Va deveni elementul de CPU noul Sfânt Graal al inteligenței artificiale?

În ultimii ani, revoluția inteligenței artificiale a început să fie prezentată printr-o narațiune de investiții extrem de simplă. În centrul acestei povești se află un singur protagonist: procesorul grafic (GPU). Procesoarele grafice au devenit simbolul unei noi ere tehnologice, iar disponibilitatea lor a determinat în mod direct care companii sunt capabile să antreneze cele mai avansate modele lingvistice și care rămân în urmă în cursa pentru viitorul AI.

Ca urmare, piața a învățat rapid să privească inteligența artificială prin prisma unui singur indicator: puterea de calcul. Mai multe GPU-uri însemnau modele mai mari, modelele mai mari însemnau produse mai bune, iar produsele mai bune însemnau un avantaj competitiv.

Cu timpul, însă, această narațiune a început să devină mai complexă. S-a dovedit că puterea de calcul brută nu este suficientă dacă sistemul nu este capabil să furnizeze date la viteza necesară. Gâtuirea nu mai era doar la nivelul GPU-urilor, ci din ce în ce mai mult și la nivelul memoriei – atât memoria cea mai apropiată de procesor sub forma HBM, cât și DRAM-ul tradițional de server și întreaga infrastructură de stocare și transfer de date.

Acesta a fost primul moment în care investitorii au început să realizeze că revoluția AI nu este povestea unei singure componente, ci a unui întreg lanț tehnologic – de la siliciu, prin memorie, până la rețele și sisteme de răcire.

Și acum, tocmai când harta acestei revoluții părea relativ completă, apare o altă schimbare – mult mai puțin evidentă, dar potențial la fel de importantă ca cele anterioare.

Un rol din ce în ce mai important îl joacă un strat care, timp de ani de zile, a fost tratat ca „infrastructură evidentă”: CPU-ul. Într-o lume în care AI nu mai este o singură interogare adresată unui model, ci seamănă mai degrabă cu un sistem complex de agenți autonomi care execută sarcini în mai mulți pași, nu doar scara de calcul se schimbă, ci, mai presus de toate, natura sa.

În acest moment, apare o întrebare care nu cu mult timp în urmă părea secundară. Ar putea CPU-ul, care anterior acționa ca un coordonator și partener discret al GPU-ului, să devină de fapt una dintre componentele cheie ale întregii arhitecturi AI?

Și dacă da, înseamnă asta că intrăm într-un al treilea val al revoluției AI după GPU-uri și memorie, în care factorul cheie nu va mai fi puterea de calcul brută, ci mai degrabă cât de bine putem conecta și orchestra întregul sistem ca un tot unitar?

ERA GPU

La începutul revoluției AI, nu existau multe îndoieli cu privire la locul în care își va găsi fundamentul tehnologic. Odată cu progresul învățării profunde și apariția unor modele lingvistice din ce în ce mai mari, a devenit rapid clar că limitarea cheie nu mai era algoritmul în sine, ci amploarea calculului necesar pentru antrenarea acestuia.

În acel moment, procesoarele grafice au ieșit în prim-plan. Arhitectura lor, concepută inițial pentru redarea graficii și gestionarea operațiunilor paralele de imagine, s-a dovedit a fi perfect adaptată tipului de calcul necesar rețelelor neuronale. În loc de un singur nucleu foarte rapid, GPU-urile oferă mii de unități de procesare mai simple, capabile să efectueze aceleași operațiuni în paralel pe seturi de date masive.

Acesta este motivul pentru care GPU-urile au devenit motorul natural al revoluției AI. Antrenarea modelelor lingvistice, în special a celor bazate pe arhitecturi de tip transformator, se reduce în mare parte la operații matriciale — sarcini care pot fi ușor paralelizate. În practică, acest lucru a însemnat că, cu cât mai multă putere GPU putea fi concentrată într-un singur sistem, cu atât mai mare era modelul care putea fi antrenat.

Ca urmare, a apărut rapid un nou standard pentru infrastructura de calcul. Centrele de date au început să semene cu clustere de acceleratoare specializate, în care procesoarele (CPU) jucau un rol secundar, fiind responsabile în principal de pregătirea datelor, gestionarea proceselor și comunicarea între componentele sistemului. Toate „calculele matematice complexe” au fost mutate pe GPU-uri.

Această arhitectură a dus la o concentrare puternică a valorii într-un singur segment al pieței. Pe măsură ce cererea de putere de calcul a crescut, producătorii de GPU-uri au capturat cea mai mare parte a valorii economice a revoluției AI. Accesul la GPU-uri a devenit nu doar un avantaj tehnologic, ci și o constrângere strategică care determina ritmul de dezvoltare al întregii companii și al laboratoarelor de cercetare.

