Navin Chaddha memimpin Mayfield. Perusahaan berinvestasi di perusahaan teknologi konsumen dan perusahaan tahap awal dan saat ini memiliki $ 2,7 miliar yang dikelola.
Lebih banyak posting oleh kontributor ini
Pandangan orang-orang tentang berinvestasi dalam inovasi atau wirausahawan yang menganggap remeh orang akan gagal
Jason Kilar saat mendirikan Vessel dan dunia indah layanan pelanggan
Setiap kali kami makan di Netflix atau memasang bel pintu yang terhubung ke internet ke rumah kami, kami menambah gelombang data pasang surut. Hanya dalam 10 tahun, konsumsi bandwidth telah meningkat 100 kali lipat, dan itu hanya akan tumbuh ketika kita lapisan pada tuntutan kecerdasan buatan, realitas virtual, robotika dan mobil self-driving. Menurut Intel, satu mobil robo akan menghasilkan data 4 terabyte dalam 90 menit berkendara. Itu lebih dari 3 miliar kali jumlah data yang digunakan orang untuk mengobrol, menonton video, dan terlibat dalam hiburan internet lainnya selama periode yang sama.
Perusahaan teknologi telah merespons dengan membangun pusat data besar yang penuh dengan server. Tetapi pertumbuhan dalam konsumsi data melampaui pertumbuhan infrastruktur yang paling ambisius sekalipun. Intinya: Kami tidak akan memenuhi permintaan yang meningkat untuk pemrosesan data dengan mengandalkan teknologi yang sama dengan yang membawa kami ke sini.
Kunci untuk pemrosesan data adalah, tentu saja, semikonduktor, chip berisi transistor yang menggerakkan industri komputasi saat ini. Selama beberapa dekade terakhir, para insinyur telah dapat memeras semakin banyak transistor ke dalam wafer silikon yang lebih kecil dan lebih kecil - sebuah chip Intel hari ini sekarang memeras lebih dari 1 miliar transistor pada sepotong silikon berukuran milimeter.
Tren ini umumnya dikenal sebagai Hukum Moore, karena pendiri Intel, Gordon Moore dan pengamatannya yang terkenal pada tahun 1965 bahwa jumlah transistor pada sebuah chip berlipat ganda setiap tahun (kemudian direvisi menjadi setiap dua tahun), sehingga menggandakan kecepatan dan kemampuan komputer .
Pertumbuhan kekuatan eksponensial pada chip yang semakin kecil ini telah secara andal menggerakkan teknologi kami selama 50 tahun terakhir. Tetapi Hukum Moore akan segera berakhir, karena hukum yang bahkan lebih abadi: fisika material. Sangat tidak mungkin untuk memeras lebih banyak transistor ke wafer silikon kecil yang membentuk prosesor hari ini.
Masalah yang rumit, arsitektur chip serba guna yang banyak digunakan saat ini, yang dikenal sebagai x86, yang telah membawa kami ke titik ini, tidak dioptimalkan untuk aplikasi komputasi yang sekarang menjadi populer.
Itu berarti kita membutuhkan arsitektur komputasi baru. Atau, lebih mungkin, beberapa arsitektur komputer baru. Bahkan, saya memperkirakan bahwa selama beberapa tahun ke depan kita akan melihat perkembangan arsitektur dan desain silikon baru yang dibangun dan dioptimalkan untuk fungsi-fungsi khusus, termasuk intensitas data, kebutuhan kinerja kecerdasan buatan dan pembelajaran mesin dan kebutuhan daya rendah. yang disebut perangkat komputasi tepi.
Kami telah melihat akar dari arsitektur khusus yang baru ini di beberapa bidang. Ini termasuk Unit Pemrosesan Grafis dari Nvidia, Field Programmable Gate Arrays dari Xilinx dan Altera (diakuisisi oleh Intel), kartu antarmuka jaringan pintar dari Mellanox (diakuisisi oleh Nvidia) dan kategori baru dari prosesor yang dapat diprogram yang disebut Data Processing Unit (DPU) dari Fungible , sebuah startup yang diinvestasikan oleh Mayfield. DPU dibuat khusus untuk menjalankan semua beban kerja data-intensif (jaringan, keamanan, penyimpanan) dan Fungible menggabungkannya dengan platform tumpukan penuh untuk pusat data cloud yang bekerja berdampingan dengan CPU kuda kerja lama.
