Intel Outside mentre altre aziende prosperano grazie ai chip AI

Il principale produttore di chip al mondo ha perso un'enorme opportunità nei dispositivi mobili. Ora l'ascesa dell'intelligenza artificiale offre all'azienda un'altra possibilità di mettersi alla prova. Di

• Peter Burrows pagina di archivio

21 giugno 2016

Nel 1997, Andy Grove, allora amministratore delegato di Intel, è diventato uno dei primi titani aziendali ad abbracciare gli insegnamenti del professore della Harvard Business School Clayton Christensen. Sentendo che Intel potrebbe essere scalzata dai rivali di chip per PC con prodotti più economici, Grove invitato Christensen per parlare al suo team dei leader industriali del passato che avevano aspettato troppo a lungo per affrontare le minacce emergenti. Nel giro di pochi trimestri, Intel ha lanciato una linea di chip Celeron di fascia bassa per PC, che ha praticamente distrutto i sogni di aspiranti Intel come Advanced Micro Devices. Il dilemma dell'innovatore evitato.

Vedi il resto del pacchetto

• 50 aziende più intelligenti

Intel non è più un caso di studio sull'adattabilità. Al contrario, ha fiutato nel mercato dei chip mobili utilizzati in smartphone e tablet, di gran lunga la più grande nuova opportunità per i produttori di chip negli ultimi 10 anni. Il 19 aprile, lo stesso giorno in cui ha dichiarato che avrebbe tagliato 12.000 posti di lavoro, Intel ha demolito lo sviluppo di alcuni dei suoi chip Atom mobili nonostante anni di pesanti investimenti. E negli ultimi anni, il più grande produttore di chip del mondo è sembrato indifferente a un altro mercato potenzialmente vasto: quello dei chip progettato per la tecnica di intelligenza artificiale nota come deep learning.

Questa storia faceva parte del nostro numero di luglio 2016

• Vedi il resto del problema
• sottoscrivi

Questo angolo un tempo oscuro della ricerca sull'IA è sbocciato in una delle tendenze più calde della tecnologia (vedi 10 Breakthrough Technologies, maggio/giugno 2013). Le grandi società Internet lo stanno utilizzando per lanciare servizi online che comprendono immagini e parlato, e chip di apprendimento profondo sono stati progettati in droni, auto senza conducente e altri prodotti nell'Internet delle cose tanto agitato. Questo è particolarmente pericoloso per Intel, perché il CEO Brian Krzanich lo ha fatto disse che il futuro dell'azienda dipende dalle sue prestazioni nei big data center e nell'Internet delle cose.

Intel sta solo ora introducendo il suo primo chip progettato specificamente per il deep learning. È una nuova versione del coprocessore Xeon Phi, che funziona in tandem con i microprocessori x86 di punta di Intel. Ma anche se il chip è adatto per molti lavori di deep learning, l'azienda che ha sostanzialmente monopolizzato il mercato dei PC con la sua strategia Intel Inside rimane molto indietro nello sviluppo degli strumenti di programmazione di cui i clienti hanno bisogno con tali chip. La rivale più piccola Nvidia ha stabilito il predominio iniziale offrendo tali strumenti, afferma Bryan Catanzaro, ricercatore senior di Baidu, un grande utente di hardware di deep learning. Quando costruisce questi sistemi, Baidu racchiude quattro volte più chip di Nvidia che di Intel. Intel può essere un attore importante, ma è una questione di concentrazione, dice Catanzaro. Stanno tagliando in molte aree, quindi devi chiederti se hanno la volontà istituzionale.

Finora, il danno finanziario per Intel è minimo. Secondo Tractica, una società di ricerche di mercato, Amazon, Google e altri giganti del cloud acquisteranno chip per un valore di poco più di 133 milioni di dollari per eseguire i loro sistemi di deep learning quest'anno. Questa è una miseria accanto ai ricavi di Intel nel 2015 di $ 56 miliardi. Invece di promettere innovazioni rivoluzionarie, Intel suggerisce che i suoi attuali chip saranno sufficienti per molti lavori e che ha l'abilità ingegneristica per creare nuovi chip man mano che il mercato matura, afferma Catanzaro. E l'azienda è determinata a non concentrarsi sul deep learning escludendo altri approcci di intelligenza artificiale. Dopotutto, i veterani di Intel hanno visto le follie dell'IA prendere piede in passato; temono che il deep learning non sia la panacea che molti ritengono essere. Abbiamo già visto questi cicli in precedenza, afferma Nidhi Chappell, direttore del machine learning per il Data Center Group di Intel.

