Индустрия

Google разрабатывает ИИ-чип, который может быть в 10 раз энергоэффективнее нынешних TPU

Google работает над новым специализированным процессором для искусственного интеллекта под внутренним названием Frozen v2. По данным источников, новый чип сможет выполнять ИИ-запросы с энергопотреблением в 6–10 раз ниже, чем современные ускорители Google TPU. Если разработка будет завершена успешно, такие процессоры могут начать использоваться уже в 2028 году, передает Tech-news.

Чип создают специально для Gemini

В отличие от традиционных ускорителей GPU и TPU, которые способны запускать самые разные модели искусственного интеллекта, Frozen v2 разрабатывается под конкретную архитектуру.

Инженеры Google планируют встроить особенности языковой модели Gemini непосредственно в аппаратную часть процессора. Благодаря этому чипу не придется выполнять часть вычислений, которые обычно происходят программно.

Такой подход должен сократить энергопотребление и ускорить обработку запросов.

Почему Google понадобился новый процессор

Одной из причин разработки называют стремительно растущий спрос на вычислительные мощности.

По информации источников, подразделение Google Cloud уже сталкивалось с ситуациями, когда было вынуждено отказываться от некоторых контрактов из-за нехватки доступной ИИ-инфраструктуры.

Более энергоэффективные процессоры помогут увеличить производительность дата-центров без пропорционального роста энергопотребления.

Не замена TPU, а дополнение

В Google подчеркивают, что Frozen v2 не заменит существующие TPU.

Компания продолжит развивать универсальные ускорители для обучения и запуска различных моделей искусственного интеллекта, а новый чип будет использоваться в задачах, где особенно важны максимальная скорость обработки запросов и минимальное энергопотребление.

Если проект окажется успешным, Google может стать одной из первых компаний, которая начнет массово использовать специализированные ИИ-процессоры, оптимизированные под конкретную языковую модель, а не универсальные вычисления. Это позволит значительно повысить эффективность работы AI-инфраструктуры на фоне стремительного роста спроса на вычислительные ресурсы.

Shares:

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *