Intel Invirtió $ 16.7 mil millones en 2016 Para adquirir el fabricante de FPGA AlteraMientras AMD gastó más de $ 35 mil millones en 2020 para tomar xilinxPero las dos compañías tienen poco o nada que mostrar para estas inversiones. Para el cuarto trimestre, la facturación del segmento AMD en la placa (incluida la actividad FPGA) ascendió a $ 923 millones, un 13 % menos en comparación con el trimestre del año anterior. Durante todo el año, la facturación de esta actividad fue de $ 3.6 mil millones, un 33 % menos de un año. Intel no mejoró: para el cuarto trimestre, Altera generó una facturación de $ 429 millones, un 4 % más en comparación con el trimestre anterior. Para este primer trimestre, la empresa de Santa Clara proporciona una caída secuencial en la facturación de Altera. Un mal retorno de la inversión para ambas compañías.

El FPGA, notable porque pueden ser reprogramados para nuevas tareas de tratamiento, parece haber perdido su resplandor en la moda alrededor de la IA generativa. Las GPU están de moda, o en algunos casos, circuitos personalizados especialmente diseñados para la inferencia. Entonces, ¿dónde deja eso a la FPGA? Al lado del camino, parece. Intel ha dividido la unidad comercial de Altera en una compañía separada, mientras que AMD no mencionó el FPGA durante su última llamada sobre los resultados. Parte del problema es que FPGA se especializa en una tarea. Intel y AMD usan su FPGA para diseñar tarjetas de red SmartNic y de alto gas. "Veo estas cosas como tarjetas de red extremadamente poderosas y nada más, o muy poco más allá", dijo Alvin Nguyen, analista principal de Forrester Research. "Creo que la IA generativa y la IA han ayudado a desviar la atención del uso de FPGA. Y creo que ya hubo movimientos en este sentido antes de la revolución generativa de IA, que aceleró la tendencia a no mirar el FPGA para aplicaciones de alto nivel . [tout sur] Deepseek y es un buen momento para restablecer los medidores a cero ", agregó.

El efecto de profundidad

Una de las razones por las cuales Deepseek Ai ha sacudido tanto a Wall Street es que la compañía china ha logrado un rendimiento comparable a los de ChatGPT y Google Gemini sin gastar miles de millones de dólares para capacitar utilizando GPU NVIDIA H100, lo que también era imposible debido al embargo en estos. componentes. Esto se realizó utilizando GPU menos eficientes, las H800, considerablemente más baratas que sus contrapartes de alto nivel. Esto significa que no todo puede estar perdido para FPGA. "Después de que Deepseek ha demostrado que podría usar circuitos comúnmente disponibles, los FPGA podrían volverse preciosos nuevamente", dijo Nguyen. Pero, agrega: "No serán preciosos para todas las cargas de trabajo, como el LLM, donde necesita la mayor cantidad de memoria, la red más grande de red, el mayor cálculo de capacidad disponible en términos de GPU. El analista sugiere que Deepseek muestra que no necesariamente necesitamos miles de millones de dólares de GPU NVIDIA avanzada; Un momento interesante "wow" desde el punto de vista de la IA, para demostrar que hay un nuevo umbral bajo que se fija. Si puede usar CPU con mucha memoria, o en este caso, si puede ver el FPGA y obtener algo muy especializado, puede montar un clúster a un costo más bajo. »»

Sin embargo, Bob O'Donnell, presidente y jefe de analista de TechPinion, no está de acuerdo con la comparación. “Los FPGA se usan en una gran cantidad de aplicaciones diferentes, y no son realmente comparables con las GPU. Son un poco diferentes ”, dijo. El problema con FPGA es que siempre han sido extremadamente difíciles de programar y muy especializados. Por lo tanto, muy pocas personas realmente saben cómo explotarlos. Pero para aquellos que lo hacen, no hay reemplazo, y generalmente no se usan para los mismos tipos de tareas que las GPU, dijo. Si el analista siempre cuestiona el retorno de la inversión de Intel después de la adquisición de Altera, cree que AMD lo tenía, porque la unidad de tratamiento neural (NPU) de AMD para la aceleración de IA en su CPU proviene de la tecnología Xilinx. “Fue la idea, usar parte de la propiedad intelectual de Xilinx e integrarla en una PC. De hecho, AMD fue el primero en tener una especie de NPU. Estaban muy de antemano en el juego ”, dijo el analista. Este último recuerda que las afirmaciones de Deepseek sobre el uso de equipos de bajo gas todavía son relevantes. "Pero es solo para decir que planteó la cuestión de si podemos realizar modelos poderosos en mucho menos material de lo que nos dijeron", agregó el analista.