La rápida adopción de AI ha estimulado el desarrollo de una nueva generación de chips AI con el rendimiento necesario para cumplir con los requisitos de alto procesamiento y baja potencia de las aplicaciones de aprendizaje automático y aprendizaje profundo.
Ahora hay más de 80 empresas nuevas en todo el mundo que desarrollan chips de IA para capacitación e inferencia.
Estas nuevas empresas se centran en el desarrollo de chips diseñados para cargas de trabajo de IA específicas y casos de uso utilizando nuevas arquitecturas de procesador que abordan el llamado "cuello de botella de memoria" mediante la adopción de un equilibrio mucho mejor entre la memoria y el cómputo en el chip. Como resultado, esperan ofrecer mejoras espectaculares en el rendimiento y la eficiencia en comparación con las CPU y GPU actuales.
Las memorias compatibles con AI que están adoptando las empresas emergentes incluyen memorias cercanas al chip (DRAM y flash NAND), memorias en chip (SRAM) y memorias NV emergentes. "Algunas de estas nuevas empresas utilizan tecnologías de memoria analógica que prometen reducir el consumo de energía de milivatios a microvatios", dijo Gareth Owen, Director Asociado de Tecnologías Emergentes en Counterpoint Research, "Esto es ideal para el mercado de inferencia siempre activo, por ejemplo, para altavoces inteligentes, que potencialmente aumenta la duración de la batería de días a meses. Sin embargo, todavía hay muchos desafíos, particularmente asociados con la producción en masa”.
El panorama actual de la IA todavía está cambiando. Aunque una gran cantidad de nuevas empresas de IA están desarrollando nuevas arquitecturas de hardware y pilas de software, las empresas clientes no quieren estar bloqueadas por ninguna arquitectura de aceleración de IA específica, particularmente con una consolidación probable en los próximos años. Además, quieren asegurarse de que las soluciones sean escalables.
En el mercado de entrenamiento, la competencia será particularmente dura. Las nuevas empresas tendrán que competir contra Nvidia, así como con productos locales de clientes potenciales como Amazon, Alibaba, Baidu, Facebook, Google y Tencent. Además, el mercado de capacitación en la nube será un mercado más pequeño que el mercado de inferencia.
Un pequeño número de proveedores, como Graphcore y Habana Labs , ya han lanzado productos comerciales, en su mayoría aceleradores enchufables de tipo PCI . Sin embargo, están compitiendo contra Nvidia, que será difícil de vencer por varias razones, pero particularmente debido a su fuerte ecosistema de software. Como resultado, muchas empresas nuevas se mantienen fuera del camino de Nvidia y se centran en el mercado de derivación.
Por el contrario, el mercado de inferencia basado en el borde todavía está en su infancia con muchos nuevos jugadores y noveles enfoques. Será una oportunidad de mercado mucho mayor que el mercado de datos en la nube, con la demanda de chips de inteligencia artificial en miles de millones de dispositivos industriales y de consumo y, por lo tanto, con una amplia gama de requisitos diferentes. Sin embargo, al igual que los proveedores de chips de servidor, las nuevas empresas de chips basadas en el borde deberán centrarse en mercados muy específicos diferenciados, principalmente, por la capacidad de procesamiento, la potencia y los requisitos de costos.
Principales empresas de nueva creación en el mercado incluyen la inferencia gerifalte , Efinix y Syntiant que ya han lanzado productos comerciales, y Flex Logix , Mythic y Blaize que están tomando muestras y ofrecerá productos comerciales a finales de este año.
Sin embargo, estas nuevas empresas enfrentan sus propios desafíos únicos. Para tener éxito, deben ofrecer conjuntos de chips que sean altamente escalables y flexibles, que logren el equilibrio adecuado entre el rendimiento y el presupuesto de energía, pero que también cuenten con un fuerte soporte del ecosistema y una amplia gama de software. El tiempo de comercialización también será clave.
También se enfrentarán a una dura competencia por parte de jugadores establecidos como Intel, Nvidia, Xilinx y Altera de Microsoft, quienes estarán bajo presión para adquirir ganadores emergentes para mantener e incrementar la participación general en el mercado. Esto ya ha comenzado a suceder con la reciente adquisición de Habana Habana por parte de Intel por USD$ 2 mil millones.
En la actualidad, no está claro quiénes serán los ganadores o perdedores, pero la industria no dará cabida a muchos proveedores de nuevos de chips. Algunos serán adquiridos, pero la mayoría desaparecerá.
"Creemos que habrá una consolidación en el mercado durante los próximos dos años, debido principalmente a un desajuste entre el rendimiento real del silicio funcional y el rendimiento teórico previsto", dijo Peter Richardson, Director de Investigación de Counterpoint Research. "Muchas de estas nuevas empresas no han desarrollado software en conjunto con el hardware y, por lo tanto, no pueden realizar un modelado de rendimiento preciso, lo que resulta en un déficit en el rendimiento real alcanzado", agregó.
Quizás le interese leer: El nuevo salto que la Inteligencia Artificial le dará al Marketing los próximos años
En última instancia, el diferenciador puede no ser la empresa con la mejor solución de hardware, sino la que tiene la mejor combinación de software / hardware. Los jugadores establecidos como Intel y Nvidia continuarán dominando el panorama del mercado debido a los sólidos ecosistemas de desarrolladores que han creado en torno a sus conjuntos de chips de IA.
Sobre Counterpoint Technology Market Research: es una firma de investigación global especializada en productos tecnológicos en la industria TMT. Presta servicios a las principales firmas tecnológicas y financieras con una combinación de informes mensuales, proyectos personalizados y análisis detallados de los mercados de tecnología móvil. Sus analistas clave son expertos en la industria con una permanencia promedio de 13 años en la industria de alta tecnología.
El informe completo está disponible para compra en el Portal de Investigación de Counterpoint Technology
