Az NVIDIA évek óta koncentrál a gépi tanulásra, és ezt a kalandot a GPU-kkal kezdték meg. Több éve persze ez egy fejlődő piac volt, míg ma egyre több célhardver érkezik a gépi tanulás tréning és dedukció szakaszára. Ennek a vezető oka az, hogy a feladat nagyjából 95%-ban mátrixszorzásból áll, vagyis egy mátrixszorzásra kifejezetten alkalmas hardver az optimális, és az efféle lapkákat nem is túl nehéz megtervezni, nem véletlen, hogy számos új projektet jelentenek be évről-évre.
Az NVIDIA a célhardverekre nemrég célhardverekkel reagált, így a GPU-kba bekerültek az úgynevezett Tensor magok, amelyek igazából működnek, de problémát is jelentenek. A gond velük csupán annyi, hogy viszonylag sok szilíciumterületet elvesznek, miközben több piacon majdnem teljesen hasztalanok. Arról nem is beszélve, hogy a célhardverek pusztán amiatt előnybe kerülnek, hogy kevésbé vannak általánosra tervezve, az NVIDIA nézőpontjából konkrétan a GPU-khoz viszonyítva.
Azt persze túlzás lenne mondani, hogy a GPU-kba butaság Tensor magokat tartalmazó feldolgozókat építeni, hiszen az NVIDIA így csak a kockázatokat minimalizálta. Persze a lapkaterület egy részét elviszik, de ha nem is használja ezeket a végrehajtókat senki, akkor eladható marad a termék máshova. Mára viszont kiderült, hogy ennek az iránynak van értelme, és úgy tudjuk, hogy az NVIDIA a jövőben igazi célhardverekkel reagálna a konkurensekre.
A fejlődés formája egy picit viccesnek is tűnik, hiszen a GPU-kba nemrég bekerültek a Tensor magok, most pedig a fejlesztések olyan irányba mennek, hogy kikerül mellőlük a GPU, azaz végeredményben maradnak a Tensor magok a chipen belül. Információink szerint az NVIDIA több olyan lapkával is készül, amelyek ténylegesen a gépi tanulásra tréning és dedukció szakaszára készülnek, tehát ezeket a feladatokat el tudják látni, de semmi mást. Persze a célzott szegmensben pont erre van szükség, és bizony érdemes azt is figyelembe venni, hogy egyre több AI célhardver lesz elérhető, amelyek teljesítménye a fogyasztásához mérten rendkívül kellemes. Arról nem is beszélve, hogy az Intel NNP-k, a Huawei Ascend gyorsítók, illetve a Xilinx ACAP konstrukciók igen veszélyesnek tűnnek.
Arról sajnos nem tudtunk meg semmit, hogy mi lesz a GPU-kba épített Tensor magok sorsa. Ezek nyilván meghagyhatók, de bizonyos piacokon a használhatóságuk erősen korlátozott, tehát megfontolandó alternatíva az elhagyásuk, amivel több általános számítási kapacitás építhető egységnyi lapkaterületre. Ha megjönnek az AI célhardverek, akkor utóbbival jobban járhat az NVIDIA.
Sajnos arról sincs még adat, hogy az NVIDIA mikor mutatja be a konkrét termékeket, de a fejlesztés már a vége felé zajlik, tehát hamarosan ráfordulhat a cég a célegyenesre. Onnantól kezdve már csak a gyártás kérdése marad hátra, amivel annyi gond nem szokott lenni.
