121 selskaper utvikler KI-brikker

Analyseselskapet JPR, som følger markedet for KI-brikker tett, tror 25 av de 121 brikkeselskapene overlever til 2030. Klas Pettersen mener det er optimistisk.

– Jeg vil tippe at maksimum 10 selskaper av disse 121 lever mot slutten av dette tiåret, sier han i en epost til Digi Telekom.

I en undersøkelse av markedet for brikker til kunstig intelligens har Jon Peddie Research (JPR) funnet at ett selskap har 95 prosent av omsetningen av maskinvare. Neppe noen overraskelse at dette er Nvidia.

Jon Peddie skriver i en uttalelse at de som har størst sjanse til å klare seg som selvstendige selskaper, er de som henvender seg til segmentene IoT (tingenes internett) og edge (ytterkanten av nettverkene, nær sluttkundene). Årsaken til den spådommen, er at dette er markeder med lavere marginer og dermed mindre attraktivt for de store spillerne.

Nvidia-sjef Jensen Huang har nylig anslått investeringene i KI-infrastruktur i 2030 til å bli mellom tre og fire billioner dollar, altså mellom 29 og 39 billioner kroner, eller 29.000 til 39.000 milliarder kroner.

Venter oppkjøp og fusjoner

Peddie skriver i en artikkel på sitt nettsted at aktiviteten innen KI-prosessorer er enorm for tiden. Det er investert mer enn 13,5 milliarder dollar, 128 milliarder kroner, i oppstartbedrifter som utvikler prosessorer for kunstig intelligens siden 2006.

USA leder utviklingen av både programvare og maskinvare for kunstig intelligens, men trues av kinesiske Deepseek og Huawei. Kina har pøst milliarder inn i utviklingen av brikker og programvare i en årrekke allerede. India har erklært et nasjonalt program som innen 2029 skal utvikle og produsere egne prosessorer myntet på kunstig intelligens.

Solgte til Intel for milliarder

Simulamet-sjef Klas Pettersen sier brikker til KI er et ekstremt vanskelig område, der selv veletablerte firmaer sliter med å ta markedsandeler.

– Jeg vil tippe at maksimum 10 selskaper av disse 121 lever mot slutten av tiåret. Men det spørs hva man definerer som suksess.

I den forbindelse forteller Pettersen en anekdote:

– Jeg jobbet som forsker innenfor teoretisk nevrovitenskap på NMBU, og i gruppen var det en kar som heter Amir Khosrowshahi. Han begynte å snakke mye om kunstig intelligens, og var også med på å trigge min egen nysgjerrighet rundt dette feltet. Dette må ha vært ca i 2013, akkurat da GPUer begynte å gjøre seg gjeldende. Amir flyttet til San Diego og startet et firma som het Nervana Systems sammen med to kamerater. De hadde skissert arkitekturen for hvordan en ny type prosessor ville være mer effektiv for trening av nevrale nettverk. Etter to år ble firmaet solgt til Intel for 408 millioner dollar. Så man kan jo si at de var suksessfulle, selv om databrikkene vel aldri kom i salg fra Intel, sier Pettersen.

Hjernen er gullstandarden

Vi spør Pettersen om konsekvensene av den voldsomme satsingen på brikkeutvikling.

– Jeg tror spesialdesignede databrikker kan ha et enormt potensial. Menneskehjernen er gullstandarden på intelligens. Den bruker omkring 25 watt og er utrolig treg i forhold til databrikker. Og den er svært støyfull. For hjernen så er nok ikke støy kun en ulempe, støy kan være en viktig faktor i læring og optimalisering. Nye typer databrikker hvor man tilpasser algoritmene til hva hardware kan tilby av egenskaper, er helt sikkert framtiden, men dette er et komplekst forskningsfelt, og enda vanskeligere er det å sette ideene i storskala produksjon, sier han.

Han sier dette er et felt som trenger mer konkurranse, som trenger flere alternativer til Nvidia.

– Dette er også geopolitikk og handler om suverenitet. Vi kan ikke være fullstendig avhengig av Taiwan og USA, slår Pettersen fast.

Mer effektiv eller smartere KI?

Når vi spør om dette kappløpet vil gi mer effektive prosessorer og systemer som kan ta ned energiforbruket per transaksjon i KI-datasentre, svarer han ja.

– Som nevnt er hjernen gullstandarden på intelligens, og det er heller ikke noe som tyder på at hjernen er optimal. Den er tross alt utviklet for å være ekstremt robust og tåle tøffe omstendigheter. Det er åpenbart at vi kan produsere intelligens på en langt mer energiøkonomisk måte, sier han.

– Vi trenger nye ideer!

– Vil mer effektive prosessorer bli brukt til å gjøre KI mer effektiv eller smartere?

– Ja takk, begge deler! Nye algoritmer og nye databrikker kan både gjøre KI mer intelligent og senke energiforbruket. Dette er et viktig forskningsfelt i SURE-AI, som er et nasjonalt KI-senter ved Simulamet. Dette skal vi forske mye på de neste årene, sier Simulamet-sjef Pettersen.

Når vi spør om de enorme summene som investeres i KI er en overinvestering, svarer Pettersen slik:

– KI har begynt å levere varene og det er enorme forventninger. Om dette er en boble eller ikke avhenger av om vi møter disse forventningene, og det kan bli vanskelig når de er såpass høye. Jeg kunne ønske vi var mer tålmodige, at vi bygger kompetanse sten på sten, og at vi investerer i forskning.

– Vi trenger nye ideer, sier Pettersen.

Nvidia dominerer fullstendig

Tilbake til JPR-rapporten og Jon Peddie. Network World har et knippe sitater med høy underholdningsverdi fra Peddie, der han kommenterer brikkeutviklingen.

Han sier at nesten ingen av de 121 selskapene har annet enn presentasjoner – «slideware».

– Noen av dem har ingen sjanse. Eksempelvis utvikler 49 av de 121 prosessorer for trening, noe som plasserer dem i direkte konkurranse med giganter som Nvidia og AMD. Dette er det jeg kaller Yanks – Yet Another Nvidia Killer. De har omtrent like stor sjanse til å erstatte Nvidia som jeg har til å vinne i lotto, og jeg har aldri kjøpt en lottokupong, sier Peddie.

Han peker på at AMD kan gjøre nesten alt Nvidia kan. Likevel vises de nesten ikke på statistikken innen KI.

– Hvordan kan et oppstartselskap, med en løsning som selvsagt er raskere, billigere, bruker mindre energi og vil gi deg håret tilbake på hodet, overbevise noen som Dell og Supermicro om å bruke deres brikker i stedet for Nvidia og AMD, spør han.

JPR opererer med fem kategorier: IoT (ultra-lav-energi inferens i mikrocontrollere eller små systemer-på-en-brikke), Edge (inferenspå enheter, utenfor datasentre), bilindustri, datasenter trening og datasenter inferens. 90 av disse er på området inferens.