(Foto: MotionArray/gnepphoto)
U AI industriji najviše pažnje obično dobivaju modeli poput ChatGPT-a, Geminija ili Claudea. No stvarna bitka ne vodi se samo na razini softvera, nego i na razini hardvera. Upravo zato novi AI čip koji je nedavno predstavljen nije samo još jedan tehnološki proizvod, nego potencijalno važan signal u smjeru u kojem ide cijela industrija.
AI modeli su danas većinom ograničeni računalnom snagom, energijom i brzinom obrade podataka. Novi čip pokušava riješiti upravo te probleme i to specijaliziranim dizajnom koji je optimiziran isključivo za AI zadatke.
Zašto su AI čipovi toliko važni?
Klasični procesori (CPU) nisu dizajnirani za masovne paralelne izračune koje zahtijeva umjetna inteligencija. Zato su se u AI industriji standardno koristili GPU-ovi, a danas sve više i specijalizirani AI akceleratori.
Problem je što čak i GPU-ovi imaju granice kada se radi o velikim jezičnim modelima i generativnoj AI. Troše puno energije, generiraju toplinu i zahtijevaju kompleksnu infrastrukturu. Novi AI čip pokušava optimizirati upravo te slabosti kroz arhitekturu koja je od početka dizajnirana za neuronske mreže, a ne za opće računalne zadatke.
Što ga razlikuje od klasičnih GPU-ova?
Glavna razlika leži u načinu obrade podataka. Dok GPU obrađuje širok spektar grafičkih i računalnih operacija, AI čip je fokusiran na matrice, vektore i operacije koje dominiraju u strojnome učenju.
To u praksi znači:
- bržu obradu AI modela
- manju potrošnju energije po operaciji
- veću skalabilnost za treniranje modela
- bolju optimizaciju za inference (korištenje modela u stvarnom vremenu)
U jednostavnijim terminima: više AI snage uz manje resursa.
Kako funkcionira novi pristup?
Iako se detalji razlikuju ovisno o proizvođaču, većina novih AI čipova dijeli nekoliko zajedničkih principa.
Prvi je paralelizacija na ekstremnoj razini. Umjesto da se zadaci izvode sekvencijalno, čip istovremeno obrađuje ogromne količine podataka kroz specijalizirane jedinice.
Drugi je memorijska blizina. Jedan od najvećih uskih grla u AI sustavima nije sama računica, nego premještanje podataka između memorije i procesora. Novi dizajni pokušavaju smanjiti tu udaljenost.
Treći je optimizacija za određene formate podataka, poput niskopreciznih brojeva (npr. FP16 ili INT8), koji su dovoljno točni za AI, ali značajno brži za obradu.
Tko najviše profitira od ovakvih čipova?
Najveći dobitnici su velike AI kompanije i cloud provideri koji treniraju i hostaju modele na globalnoj razini. Za njih i mali pomak u učinkovitosti znači milijunske uštede u energiji i infrastrukturi.
No indirektno, korist mogu vidjeti i krajnji korisnici. Brži i učinkovitiji čipovi znače:
- brže odgovore AI sustava
- jeftinije AI servise
- mogućnost pokretanja naprednih modela na manjim uređajima
Sljedeća faza?
Jedan od ključnih trendova koji se otvara s novim generacijama čipova je “edge AI” – pokretanje modela direktno na uređajima poput laptopa, mobitela ili even IoT sustava.
To znači da AI više ne mora nužno “ići u oblak” da bi radio kompleksne zadatke.
Ako se ovaj trend nastavi, mogli bismo vidjeti AI koji je:
- brži
- privatniji
- i manje ovisan o internetu
Pomaci koji mogu promijeniti industriju
Novi AI čip nije samo tehničko poboljšanje, nego dio šire promjene u kojoj se AI industrija pomiče iz faze softverske inovacije u fazu hardverske optimizacije.
Dok se većina javne pažnje fokusira na modele i chatbotove, prava utrka odvija se u pozadini, u siliciju, arhitekturi i energetici.
I upravo tamo se odlučuje koliko će AI uopće moći napredovati u sljedećem desetljeću.
