Կիսահաղորդիչների արդյունաբերության պատմությունը երկար ժամանակ կապված է եղել Մուրի օրենքի ռիթմիկ, գրեթե սրտխփոցի նման հաջորդականության հետ: Տասնամյակներ շարունակ այն թեզը, որ տրանզիստորների քանակը կրկնապատկվում է մոտավորապես յուրաքանչյուր երկու տարին մեկ, ծառայել է որպես համաշխարհային տնտեսության թվային վերափոխման հիմնարար ճարտարապետություն: Սակայն, քանի որ մենք հասել ենք սիլիցիումի ֆիզիկական հնարավորությունների սահմանին, արդյունաբերությունը բախվել է «գործընթացային պատնեշի»: IBM-ի վերջին նվաճումները ցույց են տալիս, որ մենք ոչ թե պարզապես մոտենում ենք վերջնագծին, այլ թևակոխում ենք բարձր խտության հաշվարկների նոր դարաշրջան, որը խոստանում է առնվազն ևս մեկ տասնամյակով երկարաձգել ավանդական սանդղավորման կյանքի տևողությունը:

Մարդկային եղունգի չափ ունեցող հիմքի վրա հաջողությամբ տեղադրելով 100 միլիարդ տրանզիստոր՝ IBM-ն արդյունավետորեն կրկնապատկել է ընդամենը մի քանի տարի առաջ սահմանված իր նախորդ բարձրագույն ցուցանիշը: Սա ոչ միայն նվաճում է նյութագիտության մեջ, այլև վճռորոշ շրջադարձային կետ ձեռնարկատիրական մակարդակի արհեստական բանականության և լայնածավալ տվյալների մշակման ապագայի համար:

Հաջորդ սերնդի հաշվարկների ճարտարապետությունը

Այս առաջընթացի հիմքում ընկած է նանոմետրային մասշտաբով կառուցվածքային երկրաչափության մեր մոտեցման հիմնարար փոփոխությունը: Տրանզիստորների նման ծայրահեղ խտության հասնելը հազվադեպ է լինում միայն փոքրացման արդյունք. խոսքը վերաբերում է ջերմարտադրության և էլեկտրական արտահոսքի կառավարմանը, որոնք առաջանում են էլեկտրոնների նման խիտ դասավորվածության դեպքում: Նորարարական «gate-all-around» ճարտարապետության և լիտոգրաֆիայի գործընթացների կատարելագործման միջոցով հետազոտողները ստեղծում են չիպեր, որոնք ոչ միայն ավելի արագ են, այլև զգալիորեն ավելի էներգաարդյունավետ:

Ժամանակակից ձեռնարկությունների համար ֆիզիկական սարքավորումների այս թռիչքը վերածվում է ենթակառուցվածքների բարելավման երեք հստակ սյուների.

  • Հաշվողական թողունակություն: Տրանզիստորների ավելի բարձր խտությունը թույլ է տալիս կատարել ավելի բարդ տրամաբանական գործողություններ մեկ տակտային ցիկլում՝ հնարավորություն տալով տեղային սարքերին իրականացնել այնպիսի խնդիրներ, որոնք նախկինում հասանելի էին միայն բարձր ուշացում (latency) ունեցող ամպային սերվերներին:
  • Էներգաարդյունավետության գործակիցներ: Քանի որ «կատարողականություն՝ վատտի դիմաց» ցուցանիշը բարելավվում է, ընկերությունները կարող են իրականացնել ավելի ինտենսիվ գործընթացներ՝ առանց սառեցման ծախսերի կամ ածխածնային հետքի էքսպոնենցիալ աճի:
  • Ուշացման կրճատում: Ինտելեկտը տվյալների աղբյուրին ավելի մոտեցնելով՝ զգալիորեն կրճատվում է բարդ ԱԲ եզրակացություններ (inferences) կատարելու համար պահանջվող ժամանակը, ինչը իրական ժամանակում որոշումների կայացման հիմնական խոչընդոտն է:

