این پیامدهای قابل توجهی برای هر کسی که قصد ورود به این بازار را دارد دارد. در آینده ای قابل پیش بینی، انویدیا تسلط خود را در بازار آموزش حفظ خواهد کرد. بازار استنباط مرکز داده جذاب به نظر می رسد اما در حال حاضر شامل شرکت های بی شماری از جمله غول هایی مانند Nvidia، AMD و Intel، به علاوه سیلیکون داخلی Roll-Your-Own از مشتریان است. استنتاج لبه احتمالاً تحت سلطه فروشندگان موجود سیلیکون سنتی است، که همه آنها سرمایه گذاری زیادی روی ترانسفورماتورها و LLMهای پشتیبانی می کنند. بنابراین، چه فرصت هایی برای تازه واردان وجود دارد؟ اساساً می توانیم چهار گزینه را ببینیم:
- IP یا چیپلت ها را به یکی از فروشندگان SoC عرضه کنید. این رویکرد دارای مزیت نیاز سرمایه نسبتاً کم است. به مشتری خود اجازه دهید پرداخت به TSMC را انجام دهد. مشتریان زیادی وجود دارند که قصد دارند SoC بسازند. در حالی که بسیاری ممکن است بخواهند همه چیز را در خانه انجام دهند، بسیاری از آنها احتمالاً در صورت لزوم کمک می گیرند.
- یک صندوقچه جنگی بزرگ (واقعاً بزرگ) بسازید و به دنبال بازار مرکز داده بروید. این یک تلاش چالش برانگیز به دلایل مختلف است، نه تنها به این دلیل که تعداد مشتریان محدود است، اما پاداش‌های بالقوه آن بسیار زیاد است.
- یک دستگاه لبه جدید پیدا کنید که می تواند از یک راه حل مناسب بهره مند شود. تغییر تمرکز از تلفن و لپ تاپ به دوربین، ربات، سیستم های صنعتی و غیره. این مسیر نیز آسان نیست. برخی از این دستگاه ها بسیار ارزان هستند و بنابراین نمی توانند تراشه هایی با ASP های بالا را در خود جای دهند. چند سال پیش، ما طرح‌های بسیاری را برای شرکت‌هایی که به دنبال هوش مصنوعی کم مصرف روی دوربین‌ها و پهپادها بودند، مشاهده کردیم. تعداد بسیار کمی زنده مانده اند.
- در نهایت، خودرو، امید بزرگ کل صنعت وجود دارد. این بازار هنوز به شدت پراکنده و تا حدودی مبهم است. پنجره ورود گسترده نیست، اما فرصت قابل توجهی است.
علاوه بر این، ما باید بازار را تجزیه کنیم. کاربران به پردازش استنتاج در محیط های لبه و ابری نیاز دارند. استنتاج ابر مشروط به تقاضای مرکز داده خواهد بود. کل بازار نیمه هادی های مرکز داده امروزه تقریباً 50 میلیارد دلار است (بدون احتساب حافظه، که مسلماً یک استثناء قابل توجه است). این بازار استنتاج نه تنها بزرگ است بلکه کاملاً پراکنده است.
این نشان می‌دهد که بازار استنتاج Edge احتمالاً بسیار پراکنده باقی خواهد ماند. یک رویکرد عمل‌گرایانه این است که فرض کنیم برای دسته‌های موجود، مانند تلفن‌ها و رایانه‌های شخصی، سیلیکون هوش مصنوعی توسط شرکت‌هایی که قبلاً تراشه‌هایی برای آن دستگاه‌ها ارائه می‌کنند، مانند کوالکام و اینتل/AMD عرضه می‌شود.
به طور خلاصه، بازار هوش مصنوعی تا حد زیادی از قبل صحبت شده است. این بدان معنا نیست که تمام امیدها برای کسانی که سرمایه گذاری می کنند از بین رفته است، اما شرکت ها باید در انتخاب بازارها و مشتریان خود بسیار متمرکز و بسیار عاقلانه باشند.
یک سوال غالب در حوزه هوش مصنوعی میزان قدرت محاسباتی مورد نیاز برای اجرای آخرین مدل های زبان بزرگ (LLM) مانند GPT و Stable Diffusion است. علاقه قابل توجهی به اجرای این مدل‌ها بر روی سبک‌ترین ردپای محاسباتی ممکن وجود دارد و جامعه منبع باز در یک دوره نسبتاً کوتاه پیشرفت‌های چشمگیری داشته است.
