Бывший инженер Apple Джерард Уильямс, который ранее продал стартап Nuvia компании Qualcomm за $1,4 млрд, запускает новый проект в сфере полупроводников для искусственного интеллекта – Nuvacore, пишет Bloomberg. Компания будет разрабатывать CPU (центральные процессоры) для вычислений в сфере ИИ, где традиционно доминируют GPU (графические процессоры).
Заощаджуйте, отримуючи 6 журналів за ціною 4
Купуйте річну передплату на шість журналів Forbes Ukraine за 1 799 грн замість 2 400 грн. Читайте головні історії українського бізнесу, ексклюзивні рейтинги та глибоку аналітику в кожному номері.
Детали
- Компания считает, что спрос на производительные CPU стремительно растет из-за нагрузки в дата-центрах и «узких мест» в обработке данных.
- Стартап уже привлек поддержку венчурного фонда Sequoia Capital и завершает seed-раунд финансирования. В течение нескольких месяцев компания планирует выйти на раунд Series A, однако объем привлеченных инвестиций не раскрывает.
- Nuvacore открывает офисы в Кремниевой долине, Остине и канадском Маркеме и формирует инженерные команды. Сначала компания сосредоточится на решениях для дата-центров и рассматривает два варианта бизнес-модели – продажа дизайнов чипов или производство собственных процессоров.
- Интерес к CPU для ИИ растет на фоне активности крупных игроков. Arm недавно анонсировала новые продукты в этом сегменте, Nvidia представила собственную линейку CPU, а Intel сообщила о росте спроса на чипы для дата-центров.
- Среди основателей Nuvacore, кроме Уильямса, – Джон Бруно и Рам Сринивасан – бывшие участники команды Apple, которая перевела компанию на собственные процессоры.
Контекст
Центральный процессор (CPU) – это основной «мозг» компьютера, оптимизированный для последовательной обработки данных, сложной логики и управления системой. В сфере ИИ он выполняет важную вспомогательную роль, обеспечивая гибкость.
CPU активно применяется для подготовки данных, оркестрации работы GPU/TPU/NPU, тренировки небольших моделей и инференса на edge-устройствах. Современные процессоры часто содержат встроенные NPU, что позволяет эффективно запускать нейросети локально с низким энергопотреблением.
По сравнению с GPU и TPU, CPU уступает в тренировке больших моделей, но превосходит универсальностью и энергоэффективностью. Он остается незаменимым «дирижером» любой ИИ-системы, особенно для инференса на ноутбуках, смартфонах и IoT-устройствах.
