La bataille pour fournir des puces pour le boom de l'IA se réchauffe

Jensen Huang, PDG de Nvidia, lors de la conférence de la société à San Jose, en Californie.

Mercredi, Jensen Huang a rayonné dans une salle de conférence bondée à San Jose, en Californie, alors qu'il annonçait la nouvelle puce de son entreprise visant à accélérer les algorithmes d'intelligence artificielle. Mais métaphoriquement parlant, le PDG du fabricant de puces Nvidia regardait par-dessus son épaule.

Les bénéfices et les actions de Nvidia ont bondi au cours des dernières années parce que les processeurs graphiques qu'elle a inventés pour alimenter les jeux et la production graphique ont permis de nombreuses percées récentes dans l'apprentissage automatique (voir 10 Breakthrough Technologies 2013 : Deep Learning). Mais alors que les investissements dans l'intelligence artificielle montent en flèche, la société de Huang fait désormais face à la concurrence d'Intel, de Google et d'autres qui travaillent sur leurs propres puces d'IA.

Mercredi, lors de la conférence annuelle des développeurs de Nvidia, Huang a soigneusement évité de mentionner le nom des concurrents lors de la présentation de la dernière puce de Nvidia, nommée Tesla V100. Il a fait référence à Google uniquement en tant que certaines personnes, par exemple. Mais il a clairement balayé la technologie des challengers de Nvidia, en particulier lorsqu'il a parlé de la grande opportunité qui s'ouvre pour fournir des puces d'IA à utiliser dans le cloud computing.

Les entreprises de nombreux secteurs tels que la santé et la finance investissent dans l'infrastructure d'apprentissage automatique. Les principaux fournisseurs de cloud computing Google, Amazon et Microsoft parient tous que de nombreuses entreprises voudront les payer pour exécuter des logiciels d'intelligence artificielle et vont dépenser beaucoup d'argent pour du nouveau matériel pour le prendre en charge.

Nvidia est parvenu à dominer le marché en plein essor des puces IA en saisissant intelligemment une heureuse coïncidence. Les opérations mathématiques de base nécessaires à l'infographie sont les mêmes que celles qui sous-tendent une approche de l'apprentissage automatique connue sous le nom de réseaux de neurones artificiels. À partir de 2012, les chercheurs ont montré qu'en ajoutant une nouvelle puissance à cette technique, les processeurs graphiques permettaient aux logiciels de devenir beaucoup, beaucoup plus intelligents dans des tâches telles que l'interprétation d'images ou la parole.

Au fur et à mesure que le marché de l'IA s'est développé, Nvidia a peaufiné ses conceptions de puces avec des fonctionnalités prenant en charge les réseaux de neurones. La nouvelle puce V100 annoncée cette semaine est l'aboutissement de cet effort et comprend un nouveau noyau spécialisé pour accélérer l'apprentissage en profondeur des mathématiques.

Huang a déclaré que sa puissance et son efficacité énergétique aideraient les entreprises ou les fournisseurs de cloud à améliorer considérablement leur capacité à utiliser l'IA. Vous pourriez augmenter le débit de votre centre de données de 15 fois au lieu d'avoir à construire de nouveaux centres de données, a-t-il déclaré.

Les nouveaux concurrents de Nvidia affirment qu'ils peuvent rendre le matériel plus rapide et plus efficace pour exécuter des logiciels d'IA en concevant des puces adaptées à cet effet à partir de zéro au lieu d'adapter la technologie des puces graphiques.

Par exemple, Intel promet de lancer une puce pour l'apprentissage en profondeur plus tard cette année, basée sur la technologie acquise avec la startup Nervana en 2016 (voir Intel Outside as Other Companies Prosper from Graphics Chips).

La société se prépare également à lancer un produit pour accélérer l'apprentissage en profondeur basé sur la technologie de son acquisition d'Altera pour 16,7 milliards de dollars, qui a fabriqué des puces appelées FPGA qui peuvent être reconfigurées pour alimenter des algorithmes spécifiques. Microsoft a beaucoup investi dans l'utilisation de FPGA pour alimenter son logiciel d'apprentissage automatique et en a fait un élément central de sa plate-forme cloud, Azure.

Pendant ce temps, Google a révélé l'été dernier qu'il utilisait déjà une puce personnalisée pour l'IA, développée en interne, appelée Tensor Processing Unit, ou TPU. Les puces ont soutenu la victoire du logiciel AlphaGo sur un joueur champion du jeu de société Go l'année dernière. Ils ne sont pas à vendre, mais Google affirme que les entreprises qui utilisent ses services de cloud computing bénéficieront de leur puissance et de leur efficacité énergétique.

Plusieurs ingénieurs qui ont construit la puce de Google ont depuis quitté l'entreprise pour former une startup avec un financement de 10 millions de dollars appelée Groq qui construit une puce d'apprentissage automatique spécialisée. D'autres startups travaillant sur des projets similaires incluent Wave Computing, qui dit qu'elle permet déjà aux clients de tester son matériel.

Huang a affirmé mercredi que la technologie de Nvidia atteignait un point idéal, contrairement à d'autres efforts. Les puces personnalisées comme le TPU de Google sont trop rigides pour fonctionner aussi bien avec de nombreux types de réseaux de neurones différents, a-t-il déclaré, un inconvénient important compte tenu de la rapidité avec laquelle de nouvelles idées sont testées et adoptées dans l'IA. Il a affirmé que les FPGA, comme ceux privilégiés par Microsoft et misés par Intel, consomment trop d'énergie.

Nous créons la plate-forme la plus productive pour l'apprentissage en profondeur, a-t-il déclaré. Alors que les rivaux de Huang en dévoilent davantage sur leurs produits cette année, cette affirmation sera examinée de près.

cacher