorsqu'il construit ces systèmes, Baidu intègre quatre fois plus de puces de Nvidia que d'Intel. Intel peut être un acteur majeur, mais c'est une question de concentration, dit Catanzaro. Ils sont en train de réduire leurs effectifs dans de nombreux domaines, il faut donc se demander s'ils ont la volonté institutionnelle.

Jusqu'à présent, les dommages financiers causés à Intel sont minimes. Amazon, Google et d'autres géants du cloud achèteront un peu plus de 133 millions de dollars de puces pour faire fonctionner leurs systèmes d'apprentissage en profondeur cette année, selon Tractica, une société d'études de marché. C'est une somme dérisoire à côté du chiffre d'affaires d'Intel de 56 milliards de dollars en 2015. Plutôt que de promettre des innovations révolutionnaires, Intel suggère que ses puces actuelles suffiront pour de nombreux emplois et qu'elle a les prouesses techniques pour créer de nouvelles puces à mesure que le marché arrive à maturité, déclare Catanzaro. Et l'entreprise est déterminée à ne pas se concentrer sur l'apprentissage en profondeur à l'exclusion d'autres approches d'IA. Après tout, les vétérans d'Intel ont vu les folies de l'IA s'installer dans le passé ; ils craignent que l'apprentissage en profondeur ne soit pas la panacée que beaucoup prétendent être. Nous avons déjà vu ces cycles auparavant, déclare Nidhi Chappell, directeur de l'apprentissage automatique pour le groupe des centres de données d'Intel.

Intel découpe des tranches comme celle-ci en puces dans la famille de produits Xeon Phi. Les puces sont conçues pour gérer des tâches d'apprentissage en profondeur.

Pour Nvidia, cependant, le deep learning commence à générer une croissance des revenus. Au premier trimestre, les ventes de la société aux grandes entreprises du cloud ont bondi de 63 %. Basé près d'Intel à Santa Clara, en Californie, Nvidia vendait ses puces de traitement graphique (GPU) principalement aux fabricants de PC et de consoles de jeux. Mais il a pris une longueur d'avance sur le marché naissant de l'apprentissage en profondeur depuis que les grandes entreprises Internet ont découvert à quel point les puces graphiques pouvaient gérer les travaux liés à l'IA. Aujourd'hui, selon Nvidia, elle travaille avec 3 500 clients dans des secteurs allant de l'automobile aux produits pharmaceutiques en passant par les services financiers.

Nvidia n'est pas la seule entreprise à essayer de gagner de l'argent alors qu'Intel la joue cool. Qualcomm présente des outils logiciels pour aider les clients à utiliser ses puces mobiles pour un apprentissage en profondeur. Et des startups telles que Knupath et Nervana proposent des puces d'apprentissage en profondeur encore plus radicalement repensées. Tactica prévoit que ce marché atteindra 3,6 milliards de dollars d'ici 2024.

Knupath, qui a été lancé par l'ancien chef de la NASA Dan Goldin, a annoncé une puce AI appelée Hermosa en juin, ainsi qu'un logiciel pour relier 512 000 Hermosas et d'autres puces. La première version se concentrera sur la reconnaissance de voix inattendues dans des environnements bruyants, par exemple, pour que vous puissiez vous connecter à votre banque en utilisant uniquement votre voix tout en conduisant dans un cabriolet avec la radio allumée. La société a levé 100 millions de dollars de financement, en supposant que les architectures de puces existantes ne seront pas en mesure de satisfaire la demande future. Nous entrons dans les tout premiers stades de l'intelligence artificielle et de l'apprentissage automatique. C'est comme le Far West, dit Goldin. Des choses follement folles vont se produire.

Trou dans le marché

Lorsque des entreprises comme Facebook, Google et Microsoft enseignent aux logiciels comment détecter le contenu des images ou identifier la parole, ils construisent ce qu'on appelle souvent des réseaux de neurones, dans lesquels d'énormes quantités de données sont traitées par des milliers de processeurs connectés. Finalement, les machines peuvent reconnaître les modèles par elles-mêmes et porter des jugements en conséquence. En janvier, un réseau neuronal de Google a battu l'un des meilleurs joueurs mondiaux du jeu de société Go dans quatre concours sur cinq.

Dans de telles applications, les microprocesseurs x86 d'Intel ne font généralement guère plus que l'entretien ménager numérique. Alors qu'un processeur Intel haut de gamme est plus que suffisant pour exécuter des feuilles de calcul financières tentaculaires ou des logiciels d'exploitation d'entreprise, les puces optimisées pour l'apprentissage en profondeur résolvent certains types de problèmes, tels que la compréhension des commandes vocales ou la reconnaissance des images, en millions de bouchées. -morceaux de taille. Parce que les GPU comme ceux de Nvidia se composent de milliers de minuscules cœurs de processeur entassés sur une tranche de silicium, ils peuvent gérer des milliers de ces morceaux simultanément. Affecter un processeur Intel à un tel travail serait un énorme gaspillage de ressources, puisque chacun de ces processeurs contient quelques dizaines de cœurs conçus pour exécuter des algorithmes complexes. Les puces d'apprentissage en profondeur n'ont pas besoin de beaucoup de réflexion pour gérer toutes ces micro-tâches. Les cœurs de processeur graphique ont la bonne quantité de muscle arithmétique pour une analyse rapide afin de classer correctement une image ou un autre élément de données.