În acest context, piața a început să gândească AI într-un mod foarte liniar. Mai multe GPU-uri însemnau mai multă putere de calcul, mai multă putere de calcul însemna modele mai mari, iar modelele mai mari însemnau produse mai bune. Logica acestei revoluții părea relativ simplă și bine înțeleasă.

Abia în timp au apărut primele semnale că această imagine era incompletă.

MEMORIA CA AL DOILEA VAL

Pe măsură ce modelele AI au crescut de la milioane la miliarde și apoi la sute de miliarde de parametri, a apărut o problemă care inițial nu era la fel de evidentă ca lipsa puterii de calcul. S-a dovedit că simpla creștere a numărului de GPU-uri nu rezolvă toate limitările sistemului dacă datele nu pot circula suficient de repede prin întreaga arhitectură de calcul.

În acest moment, memoria a început să intre în centrul atenției. Atât memoria atașată direct la GPU-uri sub formă de HBM, cât și DRAM-ul tradițional de server și întregul strat de stocare și transfer de date din centrele de date. Memoria a devenit factorul care determina viteza cu care modelele din ce în ce mai mari puteau fi antrenate și rulate.

În practică, acest lucru a însemnat că nici chiar cele mai avansate GPU-uri nu erau capabile să-și utilizeze pe deplin potențialul dacă nu erau „alimentate” corespunzător cu date. Gâtuirea nu mai era reprezentată de calculul în sine, ci de capacitatea sistemului de a menține un flux continuu de informații între memorie, rețea și acceleratoare.

Acesta a fost momentul în care revoluția AI a început să se transforme dintr-o problemă pur computațională într-o problemă de sisteme. În loc de o singură componentă dominantă, am început să observăm o dependență din ce în ce mai complexă între diferite straturi ale infrastructurii.

Memoria, tratată anterior ca un element de sprijin, a început să joace un rol strategic. Soluțiile cu lățime de bandă mare, precum HBM, au devenit unul dintre factorii cheie ai scalării modelelor moderne, iar producătorii de memorie au început să ocupe o poziție mai importantă în lanțul valoric al revoluției IA.

Este important de menționat că această etapă nu a înlocuit GPU-urile, ci mai degrabă le-a dezvăluit limitările naturale. Pe măsură ce modelele s-au scalat, a devenit clar că puterea de calcul singură nu are nicio valoare dacă nu este susținută de un debit de date suficient. Drept urmare, piața a început treptat să recunoască faptul că IA nu este o cursă singulară pentru cel mai puternic procesor, ci un sistem complex în care fiecare componentă a infrastructurii poate deveni un potențial gât de sticlă.

Atunci a început să se formeze o înțelegere mai completă a AI ca ecosistem, în care, alături de GPU-uri, memoria, rețelele și infrastructura de date joacă toate roluri esențiale.

CPU ȘI ASCENSIUNEA AGENȚILOR AI

Multă vreme, rolul CPU-urilor în revoluția AI a părut relativ stabil și bine definit. Acestea erau responsabile de gestionarea sistemului, pregătirea datelor și coordonarea activității acceleratoarelor GPU, care efectuau sarcinile de calcul grele. În această configurație, CPU-ul acționa ca un operator de infrastructură discret, invizibil din perspectiva utilizatorului final și cu funcția sa în mare parte neschimbată.

Această imagine se schimbă acum odată cu apariția unei noi clase de aplicații de AI, denumită din ce în ce mai des agenți AI. Spre deosebire de modelele lingvistice tradiționale care răspund la solicitări unice, sistemele bazate pe agenți sunt proiectate să execute sarcini complexe în mai mulți pași, care necesită nu doar generarea de răspunsuri, ci și întreprinderea de acțiuni într-un mediu digital.

În practică, aceasta înseamnă că, în loc de o singură interogare și un singur răspuns, avem de-a face cu un întreg lanț de operațiuni. Un agent poate începe prin a analiza o problemă, apoi o poate împărți în pași mai mici, poate executa o serie de interogări către sisteme externe, baze de date sau API-uri, poate procesa informațiile obținute și abia apoi poate produce un rezultat final. Fiecare dintre acești pași necesită operațiuni de sistem separate, comunicare cu diferite surse de date și gestionarea continuă a stării întregului proces.

În acest nou model, sarcina de calcul începe să se schimbe. Modelul lingvistic care rulează pe GPU devine doar o parte a unui sistem mai mare, responsabil de generarea și interpretarea limbajului. Restul — logica de control, gestionarea sarcinilor, comunicarea între sisteme și gestionarea instrumentelor externe — solicită din ce în ce mai mult CPU-ul.

Aici apare o schimbare fundamentală de perspectivă. Anterior, CPU-ul era tratat ca un strat de sprijin a cărui sarcină era să „nu stea în calea” calculului GPU. În lumea agenților AI, însă, CPU-ul începe să acționeze ca un coordonator activ care nu numai că gestionează fluxul de date, ci participă și la procesul decizional al sistemului.

