Китайское правительство нацелилось на разработку собственного ускорителя для нейронных сетей, который должен в 20 раз превзойти американский Tesla M40. Разберёмся, насколько амбициозна эта задача и какие препятствия стоят на пути.
Стратегия Китая в развитии искусственного интеллекта
Китайское руководство поставило перед собой агрессивный план развития технологий ИИ. К 2023 году страна должна была выйти на уровень США по ключевым показателям, а к 2030 году стать мировым лидером в этой сфере. Достичь таких результатов простыми методами невозможно, поэтому в число приоритетов вошла разработка собственного специализированного ускорителя для работы с нейронными сетями.
Tesla M40: базовая архитектура и характеристики
Чтобы понять масштаб поставленной задачи, необходимо разобраться с техническими параметрами существующего решения Nvidia. Tesla M40 построена на базе GPU GM200 архитектуры Maxwell, выпускаемого по 28-нанометровому техпроцессу. Процессор содержит 3072 ядра CUDA и интегрирует 8 млрд транзисторов.
Производительность Tesla M40 достигает 6,8 TFLOPS в режиме вычислений с одинарной точностью (FP32). Это далеко не самый передовой GPU от Nvidia, однако его разработка требовала огромного опыта и ресурсов.
Невероятная цель: 136 TFLOPS против реальности
Если китайский ускоритель должен быть в 20 раз мощнее Tesla M40, то его производительность должна составить примерно 136 TFLOPS. Для сравнения: даже флагманский Tesla V100, который существенно превосходит M40, демонстрирует производительность всего лишь 15 TFLOPS. Это наглядно показывает, насколько сложно достичь поставленных показателей — необходимо почти в 9 раз превзойти лучшее современное решение Nvidia.
Как именно Китай планирует решить эту задачу и на какие технологические решения он рассчитывает, пока остаётся неясным.
Cambricon: локальная альтернатива
С другой стороны, китайская компания Cambricon уже представила серверные решения, позиционируемые как конкурент ускорителям Nvidia. Однако точные характеристики производительности этих систем и эталоны сравнения с продуктами Nvidia до сих пор не раскрыты. Это затрудняет объективную оценку того, насколько серьёзным конкурентом являются разработки компании на данный момент.
