Saját, szupererős chipen dolgozhat a Microsoft
A Microsoft az elmúlt hónapokban érezhetően a mesterséges intelligenciára (MI) helyezte a fókuszt: befektetett a ChatGPT-t fejlesztő OpenAI-ba, a chatbot mögötti technológiával pedig felturbózta a Bing keresőjét, és a tervek szerint még több szolgáltatásba építik majd be a későbbiekben.
A jelek szerint nem csak szoftveres, hanem hardveres fronton is végez MI-fejlesztéseket a Microsoft. A The Information ugyanis két, névtelen forrásra hivatkozva azt állítja, a cég kifejezetten a bonyolult MI-technológiákat futtató és tanító, erős chipen dolgozik, Athena kódnéven.
A lap szerint a fejlesztés nem új keletű, már 2019 óta dolgozik rajta a Microsoft – ekkor eszközölte az első, még kisebb befektetését is az OpenAI-ba a techóriás.
A chipet állítólag titokban, a színfalak mögött teszteli a Microsoft és az OpenAI munkatársainak kis csoportja, és kifejezetten az MI-technológiákhoz készül – a hagyományos számítógépekben tehát nem fog megjelenni.
A Microsoft ezzel a lépéssel vélhetően más, MI-chipgyártóktól függetlenedne: a piac legnagyobb szereplője az Nvidia, ami 10 000 dolláros (körülbelül 3 millió 416 ezer forintos) áron kínálja az A100 nevű chipjét, ami az adatközpont-piac jelentős részét tudhatja magáénak. Van egy fejlettebb, H100 nevű chipje is az Nvidiának, ami még nagyobb teljesítményre képes, még drágábban – a chipgyártó állítása szerint az OpenAI és a Stability AI is részben ezzel képezte a jelenlegi MI-modelljeit, de a futtatásukra is használnak ilyet.
Mint a Gizmodo hozzáfűzi, a Google is dolgozik egy hasonló, saját MI-chipen: a cég nemrég osztott meg részleteket a saját, Tensor Processing Unit-alapú szuperszámítógépeiről. A vállalat elmondása szerint néhány ezer ilyen chipet kapcsoltak össze, hogy így létrehozzanak egy gépi tanuláshoz használatos szuperszámítógépet, ami a PaLM-modell képzésére, és a Bard nevű, mesterséges intelligencia-alapú kereső létrehozására használtak.
A saját chipnek olyan előnye is lehet, hogy házon belül készülne a szoftver és a hardver is, melyeket így jobban lehetne optimalizálni egymáshoz.
