ему множество кошек и собак, чтобы он научился их различать. Чем больше животных требует алгоритм, тем больше транзисторов нужно).

Поскольку рабочие нагрузки ИИ часто требуют многократного выполнения одних и тех же вычислений, каждый раз используя разные данные, поиск способа адаптации чипов для алгоритмов ИИ имеет решающее значение для обеспечения их экономической целесообразности. Крупные компании, занимающиеся облачными вычислениями, такие как Amazon и Microsoft, которые управляют центрами обработки данных, на которых работают алгоритмы большинства компаний, ежегодно тратят десятки миллиардов долларов на покупку чипов и серверов. Кроме того, они тратят огромные средства на оплату электроэнергии для этих центров обработки данных. Выжимать из своих чипов максимум эффективности - необходимость, поскольку они конкурируют за право продавать компаниям место в своем "облаке". Чипы, оптимизированные для ИИ, могут работать быстрее, занимать меньше места в дата-центрах и потреблять меньше энергии, чем универсальные процессоры Intel.

В начале 2010-х годов до компании Nvidia - разработчика графических чипов - дошли слухи о том, что аспиранты из Стэнфорда используют графические процессоры Nvidia не только для работы с графикой. GPU были разработаны для работы в отличие от стандартных CPU Intel или AMD, которые обладают бесконечной гибкостью, но выполняют все свои вычисления последовательно. GPU, напротив, рассчитаны на одновременное выполнение нескольких итераций одного и того же вычисления. Вскоре стало ясно, что этот тип "параллельной обработки" может использоваться не только для управления пикселями изображений в компьютерных играх. Он также позволяет эффективно обучать системы искусственного интеллекта. Если центральный процессор подает алгоритму множество данных один за другим, то графический процессор может обрабатывать множество данных одновременно. Чтобы научиться распознавать изображения кошек, центральный процессор будет обрабатывать пиксель за пикселем, в то время как графический процессор может "смотреть" на множество пикселей одновременно. Таким образом, время, необходимое для обучения компьютера распознаванию кошек, значительно сократилось.

С тех пор компания Nvidia делает ставку на искусственный интеллект. С момента своего основания компания Nvidia передала производство на аутсорсинг, в основном в компанию TSMC, и неустанно занималась разработкой новых поколений графических процессоров и регулярным совершенствованием специального языка программирования CUDA, позволяющего легко разрабатывать программы, использующие чипы Nvidia. Поскольку инвесторы делают ставку на то, что центры обработки данных будут требовать все больше графических процессоров, Nvidia стала самой дорогой полупроводниковой компанией Америки .

Однако ее восхождение не гарантировано, поскольку помимо покупки чипов Nvidia крупные облачные компании - Google, Amazon, Microsoft, Facebook, Tencent, Alibaba и другие - начали разрабатывать собственные чипы, специализированные под их вычислительные потребности и ориентированные на искусственный интеллект и машинное обучение. Например, компания Google разработала собственные чипы под названием Tensor processing units (TPU), которые оптимизированы для работы с программной библиотекой TensorFlow компании Google. Арендовать самый простой TPU в дата-центре Google в штате Айова можно за 3 тыс. долл. в месяц, но на сайте цены на более мощные TPU могут достигать более 100 тыс. долл. в месяц. Облако может показаться бесплотным, но кремний, на котором живут все наши данные, вполне реален и очень дорог.

Независимо от того, кто будет побеждать - Nvidia или крупные облачные компании, - почти монопольное положение Intel в области продаж процессоров для центров обработки данных заканчивается. Утрата доминирующего положения была бы менее проблематичной, если бы Intel нашла новые рынки. Однако выход компании в середине 2010-х годов в литейный бизнес, где она попыталась составить серьезную конкуренцию TSMC, оказался неудачным. Intel попробовала открыть свои производственные линии для любых заказчиков, желающих получить услуги по изготовлению микросхем, но потом тихо признала, что модель интегрированного проектирования и производства оказалась не столь успешной, как утверждали ее руководители. У компании были все условия для того, чтобы стать крупным игроком на рынке литейного производства, включая передовые технологии и огромные производственные мощности, но для достижения успеха потребовались бы серьезные изменения в культуре. TSMC была открыта в вопросах интеллектуальной собственности, в то время как Intel была закрыта и скрытна. TSMC была ориентирована на сервис, в то время как Intel считала, что клиенты должны следовать ее собственным правилам. TSMC не конкурировала со своими клиентами, поскольку не разрабатывала чипы. Intel была гигантом отрасли, чьи чипы конкурировали практически со всеми.

Брайан Кржанич, занимавший пост генерального директора Intel с 2013 по 2018 год, публично утверждал: "Последние несколько лет я, по сути, руководил нашим литейным бизнесом" и называл эту работу "стратегически важной". Но это не показалось так заказчикам, которые посчитали, что компания не смогла поставить клиентов литейного производства на первое место. Внутри Intel литейный бизнес не считался приоритетным. По сравнению с производством микросхем для ПК и центров обработки данных, которые оставались высокоприбыльным бизнесом, новое литейное предприятие имело мало поддержки внутри компании. Поэтому за время работы в 2010-х годах литейное производство Intel получило лишь одного крупного заказчика. Оно было закрыто уже через несколько лет.

В 2018 году, когда Intel приближалась к своему пятидесятилетию, наступил упадок. Доля компании на рынке сокращалась. Бюрократия отупляла. Инновации появлялись в других местах. Последней каплей стало нарушение Intel закона Мура, когда компания столкнулась с рядом задержек в реализации запланированных усовершенствований в производственном процессе, которые она до сих пор пытается исправить. С 2015 года Intel неоднократно объявляла о задержках в реализации 10- и 7-нм технологических процессов, в то время как TSMC и Samsung шли вперед.

Компания мало что сделала для того, чтобы объяснить, что именно пошло не так. Уже полдесятилетия Intel объявляет о "временных" задержках в производстве, технические детали которых скрыты в тайне соглашений о неразглашении сотрудниками. Большинство представителей отрасли считают, что многие проблемы компании связаны с тем, что Intel задерживает внедрение инструментов EUV. К 2020 году половина всех инструментов EUV-литографии, финансируемых и развиваемых Intel, была установлена в TSMC. В отличие от этого, Intel только начала использовать EUV в своем производственном процессе.

К концу десятилетия только две компании - TSMC и Samsung - могли производить самые современные процессоры. И для США обе компании были проблемными по одной и той же причине: их местоположение. Теперь все мировое производство передовых процессоров осуществлялось на Тайване и в Корее - совсем рядом с новым стратегическим конкурентом Америки - Китайской Народной Республикой.

 

Часть

VIII

. Китайский вызов

 

Глава 42. Сделано в Китае

 

"Без кибербезопасности нет национальной безопасности", - заявил в 2014 г. генеральный секретарь Коммунистической партии Китая Си Цзиньпин, - " и без информатизации нет модернизации". Сын одного из первых руководителей Коммунистической партии Китая, Си