チップ不足は人工知能にどれほどの損害を与えるでしょうか?

チップ不足は人工知能にどれほどの損害を与えるでしょうか?

現在の半導体サプライチェーンのボトルネックの根本的な原因は何年も前から潜んでいたが、COVID-19パンデミックによってその問題が表面化した。 2020年2月の予測で、セミコンダクター・エンジニアリングは、通常、旧式で低速のチップに使用される200mmウエハーで作られたチップ工場設備の需要が供給を上回りそうだと警告した。

[[430364]]

最速のチップを必要とせず、200mm ウェハで製造できるモノのインターネット (IoT) デバイスの需要の急増は、チップの需給不均衡の根本的な原因としてよく挙げられます。急成長しているモノのインターネット(IoT)業界は、あらゆるサイズのチップの需要の急増を引き起こしている一方で、チップの生産はさらに遅れています。ウォール・ストリート・ジャーナルの記事によると、チップの納入サイクルは2021年第3四半期に22週間に達し、2020年末の13週間のほぼ2倍になったという。これは、当社が2013年に業界の監視を開始して以来、最も長い納期でもあります。自動車に使用されるマイクロコントローラーを含む他の特定の種類のチップの納期は最大 32 週間です。これが、過去1年間で中古車価格が21%上昇した根本的な要因です。

世界的なチップ不足は人工知能にも影響を及ぼし始めている。コンピューター ビジョンや NLP (自然言語処理) などの多くの AI モデルは、モデルのトレーニングに強力な GPU に依存しています。そのため、チップ工場が旧式の低速チップの生産に苦戦している一方で、GPU のようなハイエンドチップも不足しています。

GPU大手のNvidiaのCEO、ジェンスン・フアン氏は、同社がサプライチェーンの制約に直面していると警告した。 Nvidia の GPU 生産はアジアのチップ工場に依存しています。 「現在の見通しでは、需要が非常に大きいため、来年の大半は供給が逼迫するだろう」と黄氏は、同社が決算発表を行った後の8月15日のアナリストとの電話会議で述べた。

世界では企業のデジタル変革戦略が加速しており、人工知能アプリケーションの需要が急速に高まっています。これにより、新興分野である人工知能をターゲットにした新しいチップ設計のブームも引き起こされました。

設立4年の人工知能スタートアップ企業であるSambaNova Systemsの評価額は50億ドル以上である。同社は、ローカルデータフロー処理とプログラム可能なアクセラレーションを提供するように設計された次世代プロセッサであるReconfigurable Dataflow Unit (RDU: Reconfigurable Dataflow Unit) の製造に7nm (ナノメートル) プロセスを使用する契約をTSMCと締結しました。 RDU は、事前構成されたラックで販売されるか、SaaS (Software-as-a-Service) 配信方法を通じて API として提供されます。

高速ハードウェアはサンバノバのAIへの取り組みの一部に過ぎないと、同社のCEO兼共同創設者であるロドリゴ・リャン氏は語った。成功する AI ソリューションの開発には、他にも多くの要素が関係していると彼は述べた。

チップ不足により、業界はコンピューティング効率に重点を置くようになりました。エンドユーザーは、この効率性のメリットを享受するために、コモディティ コンポーネントではなく AI 固有のソリューションにますます目を向けるようになっています。 AI はチップだけでは解決できないシステムの問題です。AI プロジェクトを正常に実稼働させるには、エンドユーザーが AI をワークフローやアプリケーションに統合できる必要があります。個々のコンポーネント (チップなど) と自己統合ソリューションを蓄積することは、時間と費用のかかる作業であり、ほとんどの組織には必要な重要なスキルと専門知識が欠けています。

チップ不足に加えて、同様に重要な問題は AI 人材の不足です。 「現在、AI の才能を持つ人材のほとんどは大手テクノロジー企業で働いています」と Liang 氏は言います。「AI の公平性をさらに普遍的に実現するには、AI の実装と拡張に必要な専門知識をエンドユーザーが習得するためのハードルを下げる、使いやすい製品を業界が提供しなければなりません。」

確かに、私たちは興味深い時代に生きています。 IoTデバイスの爆発的な増加、在宅勤務の必要性、チップ工場自体の生産能力不足などが相まって、チップの需要が供給を上回っています。

しかし、危機はチャンスにもなり得ます。処理能力が限られている場合、革新的な企業はその制限を回避する方法を見つけるでしょう。企業は新たな半導体工場を建設するために数千億ドルを投じることを約束した。多くの中国企業もチップの研究開発および生産産業への投資を開始している。この危機は、今後数年間で業界がさらなる革新を起こすよう促すことになるだろう。

<<:  科学技術史上最も爆発的な組み合わせ「メタバース + ブレイン・コンピューター・インターフェース」、私たちはそこからどれくらい遠いのでしょうか?

>>:  中国科学院自動化研究所は、科学サブジャーナル「自己組織化バックプロパゲーションがネットワーク学習効率を向上」を出版した。

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

2023 年の IT ネットワーク トレンド トップ 10

2023 年には、IT ネットワーキング分野でいくつかの重要なトレンドが流行するでしょう。大まかに...

ResNet仮説は覆されたか? Redditの人:長年誰もその原理を理解していなかった

[[429626]] 2015 年に、画期的なニューラル ネットワーク モデル ResNet がリ...

Google は人工知能の分野で「堀」を持っていないのでしょうか?

少し前、匿名の人物が、Google 社内の研究者による研究メモを Discord プラットフォームに...

NLP モデルは人間のレベルを超えるか?大きな詐欺に遭ったかもしれない

[[276457]]ビッグデータダイジェスト制作出典: thegradient編纂者:張瑞怡、呉帥、...

私たち全員が失業するかもしれない:今後10年間でほぼすべての仕事が変化する

[[248203]]バイオテクノロジーの進歩により、人間の寿命は今後も延び続け、社会の家族構成、結婚...

ルーティングテーブルとルーター選択アルゴリズム

標準ルーティングテーブル1.次駅経路選定の基本的な考え方ルーティング テーブルは、宛先までの完全なパ...

人工知能と機械学習とデータ分析の違いは何ですか?

調査によると、人工知能はビジネスの生産性を 54% 向上させることができます。さらに、15% の組織...

機械学習の応用シナリオは数多くありますが、金融分野での違いは何でしょうか?

[[241804]]ビッグデータダイジェスト制作編纂者:大迪、彭耀慧、茶曦、唐元、夏亜偉金融の世界...

TensorRT が顔認識を高速化する方法

[[329844]]顔認識のリアルタイム パフォーマンスを向上させるために、私たちのチームは従来のニ...

データ収集からディープラーニングまで(メリットも含む)

[[204864]]機械学習 (ML) は、確率論、統計、近似理論、凸解析、アルゴリズム複雑性理論...

AI導入によるエッジインテリジェンスの強化

エッジに AI を導入すると、強力なリアルタイム分析と処理を実現できる可能性があります。使用例には、...

...

...

Google DeepMindがAGIをランク付け、ChatGPTのランクはどこになるか推測してください

AGI(汎用人工知能)をどのように定義すればよいでしょうか? 100 人の AI 専門家に答えを尋ね...

...