Intel Outside mientras otras empresas prosperan gracias a los chips de IA

El fabricante de chips líder en el mundo perdió una gran oportunidad en los dispositivos móviles. Ahora, el auge de la inteligencia artificial le da a la empresa otra oportunidad de demostrar su valía. Por

• pedro madrigueras página de archivo

21 de junio de 2016

En 1997, Andy Grove, entonces director ejecutivo de Intel, se convirtió en uno de los primeros titanes corporativos en adoptar las enseñanzas del profesor Clayton Christensen de la Escuela de Negocios de Harvard. Al detectar que Intel podría verse socavado por los rivales de chips de PC con productos más baratos, Grove invitado Christensen para hablar con su equipo sobre los líderes industriales del pasado que habían esperado demasiado para abordar las amenazas emergentes. En unos pocos trimestres, Intel había lanzado una línea de chips Celeron de gama baja para PC, que prácticamente destrozó los sueños de los aspirantes a Intel, como Advanced Micro Devices. El dilema del innovador evitado.

Ver el Resto del Paquete

• 50 empresas más inteligentes

Intel ya no es un caso de estudio en adaptabilidad. Por el contrario, ha aparecido en el mercado de chips móviles utilizados en teléfonos inteligentes y tabletas, con mucho, la nueva oportunidad más grande para los fabricantes de chips en los últimos 10 años. El 19 de abril, el mismo día que dijo que eliminaría 12.000 puestos de trabajo, Intel descartó el desarrollo de algunos de sus chips Atom móviles a pesar de años de fuertes inversiones. Y durante los últimos años, el fabricante de chips más grande del mundo ha parecido indiferente a otro mercado potencialmente vasto: el de los chips diseñados para la técnica de inteligencia artificial conocida como aprendizaje profundo.

Esta historia fue parte de nuestra edición de julio de 2016

• Ver el resto del número
• Suscribir

Este rincón oscuro de la investigación de la IA se ha convertido en una de las tendencias tecnológicas más candentes (ver 10 tecnologías innovadoras, mayo/junio de 2013). Las grandes empresas de Internet lo están utilizando para implementar servicios en línea que comprenden imágenes y voz, y se están diseñando chips de aprendizaje profundo en drones, automóviles sin conductor y otros productos en el tan cacareado Internet de las cosas. Eso es especialmente peligroso para Intel, porque el CEO Brian Krzanich ha dicho que el futuro de la empresa depende de su desempeño en los grandes centros de datos y el Internet de las cosas.

Intel acaba de presentar su primer chip diseñado específicamente para el aprendizaje profundo. Es una nueva versión del coprocesador Xeon Phi, que funciona en conjunto con los microprocesadores x86 insignia de Intel. Pero a pesar de que el chip es muy adecuado para muchos trabajos de aprendizaje profundo, la empresa que esencialmente monopolizó el mercado de las PC con su estrategia Intel Inside sigue muy rezagada en el desarrollo de las herramientas de programación que los clientes necesitan con tales chips. El rival más pequeño, Nvidia, ha establecido un dominio temprano al ofrecer tales herramientas, dice Bryan Catanzaro, investigador principal de Baidu, un gran usuario de hardware de aprendizaje profundo. Cuando construye estos sistemas, Baidu incluye cuatro veces más chips de Nvidia que de Intel. Intel puede ser un jugador importante, pero es una cuestión de enfoque, dice Catanzaro. Están en proceso de recortar en muchas áreas, por lo que debe preguntarse si tienen la voluntad institucional.

Hasta ahora, el daño financiero a Intel es mínimo. Amazon, Google y otros gigantes de la nube comprarán chips por valor de poco más de 133 millones de dólares para ejecutar sus sistemas de aprendizaje profundo este año, según Tractica, una firma de investigación de mercado. Eso es una miseria al lado de los ingresos de Intel en 2015 de $ 56 mil millones. En lugar de prometer innovaciones revolucionarias, Intel sugiere que sus chips actuales serán suficientes para muchos trabajos y que tiene la destreza de ingeniería para crear nuevos chips a medida que madura el mercado, dice Catanzaro. Y la empresa está decidida a no centrarse en el aprendizaje profundo excluyendo otros enfoques de IA. Después de todo, los veteranos de Intel han visto las locuras de la IA en el pasado; temen que el aprendizaje profundo no sea la panacea que muchos pretenden. Hemos visto estos ciclos antes, dice Nidhi Chappell, director de aprendizaje automático del Grupo de centros de datos de Intel.

