**Proboj za AI model generisanja videa koristeći dostupni čip označava prekretnicu za Kinu i menja globalni pejzaž AI hardvera** **Vreme čitanja: 2 minuta** **Zašto možete verovati SCMP-u** *Zhang Tongin, Pekin* **Objavljeno: 19:00, 12. mart 2025. ** U ambicioznoj nameri da izazove liderstvo američkog giganta Nvidije u AI hardveru, kineski istraživači su uspešno obučili napredni model za generisanje videa koristeći industrijski čip dostupan na tržištu, pokazujući superiornu brzinu i efikasnost u poređenju sa visokokvalitetnim GPU-ima. Sistem, nazvan FlightVGM, postigao je impresivan porast performansi od 30 procenata i pokazao energetsku efikasnost koja je 4, 5 puta veća od premijernog RTX 3090 GPU-a kompanije Nvidia, pri čemu je radio na široko dostupnom V80 FPGA čipu kompanije Advanced Micro Devices (AMD), još jedne velike američke kompanije za poluprovodnike. Ova revolucionarna inovacija dobila je prestižnu nagradu za najbolji rad na konferenciji FPGA 2025, koja je završena 1. marta. Ovo je predstavljao istorijski prvi put za tim iz Kine, što ukazuje na značajnu promenu u globalnoj potrazi za optimizacijom AI hardvera. FlightVGM su razvili naučnici iz saradnje između Univerziteta Šangaj Džiao Tong, Tsinghua univerziteta i beogradskog startapa Infinigence-AI. Model ima potencijal da transformiše način na koji industrije implementiraju isplative i energetski efikasne AI sisteme u različitim aplikacijama, uključujući robotiku i autonomna vozila. Polje-programabilne logičke rešetke (FPGAs) su programabilni poluprovodnički uređaji koji omogućavaju izmene u njihovom kolu i funkcijama nakon proizvodnje.

Nasuprot tome, tradicionalni čipovi kao što su CPU (centralne procesne jedinice), GPU (grafičke procesne jedinice) i ASIC (integrisana kola specifična za aplikaciju) imaju fiksne funkcionalnosti nakon proizvodnje. U oblastima generisanja videa i opšte računarske obrade, i FPGAs i Nvidia GPU-ovi nude jedinstvene prednosti. FPGAs pružaju prilagodljive arhitekture koje su prilagođene specifičnim namenom, što dovodi do veće energetske efikasnosti i smanjene latencije. S druge strane, Nvidia GPU-ovi su poznati po svojoj značajnoj paralelnoj obradi, što ih čini sposobnim da upravljaju velikim skupovima podataka i izvršavaju kompleksne računarske zadatke. Oslanjajući se na ranija istraživanja, kineski tim je razvio FlightVGM kao prvi model AI za generisanje videa obučen na FPGAs. Kroz inovacije u arhitekturi podataka i tehnike raspoređivanja, FlightVGM je postigao računarsku performansu koja nadmašuje onu GPU-a.