Ricursive Intelligence, возглавляемая Анной Голди и Азалией Мирхосейни, предлагает решение для одной из острейших проблем в индустрии ИИ — нехватки вычислительных мощностей. Суть подхода простая: вместо того чтобы строить тысячи новых дата-центров, нужно делать сами чипы более эффективными. Компания разрабатывает ИИ-систему, которая может самостоятельно проектировать микросхемы, обучаться на каждой итерации и улучшать следующие версии.
Основатели озвучили на конференции TechCrunch Disrupt впечатляющий прогноз: в ближайшие пять лет спрос на вычислительные мощности вырастет минимум в 10 тысяч раз. Это, конечно, гипербола маркетологов, но проблема реальна — строительство новых фабрик и дата-центров упирается в физические и экономические ограничения. Поэтому оптимизация самих чипов становится критически важной задачей.
Интересный момент в подходе Ricursive: ИИ проектирует не отдельные блоки микросхемы по установленным правилам, а весь чип целиком. Это позволяет системе находить нетривиальные решения. Классический пример — AlphaChip, предыдущая разработка этих же авторов, предложил круговую, «пончиковую» компоновку элементов чипа. Инженеры сначала были скептичны, но результаты оказались лучше, чем у традиционных подходов. Теперь пара обещает ещё более экзотические дизайны вроде волнообразных паттернов.
Главное преимущество автоматизации — скорость. Если проектирование нового чипа сейчас может занимать от полугода до двух лет, то с ИИ-системой это может сократиться до недели. Это радикально меняет экономику: вместо того чтобы выпускать несколько массовых универсальных процессоров, можно будет разработать десятки специализированных чипов для конкретных задач — от космических аппаратов до VR-гарнитур или биокомпьютинга. При условии, что это финансово целесообразно, появляется возможность значительно повысить энергоэффективность под каждое приложение.
В контексте текущего состояния рынка это выглядит более честным решением, чем обещания про немедленное появление волшебных новых архитектур. ИИ-дизайн чипов — это скорее инструмент оптимизации в рамках существующих физических процессов производства, чем прорыв в фундаментальной физике. Но даже 10-20% экономии на энергопотреблении или пропускной способности дата-центра при масштабе индустрии превращаются в млрд долларов сэкономленных средств и электричества.
Для российского бизнеса это не очень актуально на текущий момент — доступ к производству собственных чипов есть только у крупных госкорпораций, да и то в очень ограниченных объёмах. Однако принцип автоматизации проектирования через ИИ, который демонстрирует Ricursive, применим шире: автоматизация сложного проектирования и оптимизации систем становится стандартной практикой. В облаке уже есть инструменты для автоматизации рутинных задач проектирования, но работа с комплексными оптимизациями требует ещё большего развития.
Главный редактор SPV News, Алексей Мартыненко, считает, что история Ricursive показывает важный тренд: когда какая-то задача становится узким горлышком в индустрии, появляются ИИ-решения для её автоматизации. Это работает, если задача достаточно формализуема, а выигрыш в скорости или качестве оправдывает инвестиции в новый инструмент. Чип-дизайн как раз такая задача, поэтому идея имеет ноги.