Согласно материалу MIT, с развитием искусственного интеллекта в различных отраслях и в сфере национальной безопасности важно понимать последние возможности аппаратного обеспечения для поддержания технологического преимущества. Ускорители ИИ — это специализированные системы, предназначенные для ускорения таких возможностей, как нейронные сети, глубокое обучение и машинное обучение, и они стали важной областью разработки на протяжении почти десяти лет. С 2018 года команда Лаборатории суперкопьютеров Линкольн (LLSC) проводит Опрос по вычислениям ИИ Линкольна (LAICS). За шесть публикаций LAICS продолжает обобщать текущие коммерческие ускорители ИИ и сравнивать их пик производительности и пик мощности. «Около восьми лет назад мы заметили резкий рост числа исследовательских ускорителей ИИ, описанных в научных статьях, и анонсируемых коммерческих ускорителей, и начали получать вопросы об этом от государственных спонсоров работы лаборатории. Это стало достаточной мотивацией для начала опроса», — говорит Альберт Рютер, сотрудник LLSC, который управляет и оптимизирует высокопроизводительные вычислительные системы, используемые тысячами исследовательских сотрудников лаборатории. Хотя ускорители ИИ часто используются для процессов, таких как машинное обучение, они также могут поддерживать другие параллельные приложения, такие как моделирование функций молекул и ускорение симуляций динамики жидкостей — процессы, которые требуют значительных вычислительных ресурсов. Технология ускорителей ИИ может принимать различные формы: центральные процессоры (ЦП), графические процессоры (ГП), интегральные схемы специального назначения (ASIC), программируемые вентильные матрицы (FPGA) и ускорители потоковых данных. Каждый тип ускорителя имеет несколько разные возможности. ЦП могут использоваться для общих вычислений, в то время как ASIC могут выполнять только очень специфические задачи. Ускорители потоковых данных, FPGA и ГП более гибкие и могут быть настроены для различных рабочих нагрузок. Эффективность и производительность варьируются в зависимости от того, как они спроектированы. Цель LAICS — провести обзор технологий, доступных на рынке, и сравнить их, чтобы найти лучшие ускорители для определенных нужд. Под руководством Рютера команда LAICS включает членов LLSC Майкла Джонса, Питера Михалеаса, Джереми Кепнера и Виджая Гадепалли. Команда также сотрудничает с исследователями из Лаборатории Линкольна, включая Отдел передовых технологий и Отдел разведки, наблюдения и рекогносцировки, чтобы узнать, как ускорители поддерживают исследования и разработки для их миссий. Первая статья в их серии изучила 57 ускорителей, в то время как последняя рассмотрела более 120 ускорителей. Основные метрики, которые команда использует для сравнения ускорителей, — это пик производительности и мощности; затем они сортируют ускорители по тому, находятся ли они на чипе, плате или системе. Все данные в статьях получены из открытых источников, что может быть сложно, так как некоторые компании предпочитают держать свои данные о производительности и мощности в секрете. Чтобы оставаться в курсе последних событий в этой области, Рютер проводит ежедневные поиски новостей и цитат, которые сообщают о новых технических пресс-релизах, анонсах компаний и презентациях в отрасли. «Меня продолжает удивлять, как каждый год появляется еще пять-десять новых стартапов, которые получают финансирование и анонсируют новые ускорители ИИ», — говорит Рютер. «Можно было бы подумать, что рынок уже насыщен, но затем появляется новая партия инновационных ускорителей». В дополнение к обобщению производительности по сравнению с пиковой мощностью текущих ускорителей, каждая статья исследует новый аспект этой области. Например, статья, опубликованная в 2022 году, изучала источники увеличения производительности, обнаружив, что они происходят от более мелких, плотных транзисторных конструкций и использования более низкой числовой точности (т.е. вычисления меньшего числа значащих цифр). Последняя статья проанализировала различные архитектурные решения, исследуя, как добавление определенных компонентов, таких как большее количество ядер на процессор или параллельная производительность, изменит систему. Рютер планирует продолжать опрос в обозримом будущем, заявляя, что всего за последние несколько месяцев шесть новых стартапов анонсировали свои первые ускорители ИИ. «ИИ и аппаратное обеспечение, на котором он работает, являются такими горячими темами, и важно, чтобы Лаборатория Линкольн оставалась беспристрастным техническим советником по выбору и разработке правильных технологий», — говорит Рютер. «Наши опросы ускорителей ИИ помогли многим спонсорам и государственным коллегам лучше понять рынок ускорителей ИИ и принимать более обоснованные решения о исследованиях и приобретениях. Этот опрос также оказался очень ценным для определения, какие ГП мы должны рассматривать для предстоящих закупок систем LLSC, так что это приносит пользу не только нашим спонсорам и программам миссий, но и всем пользователям LLSC. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.