Important este că aceasta nu este o schimbare cosmetică, ci una structurală. Fiecare agent IA execută nu unul, ci mai multe pași de calcul și operaționali, ceea ce duce la o creștere bruscă a operațiunilor executate în afara GPU-ului. Ca urmare, importanța infrastructurii CPU crește, deoarece aceasta trebuie să gestioneze în paralel un număr masiv de interogări, procese și interacțiuni în timp real.

În acest moment, devine vizibilă prima schimbare arhitecturală reală în sistemele de IA. În loc de un model centrat pe un singur tip de calcul, ne îndreptăm către un sistem multistrat în care diferite componente sunt responsabile de roluri operaționale diferite. GPU-urile se ocupă de calculele matriciale, memoria se ocupă de stocare și fluxul de date, în timp ce CPU-urile devin din ce în ce mai mult stratul responsabil de coordonarea întregului proces.

SCHIMBAREA ARHITECTURII SISTEMULUI

Odată cu rolul crescând al agenților AI, nu se schimbă doar modul în care sunt utilizate modelele, ci întreaga arhitectură a sistemelor de IA. Diviziunea tradițională, în care GPU-urile se ocupau de calcul, iar CPU-urile jucau un rol de sprijin, devine din ce în ce mai inadecvată pentru funcționarea efectivă a aplicațiilor moderne de IA.

În loc de un singur proces de calcul, avem de-a face din ce în ce mai mult cu un sistem care seamănă cu o rețea complexă de straturi care cooperează. Modelul lingvistic rămâne nucleul „rațional”, dar în jurul său se dezvoltă o infrastructură extinsă responsabilă de memorie, fluxul de date, comunicarea cu instrumentele și execuția în timp real.

Într-o astfel de configurație, CPU-ul nu mai este doar un strat de suport tehnic pentru GPU, ci devine integratorul întregului sistem. Acesta poartă acum o pondere din ce în ce mai mare de responsabilități legate de orchestrare, gestionarea stării și gestionarea proceselor complexe bazate pe agenți.

Ca rezultat, IA încetează să mai fie un model unic și devine un sistem de operare pentru procese inteligente, în care diferite tipuri de hardware joacă roluri specializate, dar interdependente.

ECONOMIA SCHIMBĂRII

Cea mai importantă schimbare care are loc în întreaga infrastructură IA nu se referă la modul în care sunt construite sistemele, ci la modul în care este distribuită cererea de resurse de calcul. Pentru o lungă perioadă de timp, punctul de referință dominant a fost relația CPU-GPU, care în clusterele tradiționale de IA era puternic înclinată către acceleratoare.

Odată cu ascensiunea agenților AI, acest echilibru se schimbă treptat. În loc de o arhitectură în care CPU-urile joacă un rol marginal și GPU-urile domină sistemul, ne îndreptăm către un model mai echilibrat, în care procesoarele de uz general preiau o pondere tot mai mare din sarcinile legate de orchestrare, gestionarea instrumentelor și procesarea în mai mulți pași.

Această schimbare are consecințe economice directe. Pe măsură ce tot mai multe operațiuni se mută în afara GPU-urilor, crește cererea de putere de procesare a CPU-urilor în centrele de date, ceea ce duce la un număr mai mare de nuclee necesare per accelerator. Ca urmare, infrastructura de IA devine mai intensivă din punct de vedere al resurselor, nu numai în ceea ce privește GPU-urile, ci și în ceea ce privește calculul de uz general.

Din perspectiva sistemului, acest lucru duce la o schimbare structurală a cererii de-a lungul lanțului valoric. Cheltuielile de capital care se concentrau anterior în principal pe GPU-uri și memorie cu lățime de bandă mare se extind din ce în ce mai mult în segmentul CPU. Acest lucru creează presiune asupra lanțurilor de aprovizionare, crește utilizarea capacității de producție și remodelează treptat așteptările pentru piața CPU-urilor pentru servere.

În acest context, CPU-ul nu mai este văzut ca un segment matur și stabil, ci mai degrabă ca una dintre componentele cheie ale infrastructurii IA, a cărei importanță crește odată cu complexitatea sistemelor bazate pe agenți.

PIAȚA CPU-URILOR ȘI ACTORII CHEIE

Rolul în schimbare al CPU-urilor în arhitectura IA remodelează peisajul concurențial al industriei semiconductorilor. Timp de mulți ani, piața CPU-urilor pentru servere a fost relativ stabilă și dominată de un singur actor, dar odată cu sosirea erei IA bazate pe agenți, aceasta devine din nou un domeniu de concurență tehnologică intensă.

În centrul acestei competiții se află trei forțe principale: AMD, Intel și Arm. Fiecare reprezintă un model de afaceri, o arhitectură și o abordare diferite cu privire la ceea ce ar trebui să fie un procesor modern în era IA.