Silikon ini dan silikon yang dirancang khusus lainnya akan menjadi mesin untuk satu atau lebih aplikasi spesifik beban kerja - mulai dari keamanan, bel pintu cerdas, mobil tanpa pengemudi hingga pusat data. Dan akan ada pemain baru di pasar untuk mendorong inovasi dan adopsi ini. Faktanya, selama lima tahun ke depan, saya yakin kita akan melihat pemimpin semikonduktor yang sama sekali baru muncul ketika layanan ini tumbuh dan kinerjanya menjadi lebih kritis.
Mari kita mulai dengan pembangkit tenaga komputasi zaman kita yang semakin terhubung: pusat data.
Semakin banyak, penyimpanan dan komputasi sedang dilakukan di tepi; itu berarti, lebih dekat ke tempat perangkat kami membutuhkannya. Ini termasuk hal-hal seperti perangkat lunak pengenal wajah di bel pintu kami atau permainan di awan yang ditampilkan di kacamata VR kami. Komputasi tepi memungkinkan proses ini dan lainnya terjadi dalam 10 milidetik atau kurang, yang membuatnya lebih berfungsi untuk pengguna akhir.
Saya memuji pengusaha yang mengembalikan silikon ke Lembah Silikon.
Dengan perhitungan aritmatika arsitektur CPU x86 saat ini, penggunaan layanan data dalam skala besar, atau pada volume yang lebih besar, dapat menjadi tantangan. Mobil tanpa pengemudi membutuhkan kelincahan dan kecepatan tingkat pusat data yang besar. Anda tidak ingin penyangga mobil saat pejalan kaki ada di persimpangan. Karena infrastruktur beban kerja kami - dan kebutuhan hal-hal seperti mobil tanpa pengemudi - menjadi semakin sentris data (menyimpan, mengambil, dan memindahkan set data besar di seluruh mesin), maka dibutuhkan mikroprosesor jenis baru.
Area lain yang membutuhkan arsitektur pemrosesan baru adalah kecerdasan buatan, baik dalam melatih AI dan menjalankan inferensi (proses yang digunakan AI untuk menyimpulkan hal-hal tentang data, seperti bel pintu pintar yang mengenali perbedaan antara mertua dan penyusup). Unit Pemrosesan Grafis (GPU), yang pada awalnya dikembangkan untuk menangani permainan, telah terbukti lebih cepat dan lebih efisien dalam pelatihan dan inferensi AI daripada CPU tradisional.
Tetapi untuk memproses beban kerja AI (baik pelatihan dan inferensi), untuk klasifikasi gambar, deteksi objek, pengenalan wajah dan mobil tanpa pengemudi, kita akan membutuhkan prosesor AI khusus. Matematika yang diperlukan untuk menjalankan algoritma ini membutuhkan pemrosesan vektor dan perhitungan floating-point pada kinerja yang jauh lebih tinggi daripada yang disediakan CPU untuk keperluan umum.
Beberapa startup sedang mengerjakan chip khusus AI, termasuk SambaNova, Graphcore dan Habana Labs. Perusahaan-perusahaan ini telah membangun chip AI-spesifik baru untuk kecerdasan mesin. Mereka menurunkan biaya mempercepat aplikasi AI dan secara dramatis meningkatkan kinerja. Nyaman, mereka juga menyediakan platform perangkat lunak untuk digunakan dengan perangkat keras mereka. Tentu saja, pemain AI besar seperti Google (dengan chip Tensor Processing Unit kustom) dan Amazon (yang telah menciptakan chip AI untuk speaker pintar Echo-nya) juga membuat arsitektur mereka sendiri.
Akhirnya, kami memiliki perkembangan gadget yang terhubung, juga dikenal sebagai Internet of Things (IoT). Banyak alat pribadi dan rumah kita (seperti termostat, detektor asap, sikat gigi, dan pemanggang roti) beroperasi dengan daya sangat rendah.
Prosesor ARM, yang merupakan keluarga CPU, akan ditugaskan untuk peran ini. Itu karena gadget tidak memerlukan kompleksitas komputasi atau banyak daya. Arsitektur ARM dirancang dengan sempurna untuk mereka. Itu dibuat untuk menangani sejumlah kecil instruksi komputasi, dapat beroperasi pada kecepatan yang lebih tinggi (berputar melalui jutaan instruksi per detik) dan melakukannya di sebagian kecil dari daya yang diperlukan untuk melakukan instruksi yang kompleks. Saya bahkan memprediksi bahwa mikroprosesor server berbasis ARM akhirnya akan menjadi kenyataan di pusat data cloud.
Jadi dengan semua pekerjaan baru yang dilakukan dalam silikon, kami sepertinya akhirnya kembali ke akar asli kami. Saya memuji pengusaha yang mengembalikan silikon ke Lembah Silikon. Dan saya memprediksi mereka akan membuat raksasa semikonduktor baru.
0 komentar:
Posting Komentar