Стартап из Кремниевой долины предлагает радикально новую архитектуру вычислений, способную в тысячи раз снизить энергопотребление AI-систем. Но готов ли мир к отказу от привычной логики единиц и нулей?

Пока технологические гиганты втягиваются в гонку вооружений, строя всё более масштабные дата-центры для обучения языковых моделей, небольшой стартап Extropic предлагает переписать базовые правила игры. Компания представила работающий прототип процессора, который оперирует не традиционными битами со значениями 0 и 1, а вероятностными битами — фундаментально иным способом обработки информации, обещающим революционную энергоэффективность.

Если классические процессоры живут в детерминированном мире чётких ответов, то чипы Extropic существуют в пространстве вероятностей и неопределённости. Компания называет свои процессоры термодинамическими единицами семплирования (TSU) — противопоставление привычным CPU и GPU. Принцип работы радикально отличается: вместо подавления естественных термодинамических флуктуаций электронов в кремнии, которые традиционно считаются помехой, Extropic использует их как вычислительный ресурс, формируя из хаоса моделирование сложных вероятностных систем.

Первый работающий чип XTR-0 уже передан избранным партнёрам, включая лаборатории frontier AI, стартапы в области метеорологического моделирования и представителей нескольких правительств. Компания хранит имена клиентов в секрете, но один из них согласился говорить публично. Юхан Мате, CEO стартапа Atmo, разрабатывающего AI-системы прогнозирования погоды высокого разрешения для Министерства обороны США, подтверждает: чипы Extropic способны вычислять вероятности различных погодных условий значительно эффективнее существующих решений.

«Я смог запустить несколько p-битов и убедиться, что они ведут себя именно так, как должны», — комментирует Мате, тестировавший как реальное железо, так и программный эмулятор TRHML, который Extropic выпустила для симуляции поведения своих чипов на обычных GPU.

За Extropic стоят фигуры, способные вызвать одновременно восхищение и скептицизм. Гийом Вердон, CEO компании, более известен технологическому сообществу под псевдонимом Based Beff Jezos — колоритная и противоречивая онлайн-персона, связанная с движением эффективного акселерационизма (e/acc), технофилософией, призывающей к максимально быстрому развитию технологий без оглядки на предосторожности. Вместе с техническим директором Тревором Маккортом они ранее работали над квантовыми вычислениями в Google, прежде чем основать Extropic.

Текущий прототип XTR-0 представляет собой комбинацию FPGA-чипа (программируемой вентильной матрицы) с двумя первыми вероятностными процессорами X-0, каждый из которых содержит лишь несколько p-битов. Масштаб скромный, но достаточный для доказательства концепции. «У нас есть примитив машинного обучения, который гораздо эффективнее матричного умножения, — объясняет Маккорт. — Вопрос в том, как масштабировать это до уровня ChatGPT или Midjourney».

Ответ на этот вопрос компания изложила в препринте на arXiv, демонстрируя, как более крупный чип с тысячами p-битов может создать новый тип диффузионных моделей — архитектуры, лежащей в основе генерации изображений, видео и управления роботами. Следующий чип Z-1, анонсированный на будущий год, должен содержать уже 250,000 вероятностных битов. «Это может стать огромным прорывом», — считает Мате.

Вердон и Маккорт позиционируют свою технологию как ответ на энергетический абсурд современного AI-бума. Пока индустрия вкладывает десятки миллиардов долларов в строительство гигантских дата-центров, мало кто задумывается о физической устойчивости такого подхода. По заявлениям Extropic, их архитектура при масштабировании может быть в тысячи раз энергоэффективнее существующих GPU. Если это окажется правдой, экономика AI-вычислений изменится радикально.

«Их подход к физике обработки информации может оказаться трансформационным в следующее десятилетие, особенно когда традиционное масштабирование транзисторов достигнет фундаментальных пределов, — комментирует Винсент Вайссер, CEO стартапа Prime Intellect, работающего над распределённым AI. — При успешном масштабировании это даст прирост энергоэффективности на несколько порядков, что критично для задач, где энергия на операцию становится узким местом».

Однако скептицизм по отношению к радикально новым вычислительным архитектурам вполне обоснован. История индустрии полна многообещающих стартапов, предлагавших революционные альтернативы — от нейроморфных чипов до квантовых ускорителей — которые так и не смогли составить конкуренцию классическим процессорам в реальных приложениях. Экосистема программного обеспечения, инструментов разработки и накопленной экспертизы вокруг GPU Nvidia настолько мощна, что преодолеть эту инерцию крайне сложно даже при технологическом превосходстве.

Extropic понимает эти вызовы и инвестирует в создание софтверной инфраструктуры, выпустив эмулятор TRHML для облегчения перехода разработчиков. Но путь от прототипа с несколькими p-битами до промышленной системы, способной конкурировать с NVIDIA H100, исчисляется не месяцами, а годами напряжённой работы над масштабированием, стабильностью и созданием экосистемы.

Вердон и его команда утверждают, что даже 1% шанс на успех оправдывает попытку — учитывая потенциальное влияние на траекторию развития AI-индустрии. И они считают свои шансы значительно выше. Следующий год покажет, действительно ли вероятностные вычисления станут прорывом, или это очередная красивая идея, разбившаяся о суровую реальность коммерческого масштабирования. В мире, где энергопотребление дата-центров становится геополитическим вопросом, ставки слишком высоки, чтобы игнорировать альтернативы.

Новости технологий в Telegram

Подписаться