30.01.2024  Новости, Искусственный интеллект, Итоги и тенденции, Обзоры рынков, Российские вендоры hardware

Продолжение. Начало тут «ИИ-ориентированность» вычислительной системы определяется сегодня в основном наличием в её составе достаточно мощного графического адаптера с обширной видеопамятью, значительно лучше оптимизированного для обсчёта сложных нейросетей, чем связка «ЦП + классическая подсистема ОЗУ». Справляются ли действующие каналы импорта в Россию с обеспечением достаточных (для удовлетворения имеющегося спроса) объёмов таких комплектующих? Железные основания Как считает Роман Гоц, генеральный директор DатаРу, нейронную сеть можно обсчитать, обучать и развивать на любом «железе»: «Это не так сложно, как кажется. Существует даже теория обучения сеток с использованием мобильных телефонов, то есть на базе крайне распределенной сети небольших вычислителей. В действительности же колоссальный спрос на GPU Nvidia создаётся руками специалистов по Data-science и Data-архитекторов. Они понимают, что обучение сети за минуту существенно ускоряет внедрение ИИ-инструментов». В мире же, указывает эксперт, есть и альтернативные практики: «Например, на подобных Nvidia архитектурах — от IPU Graphcore до совсем экзотических вариантов под узкие вычислительные задачи. Но в России, с учётом стандартов и массовости, альтернативы GPU от Nvidia пока не найти. Каналы импорта и производства локальных решений с использованием данных графических ускорителей не справляются со спросом. Чтобы хоть как-то решить проблему, мы рекомендуем заказчикам смотреть в сторону годовых контрактов с российскими ... читать далее.