Extropic rzuca wyzwanie gigantom krzemowej doliny, stawiając na prawdopodobieństwo zamiast binarności

W obliczu rosnącego zapotrzebowania na moc obliczeniową w erze sztucznej inteligencji, startup Extropic, założony przez byłych badaczy Google Tevera McCourta i Guillaume’a Verdona, przedstawia innowacyjne podejście, które może zagrozić dominacji Nvidii, AMD i Intela. Ich nowatorski chip, XTR-0, operuje na zasadzie bitów probabilistycznych (p-bitów), a nie tradycyjnych bitów binarnych, co ma zapewnić tysiąckrotnie wyższą efektywność energetyczną w skalowalnych zastosowaniach.

Innowacja w sercu chipa

Extropic nazywa swoje procesory termodynamicznymi jednostkami próbkowania (TSU), odróżniając je od znanych jednostek centralnych (CPU) i graficznych (GPU). TSUs wykorzystują krzemowe komponenty do manipulowania termodynamicznymi fluktuacjami elektronów, modelując prawdopodobieństwa złożonych systemów, takich jak prognozy pogody czy zaawansowane modele AI do generowania obrazów, tekstu i wideo. To fundamentalne odejście od dotychczasowych architektur ma potencjał do znaczącego obniżenia kosztów i zużycia energii w centrach danych, gdzie obecnie w inwestuje się miliardy dolarów.

Pierwsze kroki i weryfikacja technologii

Pierwsze działające prototypy chipa Extropic trafiły już do wyselekcjonowanych partnerów, w tym do wiodących laboratoriów AI, startupów specjalizujących się w modelowaniu pogody oraz przedstawicieli rządów. Choć Extropic nie ujawnia nazw, Guillaume Verdon, CEO firmy, podkreśla, że to umożliwia szerokiemu gronu deweloperów „testowanie opon” tej nowej technologii. Wśród testerów znalazł się Johan Mathe, CEO firmy Atmo, która wykorzystuje AI do prognozowania pogody. Mathe potwierdza, że chipy Extropic znacząco zwiększają efektywność obliczania prawdopodobieństw różnych warunków pogodowych. Firma udostępnia również oprogramowanie TRHML, które pozwala na symulowanie działania chipa Extropic na GPU, co ułatwia integrację i testowanie.

Od XTR-0 do przyszłości AI

Obecny sprzęt Extropic, oznaczony jako XTR-0, składa się z programowalnej macierzy bramek (FPGA) oraz dwóch ich pierwszych chipów probabilistycznych, X-0, z których każdy zawiera garstkę p-bitów. Chociaż jest to rozwiązanie o ograniczonej skali, demonstracja potencjału p-bitów, które modelują niepewność zamiast dwustanowej binarności, jest znacząca. Trever McCourt, CTO Extropic, zaznacza, że opracowali „model uczenia maszynowego, który jest znacznie bardziej efektywny niż mnożenie macierzy”, co jest kluczowe dla szerokiej gamy operacji AI. Firma opublikowała również artykuł na arXiv, w którym opisuje, jak większy chip z tysiącami p-bitów, planowany na przyszły rok, zwany Z-1 i mający dysponować 250 000 p-bitów, mógłby zostać wykorzystany do stworzenia nowego rodzaju modelu dyfuzyjnego – technologii kluczowej dla generowania obrazów, wideo i kierowania działaniami robotów.

Potencjalny przełom

Vincent Weisser, CEO Prime Intellect, startupu działającego w obszarze rozproszonej AI, komentuje, że podejście Extropic do fizyki przetwarzania informacji może okazać się transformacyjne w nadchodzącej dekadzie, zwłaszcza gdy konwencjonalne skalowanie tranzystorów osiąga swoje granice. „Skalowalne w praktyce, może to zapewnić rzędy wielkości poprawy w efektywności energetycznej i gęstości, co jest krytyczne dla zadań, gdzie energia na operację jest wąskim gardłem” – dodaje Weisser. Verdon i McCourt są przekonani, że pomimo wyzwań, ich podejście jest warte wysiłku, zwłaszcza w kontekście ogromnego zużycia energii przez rosnące centra danych AI. „Nawet jeśli mamy tylko jeden procent szans na sukces – a uważamy, że znacznie więcej – warto spróbować” – podsumowuje McCourt.