Counterpoint Research-მა გამოაქვეყნა ანგარიში, რომელიც ხაზს უსვამს ძლიერ ზრდის პერსპექტივებს ხელოვნური ინტელექტის ჩიპების ბაზარზე, მათ შორის არა-GPU სერვერის AI ჩიპის სეგმენტზე — ცნობილი როგორც AI ASIC-ის (აპლიკაციის სპეციფიკური ინტეგრირებული სქემები). ანალიზი ვარაუდობს სწრაფ ზრდას, სადაც 2027 წლისთვის AI ASIC-ების სატვირთო ოდენობა გაორმავდება 2024 წლის მაკანდთან შედარებით. ეს ზრდა ასახავს მდგრადი მოთხოვნისა და ამ სპეციალიზირებული AI ჩიპების ფართომასშტაბიანი დანერგვის ფარულებას სხვადასხვა ინდუსტრიაში და გამოყენებაში. ანგარიში ასევე ვარაუდობს, რომ 2028 წლისთვის AI ASIC-ების სატვირთო ოდენობა გაუსწრებს ტრადიციულ GPU დაფუძნებულ AI ჩიპებს. მაშინ როდესაც GPU-ები (გრაფიკული დამუშავების ერთეულები) მთავარი იყო AI გამოთვლებისთვის, განსაკუთრებით ტრენინგსა და ინფერნცისთვის, რადგან მათ აქვთ პარალელური დამუშავების შესაძლებლობა, AI ASIC-ები სპეციალურად არიან განკუთვნილი AI სამუშაოებისათვის, უზრუნველყოფენ უმაღლეს ეფექტურობას და ტრაპლსაციურობას. ამის გამო ისინი უფრო იზიდავენ დათვლის ცენტრებისა და კუთხის მოწყობილობების განთავსებაში. Counterpoint Research ელოდება, რომ 2028 წლისთვის AI ASIC სეგმენტი გადააჭარბებს 15 მილიონ ერთეულის მიწოდებას, რაც მნიშვნელოვანია საწყის ეტაპზე AI-ის ხელსაწყოების სისტემის არსებულ ცვლილებას — უფრო ზოგადპროცესორებიდან, როგორიცაა GPU-ები, სპეციალიზირებულ ASIC-ებზე, რომლებიც ოპტიმიზირებულია კონკრეტული AI ფუნქციებისთვის. ეს განვითარება ემთხვევა უფრო ფართო მოდელების ტრენდებს, რომლებიც გრძედის და გამოთვლითი მოთხოვნების ზრდას სულ უფრო მეტად ამატებენ საჭიროებას ეფექტურ, დაშვებადიან ჰარდვერ საწყისებზე. AI ASIC-ები პასუხობენ ამ მოთხოვნებს: მაღალი სიჩქარე, დაბალი ენერგიის მოხმარება და გაუმჯობესებული საიმედოობა, რომელიც არის განკუთვნილი ხელოვნური ინტელექტისა და მACHINE LEARNING-ისთვის. რამდენიმე ფაქტორი ქმნის AI ASIC-ებთან საყვარელობას. მათი სქემრივი ოპტიმიზაცია სიღრმისეულ სწავლის ინფერნცისთვის რეალიზებულ ენერგოეფექტურობას უკეთესის გაგებას ისევე როგორც GPUs-თან შედარებით.

დამატებით, სემიკონდის მწარმოებლობისა და AI ალგორითმების განვითარებამ განაპირობა სწრაფი რეაგირება და ადაპტაცია AI ASIC-ების პროდუქტებზე, რომლებიც იზრდებიან და მაინც შეუსაბამიან განვითარებადი AI გზავნებით. გახსნადი მოთამაშეები და მონაცემთა ცენტრებზე დამუშავების ცენტრების ოპერატორები ამ პროცესში უფრო და უფრო მეტად დააგრძელებენ AI ASIC-ების ინტეგრაციას, რაც გამოიწვევს კონკურენციის ახალ ფენას AI ჰარდვერის მიწოდების სფეროში. ეს ცვლილება ახალ შესაძლებლობებს სთავაზობს AI ASIC-ის სპეციალიზებული კომპანიებისთვის. ანგარიში ასევე ხაზს უსვამს AI ASIC-ების პოტენციურ გავლენას ისეთ სექტორებში როგორიცაა კლაუდ სერვისები, ტელекомუნიკაციები, ავტომავიგაცია, ჯანდაცვა და კუთხის გამოთვლა. მათი მასშტაბურობა და სპეციალიზება უზრუნველყოფს უფრო ეფექტურ AI ტრანზაქციებს, რეალურ დროს ანალიტიკებს, ავტონომურ სისტემებს და უკეთეს მომხმარებლის გამოცდილებას. როგორც AI ტექნოლოგიები ვითარდება და სხვადასხვა სფეროს განიცდის, ჰარდვერის მისიაც უნდა განვითარდეს შესაბამისად. AI ASIC-ების სატვირთო ოდენობის 2027 წლისთვის გაორმავება და მათი კონკურენციის გაუსწრება GPU-ებს 2028 წელს, წარმოადგენს მნიშვნელოვან ცვლილებას AI ჰარდვერის დინამიკაში. Counterpoint Research-ის ყურადღება ამახვილებს AI ASIC-ის კრიტიკულ როლზე AI ინფრასტრუქტურის განვითარებაში და დაპირებას იძლევა უფრო მიზანდასახულ, ეფექტურ და გამძლე AI პროცესორებზე, რომლებიც აჩქარებენ გლობალურ AI-არსებადობისა და ინოვაციის განვითარებას. შეს summarizes, AI ASIC სეგმენტი სწრაფ ზრდას მიემართება, რაც განპირობებულია AI სამუშაობის სირთულისა და მოსალოდნელი მოთხოვნის ზრდით. დაკვირვების მიხედვით, 2027 წლისთვის მონაცემთა რაოდენობა გაორმავდება და 2028 წლისთვის ეს ოდენობა გადააჭარბებს GPU-ებს, რაც სულ უფრო მნიშვნელოვანია AI ჰარდვერის ევოლუციის მთავარი ეტაპი — ტექნოლოგიური პროგრესის გაზიარებით და მნიშვნელოვან შესაძლებლობებსა და ტრანსფორმაციებზე AI-სადამოკიდებულ ინდუსტრიებში.