چرا مهم است: بسته به اینکه از چه کسی بخواهید، بازار نیمه هادی های هوش مصنوعی چیزی بین چند میلیارد تا بی نهایت دلار تخمین زده می شود. وقتی نوبت به این مقوله می‌رسد، ما کاملاً در حوزه انتظارات بالا هستیم و تعیین تخمین‌های دقیق‌تر اندازه بازار برای گروه بزرگی از افرادی که در سال آینده تصمیم‌های سرمایه‌گذاری می‌گیرند، بسیار مهم است.
آیفون به‌عنوان یک نمونه بارز عمل می‌کند و بخش قابل توجهی از تراشه را به هسته‌های هوش مصنوعی در پردازنده‌های سری A خود اختصاص می‌دهد. بر اساس برخی معیارها، محتوای هوش مصنوعی در حال حاضر 20٪ از تراشه های سری A را اشغال می کند، که وقتی اذعان کنیم که 80٪ باقی مانده باید همه عملکردهای دیگر را در تلفن اجرا کند، قابل توجه است. بسیاری از شرکت‌های دیگر نیز استراتژی‌های SoC AI را اتخاذ می‌کنند.
انویدیا احتمالاً سهم بزرگی از این را در حال حاضر دارد، احتمالاً بیشترین سهم، با توجه به اینکه مقدار قابل توجهی از کار هوش مصنوعی بر روی پردازنده‌های گرافیکی انجام می‌شود. AMD نیز این بازار را هدف قرار داده است، اما آنها به طور قابل توجهی از Nvidia عقب تر هستند. علاوه بر این، این منطقه ای است که هایپراسکیلرها بسیاری از تراشه های اختصاصی خود را به کار می گیرند – AWS در Inferentia و Google در TPU، برای نام بردن از یک زوج. شایان ذکر است که بسیاری از این کارها هنوز بر روی CPU ها انجام می شود، به خصوص با کمبود پردازنده های گرافیکی سطح بالا. پیش بینی می شود این بخش از بازار در آینده قابل پیش بینی به شدت رقابتی باقی بماند. مانند AMD، این بازاری است که سایر فروشندگان CPU، GPU و شتاب دهنده با ترکیبی سالم از محصولات بر سر آن رقابت خواهند کرد.
همانطور که قبلاً گفته شد، در حال حاضر انجام پیش بینی های قابل اعتماد برای اندازه بازار سیلیکون هوش مصنوعی بسیار دشوار است. ابهام پیرامون استفاده عملی از LLM و سایر مدل‌ها برای کار واقعی به این وضعیت کمک نمی‌کند. سپس سؤالاتی در مورد اینکه چه چیزی و چگونه باید حساب کرد وجود دارد. به عنوان مثال، اگر یک hyperscaler چند صد هزار پردازنده بخرد، که شبکه های عصبی و همچنین بارهای کاری سنتی را اجرا می کند، یا اگر فردی چند ده میلی متر مربع بلوک هوش مصنوعی را به SoC خود اضافه کند، چگونه آنها را حساب کنیم؟ در حال حاضر، تخمین تقریبی ما نشان می‌دهد که بازار سیلیکون هوش مصنوعی حدود 15 درصد برای آموزش، 45 درصد برای استنتاج مرکز داده و 40 درصد برای استنتاج لبه را شامل می‌شود.
یادداشت ویراستار:
نویسنده مهمان، جاناتان گلدبرگ، بنیانگذار D2D Advisory، یک شرکت مشاوره چند منظوره است. جاناتان استراتژی‌های رشد و اتحادهایی را برای شرکت‌هایی در صنعت موبایل، شبکه، بازی و نرم‌افزار ایجاد کرده است.
آیا تمرکز هوش مصنوعی انویدیا برای گیمرها بد است؟
در حال حاضر، جهان بر موقعیت مسلط انویدیا در بازار متمرکز شده است، اما مهم است که کمی بیشتر به این موضوع بپردازیم. انویدیا به وضوح پیشرو در بازار تراشه های آموزشی است، اما این تنها حدود 10 تا 20 درصد از تقاضا برای تراشه های هوش مصنوعی را تشکیل می دهد. بازار بسیار بزرگتری برای تراشه‌های استنتاج وجود دارد که مدل‌های آموزش دیده را تفسیر می‌کنند و به پرسش‌های کاربر پاسخ می‌دهند. این بخش بسیار بزرگتر است و هیچ نهاد واحدی، حتی انویدیا، قفلی در این بازار ندارد.