Intel convierte obleas como esta en chips de la familia de productos Xeon Phi. Los chips están diseñados para manejar tareas de aprendizaje profundo.

Sin embargo, para Nvidia, el aprendizaje profundo está comenzando a generar un crecimiento de los ingresos. Las ventas del primer trimestre de la compañía a las grandes empresas de la nube aumentaron un 63 por ciento. Con sede cerca de Intel en Santa Clara, California, Nvidia solía vender sus chips de procesamiento de gráficos (GPU) principalmente a los fabricantes de PC y consolas de juegos. Pero ha tomado la delantera en el incipiente mercado del aprendizaje profundo desde que las grandes empresas de Internet descubrieron lo bien que los chips gráficos podían manejar trabajos relacionados con la IA. Ahora, dice Nvidia, está trabajando con 3500 clientes en industrias que van desde la automotriz hasta la farmacéutica y los servicios financieros.

Nvidia no es la única empresa que intenta sacar provecho mientras Intel juega con calma. Qualcomm presenta herramientas de software para ayudar a los clientes a utilizar sus chips móviles para el aprendizaje profundo. Y nuevas empresas como Knupath y Nervana están presentando chips de aprendizaje profundo rediseñados aún más radicalmente. Tactica proyecta que este mercado tendrá un valor de $ 3.6 mil millones para 2024.

Knupath, que fue iniciado por el exjefe de la NASA Dan Goldin, anunció un chip de IA llamado Hermosa en junio, junto con un software para conectar 512.000 Hermosas y otros chips. La primera versión se centrará en reconocer voces inesperadas en entornos ruidosos, por ejemplo, para que pueda iniciar sesión en su banco usando solo su voz mientras conduce un convertible con la radio encendida. La empresa ha recaudado 100 millones de dólares en financiación, asumiendo que las arquitecturas de chips existentes no podrán satisfacer la demanda futura. Estamos entrando en las primeras etapas de la inteligencia artificial y el aprendizaje automático. Es como el Salvaje Oeste, dice Goldin. Algunas cosas tremendamente locas van a suceder.

Agujero en el mercado

Cuando empresas como Facebook, Google y Microsoft le enseñan al software cómo detectar el contenido de las imágenes o identificar el habla, construyen lo que a menudo se denomina redes neuronales, en las que se ejecutan enormes cantidades de datos a través de miles de procesadores conectados. Eventualmente, las máquinas pueden reconocer patrones por sí mismas y emitir juicios en consecuencia. En enero, una red neuronal de Google venció a uno de los mejores jugadores del mundo del juego de mesa Go en cuatro de cinco concursos.

En tales aplicaciones, los microprocesadores x86 de Intel generalmente hacen poco más que limpieza digital. Mientras que un procesador Intel de primera línea tiene potencia más que suficiente para ejecutar hojas de cálculo financieras o software de operaciones corporativas en expansión, los chips optimizados para el aprendizaje profundo resuelven determinados tipos de problemas, como la comprensión de comandos de voz o el reconocimiento de imágenes, en millones de bits. -Tamaño de trozos. Debido a que las GPU como la de Nvidia consisten en miles de pequeños núcleos de procesador agrupados en una porción de silicio, pueden manejar miles de estos fragmentos simultáneamente. Asignar un procesador Intel a tal trabajo sería una gran pérdida de recursos, ya que cada uno de estos procesadores contiene unas pocas docenas de núcleos que están diseñados para ejecutar algoritmos complejos. Los chips de aprendizaje profundo no necesitan pensar mucho para manejar todas esas microtareas. Los núcleos de los procesadores de gráficos tienen la cantidad adecuada de potencia aritmética para una rápida revisión y clasificar correctamente una imagen u otro dato.

Este chip Nvidia está diseñado para grandes centros de datos de Internet y aplicaciones de aprendizaje profundo.