AMD este cel mai direct beneficiar al schimbărilor din segmentul serverelor x86. Cu procesoarele sale EPYC, compania își crește constant cota de piață, oferind în același timp o eficiență energetică ridicată și performanțe competitive pe nucleu. În contextul creșterii cererii de procesoare în sistemele bazate pe agenți, AMD beneficiază, de asemenea, de capacitatea sa de a furniza atât procesoare, cât și unități de procesare grafică (GPU), construind o stivă de calcul mai completă pentru centrele de date.

Intel, pe de altă parte, se află într-o fază de transformare. După ani de pierdere a cotei de piață în sectorul serverelor, încearcă să-și recâștige poziția prin noile generații de procesoare Xeon și o strategie axată pe perfecționarea proceselor sale de fabricație. Cu toate acestea, provocarea Intel nu este doar tehnologică, ci și strategică – redefinirea rolului său într-un ecosistem AI care a evoluat în mare parte în afara punctelor sale forte istorice.

Al treilea pilon este Arm, care operează la un nivel diferit al lanțului valoric. În loc să fabrice cipuri, Arm furnizează arhitectura utilizată de hyperscaleri pentru a-și proiecta propriile procesoare. Ca urmare, o parte din ce în ce mai mare din creșterea pieței CPU nu se îndreaptă direct către producătorii tradiționali, ci către ecosistemele cloud care construiesc cipuri personalizate.

Acest lucru duce la o schimbare structurală. Piața CPU nu mai este un simplu duopol al Intel și AMD, ci un ecosistem multistratificat în care hyperscalerii precum AWS, Google și Microsoft își proiectează propriile procesoare optimizate pentru sarcini specifice.

În această configurație, nu există un singur câștigător dominant. În schimb, observăm o piață în care diferite modele de afaceri și arhitecturale coexistă și concurează pentru o cotă tot mai mare din cererea de calcul în era IA.

A TREIA VAL DE IA ȘI IMPLICAȚIILE SALE

Privind întreaga revoluție a IA din perspectiva infrastructurii, se conturează un model clar de evoluție, în care straturile succesive ale sistemului trec treptat din fundal în centrul atenției. Mai întâi a apărut calculul GPU, care a făcut posibile modelele lingvistice moderne. Apoi, memoria a trecut în prim-plan, fără de care scalarea nu ar fi fost posibilă. Acum, procesoarele devin din ce în ce mai mult următorul strat din acest lanț.

Această schimbare nu este determinată de tendințele tehnologice, ci de o evoluție fundamentală a modului în care funcționează sistemele de IA. Tranziția de la interogări simple la modele lingvistice și către agenții AI reprezintă o trecere de la calcule simple la procese decizionale complexe, în mai mulți pași. Într-un astfel de mediu, importanța gestionării sarcinilor, a comunicării cu sistemele externe și a gestionării operațiunilor paralele crește semnificativ.

Acestea sunt tocmai funcțiile care solicită din ce în ce mai mult procesoarele, care nu mai reprezintă un strat de suport, ci o componentă integrală a funcționării sistemului de IA.

Acest lucru duce la o revizuire semnificativă a așteptărilor privind dimensiunea pieței procesoarelor pentru servere. Proiecțiile care indică o creștere de peste 120 de miliarde de dolari până în 2030 și, în scenarii mai agresive, de până la 200 de miliarde de dolari, sugerează că procesoarele nu mai reprezintă un segment matur și stabil, ci mai degrabă un ciclu de creștere separat, determinat de IA.

În această nouă structură, nu există un singur câștigător. AMD beneficiază de creșterea cererii în segmentul x86 și își consolidează poziția ca jucător cheie în infrastructura AI. Intel încearcă să profite de importanța reînnoită a procesoarelor pentru a-și reconstrui poziția, în timp ce se confruntă cu provocări tehnologice și competitive. Arm, între timp, captează o cotă din ce în ce mai mare din creșterea bazată pe cloud, unde hiperscalerii proiectează siliciu personalizat pentru sarcini de lucru specifice.

Ideea principală nu este identificarea unui singur câștigător, ci înțelegerea faptului că procesorul devine o a treia undă paralelă a revoluției IA, alături de GPU-uri și memorie. O undă care nu le înlocuiește pe cele anterioare, ci le completează, creând o imagine mai completă a infrastructurii IA.

Din această perspectivă, revoluția AI nu mai este o poveste despre o singură descoperire tehnologică, ci un proces în mai multe etape de redistribuire a valorii de-a lungul lanțului valoric al semiconductorilor. Iar CPU-ul, tratat mult timp ca o componentă secundară, începe să ocupe o poziție în acest sistem pe care puțini o așteptau cu puțin timp în urmă.