L. Bardon . – Après des décennies au cours desquelles l’industrie des semi-conducteurs a été régie par des grandes entreprises comme Intel en Amérique et ARM en Grande-Bretagne, la demande induite par l’IA crée une ouverture pour les nouveaux venus comme la startup Graphcore. Et elle peut même être assez importante pour permettre à certaines startups de se développer et devenir des acteurs majeurs. New Street estime que le marché des puces dédiées à l’IA pourrait atteindre 30 milliards de dollars d’ici 2022. Les processeurs spécialisés dans l’IA créeront leur propre demande. Ils permettront aux entreprises de développer des services et des dispositifs plus intelligents, qui collecteront encore plus de données, autoalimentant ainsi le besoin en puces encore plus intelligentes.
Peu de technologies ont connu autant de décennies de grandes améliorations d’une année sur l’autre que l’informatique. On estime qu’un tiers de toutes les augmentations de productivité aux États-Unis depuis 1974 sont dues aux technologies de l’information, ce qui en fait l’un des plus grands contributeurs à la prospérité nationale.
Bresnahan et Trajtenberg ont inventé le terme de technologie d’usage général (GPT) pour des produits, comme les ordinateurs, qui ont une large applicabilité technique et où l’amélioration des produits et la croissance du marché pourraient se nourrir mutuellement pendant de nombreuses décennies. Mais ils ont également prédit que les GPT pourraient se heurter à des difficultés à la fin de leur cycle de vie : à mesure que les progrès ralentissent, d’autres technologies peuvent déplacer les GPT dans des niches particulières et saper ce cycle de renforcement économique.
Nous observons aujourd’hui une telle transition, car les améliorations des unités centrales de traitement (CPU) ralentissent, et les applications passent donc à des processeurs spécialisés, par exemple les unités de traitement graphique (GPU), qui peuvent faire moins de choses que les processeurs universels traditionnels, mais remplissent mieux ces fonctions. De nombreuses applications de haut niveau suivent déjà cette tendance, notamment l’apprentissage en profondeur. Cette fragmentation signifie que certains domaines de l’informatique progresseront à des rythmes différents.
Les processeurs spécialisés présentent des inconvénients importants : ils ne peuvent exécuter qu’une gamme limitée de programmes, sont difficiles à programmer et nécessitent souvent un processeur universel exécutant un système d’exploitation pour les contrôler (un ou plusieurs). La conception et la création de matériel spécialisé peuvent également être coûteuses. Pour les processeurs universels, leurs coûts fixes (également appelés coûts d’ingénierie non récurrents (NRE)) sont répartis sur un grand nombre de puces. En revanche, les processeurs spécialisés ont souvent des marchés beaucoup plus petits, et donc des coûts fixes par puce plus élevés. Le cycle vertueux qui sous-tend les GPT provient d’un ensemble de forces techniques et économiques qui se renforcent mutuellement. Malheureusement, ce renforcement mutuel s’applique également dans le sens inverse : si les améliorations ralentissent dans une partie du cycle, il en sera de même pour les autres parties du cycle. Nous appelons ce contrepoint un “cycle de fragmentation” parce qu’il a le potentiel de fragmenter l’informatique en un ensemble de silos sans lien entre eux qui progressent à des rythmes différents.
Le cycle de fragmentation comporte trois parties :
- Les progrès technologiques sont lents
- Moins de nouveaux utilisateurs adoptent
- Le financement de l’innovation est plus difficile
Les processeurs spécialisés seront adoptés par ceux qui bénéficient d’une grande accélération grâce au changement de fournisseur et pour lesquels un nombre suffisant de processeurs serait exigé pour justifier les coûts fixes. Sur la base de ces critères, il n’est peut-être pas surprenant que les grandes entreprises technologiques aient été parmi les premières à investir dans des processeurs spécialisés, par exemple, Google, Microsoft, Baidu et Alibaba. Contrairement à la spécialisation avec les GPU, qui profitent encore à un large éventail d’applications, ou à celles des circuits cryptographiques, qui sont précieuses pour la plupart des utilisateurs, nous prévoyons une spécialisation plus restreinte à l’avenir, car seul un petit nombre de processeurs sera nécessaire pour rendre l’économie attrayante.
La suite ici (Neil C. Thompson)