Catanzaro, quien ayudó a lanzar el asalto de aprendizaje profundo de Nvidia antes de ir a Baidu, está probando el coprocesador Xeon Phi y dice que puede manejar algunas tareas de aprendizaje profundo con un 90 por ciento de eficacia como los procesadores de gráficos. Pero es escéptico. Intel no solo no ha desarrollado ninguna de las herramientas de software que Nvidia ofrece para ayudar a los clientes a refinar y mantener las redes neuronales, sino que también, dice, Intel debe hacer un mejor trabajo para poner sus chips en manos de las luminarias de aprendizaje profundo que impulsan el campo adelante. Hasta ahora, Intel se ha esforzado por vender el Xeon Phi en volumen a grandes compradores corporativos para aplicaciones bien entendidas, dice Catanzaro. Estoy apostando por Intel, dice. No es bueno para nadie si Nvidia es la única alternativa viable, por lo que necesitamos Intel en este mercado. Pero tienen que empezar a concentrarse.

En mayo, Google sorprendió al mundo de la IA al anunciar que había estado usando un chip de su propia creación, llamado Tensor Processing Unit, durante más de un año. Aunque Google felizmente ha invertido miles de millones en proyectos increíbles, como los automóviles sin conductor, esta fue la primera vez que profundizó en el costoso y difícil negocio de los chips. ¿Por qué molestarse? Era la única forma de impulsar nuestras aplicaciones impulsadas por el aprendizaje automático, escribió Norm Jouppi, un distinguido ingeniero de hardware de Google, en un correo electrónico. Si bien Google continuará usando procesadores Intel en su infraestructura informática, dijo, necesitábamos más de lo que estaba disponible en el mercado.

sintiendo el calor

Intel también ha estado callado en otro rincón prometedor del mercado del aprendizaje profundo: el de los chips que incorporan la sabiduría aprendida por las redes neuronales dentro de teléfonos, automóviles y otros dispositivos que queremos hacer más inteligentes. DJI, el fabricante de drones más grande del mundo, incluyó una unidad de procesamiento visual fabricada por Movidius en su nuevo modelo Phantom 4. El chip procesa lo que ven las cámaras del Phantom, lo que permite que la nave evite choques en los que un piloto humano puede no tener la habilidad suficiente para despegar del suelo. Está diseñado para usar muy poca energía de la batería; nuevamente, no es la especialidad de Intel.

Estos chips podrían resultar mucho menos rentables que los procesadores que hicieron de Intel un nombre familiar, pero los volúmenes podrían ser demasiado grandes para resistir si los componentes se vuelven estándar en máquinas de resonancia magnética más inteligentes, robots de fabricación y cámaras de vigilancia, dice Jim McGregor, fundador de Tirias. Research, una firma de investigación de la industria de chips. Lo más tentador es el mercado de autos sin conductor, que podría alcanzar decenas de millones de unidades al año. Si cada vehículo tiene muchos de estos chips, este mercado por sí solo podría competir con el tamaño del mercado de PC.

Chappell de Intel no descarta tales proyecciones, pero dice que la oportunidad de Intel radica en adoptar una visión más amplia y pragmática del mercado. El desafío más apremiante de los investigadores de IA es crear formas de entrenar redes neuronales mucho más rápido, digamos, en una tarde en lugar de en el transcurso de unas pocas semanas. El nuevo chip Xeon Phi ayudará a resolver este problema, dice, en parte porque los investigadores pueden usarlo para diseñar un sistema de capacitación en sus propias computadoras y seguir usándolo a medida que se expanden a redes de servidores más grandes y eventualmente a escala masiva en la nube. .

A más largo plazo, Intel podría construir chips que funcionen en todo, desde esos sistemas de entrenamiento hasta dispositivos de bajo consumo en el Internet de las cosas, dice Chappell. En ese escenario, los procesadores de gráficos y otros chips especializados de aprendizaje profundo estarían en desventaja en relación con los microprocesadores de propósito general y todoterreno. Gracias al talento de ingeniería y las capacidades de fabricación de Intel, la empresa puede incorporar circuitos de aprendizaje profundo en futuros procesadores con un costo incremental mínimo. Si Intel puede crear un conjunto común de herramientas de software para administrar todo, desde redes neuronales hasta drones, podría hacer que el aprendizaje profundo sea accesible para muchas más empresas y brindarle a Intel un bloqueo estratégico en su negocio.

Estos son los trucos que ayudaron a Intel a monopolizar la industria de las PC. Incluso ahora, pocos están dispuestos a descartar a la empresa. La última vez que revisé, tenían $ 15 mil millones en el banco y no son personas estúpidas, dice Remi El-Ouazzane, director ejecutivo de Movidius. Pero al menos en este punto, no estamos sintiendo el calor.

esconder