A Future e seus parceiros de distribuição podem receber uma comissão quando você compra por meio de links em nossos artigos
Crédito: Getty Images/MF3d
A startup chinesa Zhonghao Xinying está oferecendo uma unidade de processamento de tensor de uso geral (GPTPU) desenvolvida internamente como alternativa à placa gráfica da Nvidia e à TPU do Google como alternativa ao treinamento internacional de IA e hardware de inferência, conforme relatado pelo South China Morning Post. Diz-se que esses chips ASIC são 1,5 vezes mais rápidos do que o lançamento 2020 A100 da Nvidia baseado em sua arquitetura Ampere.
Embora esteja vários anos e gerações atrás da sua concorrência internacional em termos de capacidades de hardware recentes, mostra a crescente concorrência pelo poder de computação global e como a China pode ter um caminho para a futura independência do silício, à medida que explora os designs tradicionais de GPU e ASIC como alternativas.
O chip “Gana” foi desenvolvido na empresa por Yanggong Yifan, que já estudou engenharia elétrica em Stanford e na Universidade de Michigan. Ele trabalhou em arquitetura de chips no Google e na Oracle, definindo diversas gerações de TPUs do Google. O cofundador Zheng Hanxun trabalhou anteriormente nas instalações de pesquisa e desenvolvimento de eletrônicos da Oracle e da Samsung no Texas.
Eles afirmam que a nova TPU usa apenas propriedade intelectual independente para o design original e não depende de empresas ocidentais, pilhas de software ou componentes de desenvolvimento, design ou fabricação.
“Nossos chips não dependem de nenhuma licença de tecnologia estrangeira, garantindo segurança e sustentabilidade a longo prazo do nível arquitetônico”, disse Jinying, citando o SCMP no início deste ano, destacando sua percepção de que a segurança nacional está agora intimamente ligada ao acesso a semicondutores.
Eles afirmam que o chip de Gana é capaz de oferecer 1,5 vezes o desempenho do A100 da Nvidia, além de “usar um processo de fabricação que pode reduzir o consumo de energia em 75 por cento, o que é uma ordem de magnitude menor do que os principais chips GPU estrangeiros”.
Se for verdade, isso seria um feito impressionante, mas não inédito para um ASIC, um chip desenvolvido especificamente que se destaca em funções específicas, removendo todos os elementos computacionais desnecessários encontrados em silício de uso geral, como GPUs.
Ainda assim, se este design de TPU chinês estiver próximo do que afirmam, deve ser bastante poderoso. O A100 era hardware de última geração há cinco anos, embora 1,5 vezes esse desempenho ainda colocaria Gana atrás do design Hopper de 2022 e muito atrás do hardware Blackwell Ultra mais recente.
Mas para um mercado chinês que ainda trafica essas GPUs antigas? Isso poderia ser suficiente.
Tudo isso chega em um momento interessante para a indústria de chips de IA. Embora a Nvidia tenha sido uma força dominante e a face da indústria no ano passado, o recente anúncio do Google de começar a alugar e depois vender seu próprio silício TPU para a Meta abriu a possibilidade e o conceito de concorrência direta. É um acordo insignificante, embora valha milhares de milhões, mas a opção aparece no Ocidente, tal como acontece no Oriente, à medida que a China pressiona por mais produção doméstica de chips e apoio através de cenouras de subsídios à energia e restrições de quotas obrigatórias.
As GPUs desenvolvidas pela Nvidia e, em menor grau, pela AMD, provavelmente continuarão sendo o método mais versátil para treinar IA por algum tempo, mas ASICs como as TPUs do Google, e talvez até de empresas similares, podem oferecer uma alternativa atraente para empresas que buscam se libertar do quase monopólio da Nvidia.
Ou apenas tenha acesso ao hardware. Os preços da memória, a escassez de silício e as barreiras comerciais podem impedir o acesso da sua empresa às GPUs de que necessita. Na sua ausência, os ASICs não comprovados podem ser uma alternativa viável.
Crédito: Futuro
Seguir Hardware do Tom no Google Notíciasou Adicione-nos como fonte preferencialReceba nossas últimas notícias, análises e análises em seu feed.