Cette puce Nvidia est destinée aux grands centres de données Internet et aux applications d'apprentissage en profondeur.

Catanzaro, qui a aidé à lancer l'assaut d'apprentissage en profondeur de Nvidia avant de se rendre à Baidu, teste le coprocesseur Xeon Phi et dit qu'il peut gérer certaines tâches d'apprentissage en profondeur environ 90% aussi efficacement que les processeurs graphiques. Mais il est sceptique. Non seulement Intel n'a développé aucun des outils logiciels proposés par Nvidia pour aider les clients à affiner et à maintenir les réseaux de neurones, mais aussi, dit-il, Intel doit faire un meilleur travail pour mettre ses puces entre les mains des sommités de l'apprentissage en profondeur poussant le champ vers l'avant. Jusqu'à présent, Intel s'est efforcé de vendre le Xeon Phi en volume à de grandes entreprises pour des applications bien comprises, explique Catanzaro. Je tire pour Intel, dit-il. Ce n'est bon pour personne si Nvidia est la seule alternative viable, nous avons donc besoin d'Intel sur ce marché. Mais ils doivent commencer à se concentrer.

En mai, Google a surpris le monde de l'IA en annonçant qu'il utilisait une puce de sa propre création, appelée Tensor Processing Unit, depuis plus d'un an. Bien que Google ait joyeusement versé des milliards dans des projets lunaires tels que des voitures sans conducteur, c'était la première fois qu'il se plongeait dans le secteur coûteux et difficile des puces. Pourquoi s'embêter? C'était le seul moyen de faire avancer nos applications basées sur l'apprentissage automatique, a écrit Norm Jouppi, un éminent ingénieur matériel chez Google, dans un e-mail. Alors que Google continuera à utiliser des processeurs Intel dans son infrastructure informatique, a-t-il déclaré, nous avions besoin de plus que ce qui était disponible sur le marché.

Sentir la chaleur

Intel est également resté silencieux dans un autre secteur prometteur du marché de l'apprentissage en profondeur : celui des puces qui intègrent la sagesse apprise par les réseaux de neurones dans les téléphones, les voitures et d'autres appareils que nous voulons rendre plus intelligents. DJI, le plus grand fabricant de drones au monde, a inclus une unité de traitement visuel fabriquée par Movidius dans son nouveau modèle Phantom 4. La puce traite ce que voient les caméras du Phantom, permettant à l'engin d'éviter les accidents qu'un pilote humain peut ne pas être assez qualifié pour décoller du sol. Il est conçu pour utiliser très peu d'énergie de la batterie - encore une fois, ce n'est pas la spécialité d'Intel.

Ces puces pourraient s'avérer beaucoup moins rentables que les processeurs qui ont fait d'Intel un nom familier, mais les volumes pourraient être trop importants pour résister si les composants devenaient la norme dans les machines d'IRM plus intelligentes, les robots de fabrication et les caméras de surveillance, déclare Jim McGregor, fondateur de Tirias. Research, une société de recherche sur l'industrie des puces. Le plus alléchant est le marché des voitures autonomes, qui pourrait atteindre des dizaines de millions d'unités par an. Si chaque véhicule possède plusieurs de ces puces, ce marché pourrait à lui seul rivaliser avec la taille du marché des PC.

Chappell d'Intel ne rejette pas ces projections, mais elle dit que l'opportunité d'Intel réside dans une vision plus large et pragmatique du marché. Le défi le plus pressant des chercheurs en intelligence artificielle est de créer des moyens de former les réseaux de neurones beaucoup plus rapidement, par exemple en un après-midi plutôt qu'en quelques semaines. La nouvelle puce Xeon Phi aidera à résoudre ce problème, dit-elle, en partie parce que les chercheurs peuvent l'utiliser pour concevoir un système de formation sur leurs propres ordinateurs et continuer à l'utiliser à mesure qu'ils s'étendent à de plus grands réseaux de serveurs et éventuellement à grande échelle dans le cloud. .

À plus long terme, Intel pourrait construire des puces qui fonctionnent dans tout, des systèmes de formation aux appareils à faible consommation d'énergie dans l'Internet des objets, explique Chappell. Dans ce scénario, les processeurs graphiques et autres puces d'apprentissage en profondeur spécialisées seraient désavantagés par rapport aux microprocesseurs polyvalents et polyvalents. Grâce au talent d'ingénieur et aux capacités de fabrication d'Intel, l'entreprise pourrait être en mesure d'intégrer des circuits d'apprentissage en profondeur dans les futurs processeurs à peu de frais supplémentaires. Si Intel peut créer un ensemble commun d'outils logiciels pour tout gérer, des réseaux de neurones aux drones, cela pourrait rendre l'apprentissage en profondeur accessible à beaucoup plus d'entreprises et donner à Intel un verrou stratégique sur leur activité.

Ce sont les astuces qui ont aidé Intel à monopoliser l'industrie du PC. Même maintenant, peu sont prêts à compter l'entreprise. La dernière fois que j'ai vérifié, ils avaient 15 milliards de dollars en banque, et ce ne sont pas des gens stupides, déclare Remi El-Ouazzane, PDG de Movidius. Mais à ce stade au moins, nous ne ressentons pas la chaleur.

cacher