Intel taglia wafer come questo nei chip della famiglia di prodotti Xeon Phi. I chip sono progettati per gestire attività di deep learning.

Per Nvidia, tuttavia, il deep learning sta iniziando a generare una crescita dei ricavi. Le vendite del primo trimestre dell'azienda alle grandi società cloud sono aumentate del 63%. Con sede vicino a Intel a Santa Clara, in California, Nvidia vendeva i suoi chip di elaborazione grafica (GPU) principalmente ai produttori di PC e console di gioco. Ma ha assunto un ruolo guida nel nascente mercato del deep learning da quando le grandi aziende Internet hanno scoperto quanto bene i chip grafici potrebbero gestire i lavori relativi all'IA. Ora, afferma Nvidia, sta lavorando con 3.500 clienti in settori che vanno dall'automotive al farmaceutico ai servizi finanziari.

Nvidia non è l'unica azienda che cerca di incassare mentre Intel gioca alla grande. Qualcomm sta introducendo strumenti software per aiutare i clienti a utilizzare i suoi chip mobili per il deep learning. E startup come Knupath e Nervana stanno realizzando chip di apprendimento profondo ancora più radicalmente ridisegnati. Tactica prevede che questo mercato varrà 3,6 miliardi di dollari entro il 2024.

Knupath, che è stato avviato dall'ex capo della NASA Dan Goldin, ha annunciato a giugno un chip AI chiamato Hermosa, insieme a un software per collegare 512.000 Hermosa e altri chip. La prima versione si concentrerà sul riconoscimento di voci inaspettate in ambienti rumorosi, ad esempio in modo che tu possa accedere alla tua banca usando solo la tua voce mentre guidi in una decappottabile con la radio accesa. L'azienda ha raccolto 100 milioni di dollari di finanziamenti, partendo dal presupposto che le architetture di chip esistenti non saranno in grado di soddisfare la domanda futura. Stiamo entrando nelle primissime fasi dell'intelligenza artificiale e dell'apprendimento automatico. È come il selvaggio West, dice Goldin. Succederanno cose pazzesche.

Buco nel mercato

Quando aziende del calibro di Facebook, Google e Microsoft insegnano ai software come rilevare il contenuto delle immagini o identificare il parlato, creano quelle che vengono spesso chiamate reti neurali, in cui enormi quantità di dati vengono eseguite attraverso migliaia di processori connessi. Alla fine le macchine possono riconoscere i modelli da sole e formulare giudizi di conseguenza. A gennaio, una rete neurale di Google ha battuto uno dei migliori giocatori al mondo del gioco da tavolo Go in quattro gare su cinque.

In tali applicazioni, i microprocessori x86 di Intel di solito fanno poco più della pulizia digitale. Mentre un processore Intel top di gamma è più che sufficiente per eseguire fogli di calcolo finanziari o software operativi aziendali, i chip ottimizzati per il deep learning rompono particolari tipi di problemi, come la comprensione dei comandi vocali o il riconoscimento delle immagini, in milioni di morso -pezzi di dimensioni. Poiché le GPU come quelle di Nvidia sono costituite da migliaia di minuscoli core del processore stipati insieme su una fetta di silicio, possono gestire migliaia di questi blocchi contemporaneamente. Assegnare un processore Intel a tale lavoro sarebbe un enorme spreco di risorse, poiché ciascuno di questi processori contiene alcune dozzine di core progettati per eseguire algoritmi complessi. I chip di deep learning non hanno bisogno di pensare così tanto per gestire tutti quei micro-compiti. I core del processore grafico hanno la giusta quantità di muscoli aritmetici per un rapido passaggio per classificare correttamente un'immagine o altri dati.

Questo chip Nvidia è pensato per grandi data center Internet e applicazioni di deep learning.

Catanzaro, che ha contribuito a lanciare l'assalto all'apprendimento profondo di Nvidia prima di andare a Baidu, sta testando il coprocessore Xeon Phi e afferma che può gestire alcune attività di apprendimento profondo circa il 90 percento con la stessa efficacia dei processori grafici. Ma è scettico. Non solo Intel non ha sviluppato nessuno degli strumenti software offerti da Nvidia per aiutare i clienti a perfezionare e mantenere le reti neurali, ma anche, dice, Intel deve fare un lavoro migliore per portare i suoi chip nelle mani dei luminari del deep learning che spingono il campo in avanti. Finora, Intel ha cercato di vendere Xeon Phi in volume a grandi acquirenti aziendali per applicazioni ben note, afferma Catanzaro. Sto tirando per Intel, dice. Non va bene per nessuno se Nvidia è l'unica alternativa praticabile, quindi abbiamo bisogno di Intel in questo mercato. Ma devono iniziare a concentrarsi.

