Cuando se trata de diseñar un chipset, siempre se trata de oportunidades de negocio y ROI. Si hay un mercado sólido para una compañía como nvidia / AMD, se unirán y competirán en él. A medida que aumenten las oportunidades de negocio de AI y Machine Learning, serán la empresa que diseñará el chipset para esa industria. Podemos esperar que AMD esté allí si el mercado es lo suficientemente grande o llega a un umbral.
La GPU o un conjunto de chips más general, que puede realizar una tarea cómodamente en un nuevo nicho de mercado, será popular cuando el volumen aún sea demasiado pequeño para justificar un diseño rentable de un nuevo conjunto de chips.
Ya vimos este patrón en la industria anterior, una de las más visibles es probablemente la ola de moneda criptográfica, cuando Bitcoins todavía era bastante fácil de extraer y una buena GPU funcionaría 10-30 veces mejor que la CPU convencional. Encadenar la GPU y la agrupación de computadoras fue rentable (costo de energía, tiempo) para extraer y obtener ganancias. Más tarde, la dificultad de minería aumentó y la GPU fue menos eficiente, pero el valor de los bitcoins aumentó y la popularidad también aumentó. Invertir en el diseño del chipset ASIC se volvió rentable y se convirtió en una nueva industria.
- ¿Qué significa splines de regresión adaptativa múltiple (MARS) en términos simples?
- ¿Qué es mejor en términos de ROI: MS en informática o MS en análisis de datos / ciencia de datos en EE. UU.?
- ¿Apache Spark es un buen marco para implementar Reinforcement Learning?
- ¿Cuáles son las ventajas de las técnicas de aprendizaje automático sobre las técnicas de pronóstico tradicionales?
- ¿Por qué eliges TensorFlow?
Podemos esperar que ocurra lo mismo en cualquier industria nueva. En el momento en que el volumen alcance un umbral, el fabricante se interesará.