«Կոպիտ ուժի» սանդղավորումից «խտության օպտիմալացված» սանդղավորման այս անցումը սարքավորումներ արտադրողների համար ճանապարհային քարտեզ է տրամադրում՝ աջակցելու գեներատիվ մոդելների և իրական ժամանակում վերլուծական համակարգերի անընդհատ աճող պահանջներին:

ROI և խտության բիզնեսը

Երկարաժամկետ թվային ռազմավարության համար պատասխանատու գործարար ղեկավարների համար սարքավորումների այս հանգրվանի նշանակությունը հսկայական է: Մենք շարժվում ենք դեպի մի ժամանակաշրջան, երբ բարդ ԱԲ մոդելներ գործարկելու մուտքի խոչընդոտը կնվազի ոչ թե նրա համար, որ մոդելներն են «հեշտանում», այլ այն պատճառով, որ սարքավորումներն էքսպոնենցիալ կերպով ավելի ընդունակ են դառնում կարգավորելու հիմքում ընկած բարդությունը:

Այս փոփոխության ROI-ն (ներդրումների հետգնումը) բազմաշերտ է: Նախ, դիտարկենք տվյալների կենտրոնների սեփականության ընդհանուր արժեքը (TCO): Եթե ընկերությունը կարողանա նույն էներգաօգտագործման շրջանակում հասնել կրկնակի հաշվողական հզորության, ապա բարձր կատարողականությամբ հաշվարկային (HPC) միջավայրերի հետ կապված գործառնական ծախսերը (OPEX) կսկսեն նպաստել բիզնեսի շահութաբերությանը: Կազմակերպությունները, որոնք ներկայումս պայքարում են «ԱԲ հարկի»՝ GPU-ի հաշվողական ժամանակի հսկայական արժեքի դեմ, կտեսնեն, որ ապագա սարքավորումների ցիկլերը բնական դեֆլյացիոն ճնշում կգործադրեն իրենց ԱԲ ենթակառուցվածքների ծախսերի վրա:

Ավելին, այս խտությունը թույլ է տալիս ավելի մանրամասն, մասնագիտացված ԱԲ գործակալներ ներդնել անմիջապես ստանդարտ CRM կամ ձեռնարկությունների ռեսուրսների պլանավորման (ERP) համակարգերի աշխատանքային հոսքերի մեջ: Ներկայումս շատ բիզնեսներ սահմանափակում են ԱԲ-ի օգտագործումը միայն խմբաքանակային մշակմամբ կամ պարզ ավտոմատացմամբ՝ ուշացման և ծախսերի սահմանափակումների պատճառով: Ավելի խիտ չիպերի դեպքում մենք կարող ենք ակնկալել «մշտապես ակտիվ» ինտելեկտ, որը չի պահանջում ամպային սերվերների հետ կապի անհրաժեշտություն՝ թույլ տալով անխափան ինտեգրում հաճախորդների հետ աշխատող ծրագրերում, որտեղ միլիվայրկյանից պակաս արձագանքման ժամանակը տարբերություն է դնում գնում կատարելու և կայքից դուրս գալու միջև:

Թվային վերափոխման փոփոխության կառավարումը

Սարքավորումների էվոլյուցիան, որին մենք ականատես ենք լինում, եզակի հնարավորություն է ընձեռում ձեռնարկություններին՝ վերանայելու իրենց տեխնոլոգիական սթեքերը (tech stacks): Քանի որ այս բարձր խտության չիպերը լաբորատոր նախատիպերի փուլից անցնում են զանգվածային արտադրության, այն ընկերությունները, որոնք կենտրոնացել են մոդուլային, մասշտաբային ծրագրային ճարտարապետության վրա, լավագույն դիրքերում կլինեն՝ օգուտ քաղելու համար:

Որդեգրման միտումները ց