A maggio, Google ha sorpreso il mondo dell'IA annunciando che utilizzava un chip di sua creazione, chiamato Tensor Processing Unit, da più di un anno. Sebbene Google abbia felicemente versato miliardi in progetti di colpi di luna come le auto senza conducente, questa è stata la prima volta che ha approfondito il costoso e difficile business dei chip. Perché preoccuparsi? Era l'unico modo per portare avanti le nostre applicazioni basate sull'apprendimento automatico, ha scritto in una e-mail Norm Jouppi, un illustre ingegnere hardware di Google. Sebbene Google continuerà a utilizzare i processori Intel nella sua infrastruttura informatica, ha affermato, avevamo bisogno di più di quanto fosse disponibile sul mercato.

Sentendo il calore

Intel è stata silenziosa anche in un altro promettente angolo del mercato dell'apprendimento profondo: quello per i chip che incorporano la saggezza appresa dalle reti neurali all'interno di telefoni, automobili e altri dispositivi che vogliamo rendere più intelligenti. DJI, il più grande produttore di droni al mondo, ha incluso un'unità di elaborazione visiva realizzata da Movidius nel suo nuovo modello Phantom 4. Il chip elabora ciò che vedono le telecamere del Fantasma, consentendo al velivolo di evitare incidenti che un pilota umano potrebbe non essere abbastanza abile da decollare da terra. È progettato per utilizzare pochissima batteria, di nuovo, non è la specialità di Intel.

Questi chip potrebbero rivelarsi molto meno redditizi dei processori che hanno reso Intel un nome familiare, ma i volumi potrebbero essere troppo grandi per resistere se i componenti diventassero standard in macchine per risonanza magnetica, robot di produzione e telecamere di sorveglianza più intelligenti, afferma Jim McGregor, fondatore di Tirias Research, una società di ricerca nel settore dei chip. La cosa più allettante è il mercato delle auto a guida autonoma, che potrebbe raggiungere decine di milioni di unità all'anno. Se ogni veicolo ha molti di questi chip, questo mercato da solo potrebbe rivaleggiare con le dimensioni del mercato dei PC.

Chappell di Intel non respinge tali proiezioni, ma afferma che l'opportunità di Intel risiede nell'avere una visione più ampia e pragmatica del mercato. La sfida più urgente dei ricercatori di intelligenza artificiale è creare modi per addestrare le reti neurali molto più velocemente, ad esempio in un pomeriggio anziché nel corso di poche settimane. Il nuovo chip Xeon Phi aiuterà a risolvere questo problema, dice, in parte perché i ricercatori possono usarlo per progettare un sistema di addestramento sui propri computer e continuare a usarlo mentre si espandono a reti di server più grandi e, infine, su vasta scala nel cloud .

A lungo termine, Intel potrebbe costruire chip che funzionano in qualsiasi cosa, dai sistemi di addestramento ai dispositivi a basso consumo nell'Internet delle cose, afferma Chappell. In tale scenario, i processori grafici e altri chip specializzati per l'apprendimento profondo sarebbero svantaggiati rispetto ai microprocessori universali e all'avanguardia. Grazie al talento ingegneristico e alle capacità di produzione di Intel, l'azienda potrebbe essere in grado di inserire circuiti di deep learning nei futuri processori con un piccolo costo incrementale. Se Intel fosse in grado di creare un insieme comune di strumenti software per la gestione di qualsiasi cosa, dalle reti neurali ai droni, potrebbe rendere il deep learning accessibile a molte più aziende e dare a Intel un blocco strategico sulla propria attività.

Questi sono i trucchi che hanno aiutato Intel a monopolizzare l'industria dei PC. Anche adesso, pochi sono disposti a escludere l'azienda. L'ultima volta che ho controllato, avevano 15 miliardi di dollari in banca e non sono persone stupide, dice Remi El-Ouazzane, CEO di Movidius. Ma almeno a questo punto, non sentiamo il caldo.

nascondere