Stane sa CPU novým svätým grálom umelej inteligencie?

V posledných rokoch sa revolúcia v oblasti umelej inteligencie začala rozprávať prostredníctvom veľmi jednoduchého investičného príbehu. V jeho centre stojí jediný hlavný protagonista: GPU. Grafické procesory sa stali symbolom novej technologickej éry a ich dostupnosť priamo určovala, ktoré spoločnosti sú schopné trénovať najpokročilejšie jazykové modely a ktoré v pretekoch o budúcnosť AI zaostávajú.

Trh sa preto rýchlo naučil vnímať umelú inteligenciu cez jedinú metriku: výpočtový výkon. Viac GPU znamenalo väčšie modely, väčšie modely znamenali lepšie produkty a lepšie produkty znamenali konkurenčnú výhodu.

Postupom času sa však tento príbeh začal komplikovať. Ukázalo sa, že samotný hrubý výpočtový výkon nestačí, ak systém nedokáže dodávať dáta požadovanou rýchlosťou. Úzkym hrdlom už neboli iba GPU, ale čoraz viac aj pamäť — pamäť najbližšia procesoru vo forme HBM, tradičná serverová DRAM aj celá infraštruktúra na ukladanie a prenos dát.

To bol prvý moment, keď si investori začali uvedomovať, že revolúcia v oblasti AI nie je príbehom jednej komponenty, ale celého technologického reťazca — od kremíka cez pamäť až po sieťovú infraštruktúru a chladiace systémy.

A teraz, práve vo chvíli, keď sa mapa tejto revolúcie zdala byť relatívne úplná, sa objavuje ďalší posun — oveľa menej zjavný, ale potenciálne rovnako dôležitý ako tie predchádzajúce.

Čoraz dôležitejšiu úlohu začína zohrávať vrstva, ktorá bola roky vnímaná ako „samozrejmá infraštruktúra“: CPU. Vo svete, kde AI už nie je jedinou otázkou pre model, ale skôr komplexným systémom autonómnych agentov vykonávajúcich viackrokové úlohy, sa nemení iba rozsah výpočtov, ale predovšetkým ich povaha.

V tomto bode vzniká otázka, ktorá sa ešte nedávno zdala druhoradá. Môže sa CPU, ktoré doteraz fungovalo ako koordinátor a tichý partner GPU, skutočne stať jednou z kľúčových súčastí celej architektúry AI?

A ak áno, znamená to, že vstupujeme do tretej vlny revolúcie AI po GPU a pamäti, v ktorej už kľúčovým faktorom nebude hrubý výpočtový výkon, ale skôr schopnosť prepojiť a riadiť celý systém ako jeden celok?

Éra GPU

Na začiatku revolúcie v oblasti AI nebolo veľa pochybností o tom, kde vznikne jej technologický základ. S prelomom v hlbokom učení a nástupom čoraz väčších jazykových modelov sa rýchlo ukázalo, že hlavným obmedzením už nie je samotný algoritmus, ale rozsah výpočtov potrebných na jeho trénovanie.

V tomto okamihu sa do popredia dostali grafické procesory. Ich architektúra, pôvodne navrhnutá na vykresľovanie grafiky a spracovanie paralelných obrazových operácií, sa ukázala ako ideálne vhodná pre typ výpočtov, ktoré vyžadujú neurónové siete. Namiesto jedného veľmi rýchleho jadra ponúkajú GPU tisíce jednoduchších výpočtových jednotiek schopných vykonávať rovnaké operácie paralelne nad obrovskými dátovými súbormi.

Práve to z GPU urobilo prirodzený motor revolúcie AI. Trénovanie jazykových modelov, najmä tých založených na architektúre transformerov, sa z veľkej časti obmedzuje na maticové operácie — teda úlohy, ktoré možno ľahko paralelizovať. V praxi to znamenalo, že čím viac výkonu GPU bolo možné sústrediť do jedného systému, tým väčší model bolo možné natrénovať.

Rýchlo tak vznikol nový štandard výpočtovej infraštruktúry. Dátové centrá začali pripomínať clustre špecializovaných akcelerátorov, kde CPU zohrávali podpornú úlohu. Zodpovedali najmä za prípravu dát, riadenie procesov a komunikáciu medzi komponentmi systému. Všetka „ťažká matematika“ sa presunula na GPU.

Táto architektúra viedla k silnej koncentrácii hodnoty v jedinom segmente trhu. S rastúcim dopytom po výpočtovom výkone si výrobcovia GPU prisvojili najväčšiu časť ekonomickej hodnoty revolúcie AI. Prístup ku GPU sa stal nielen technologickou výhodou, ale aj strategickým obmedzením určujúcim tempo rozvoja celých spoločností a výskumných laboratórií.

V tomto nastavení začal trh o AI uvažovať veľmi lineárne. Viac GPU znamenalo viac výpočtového výkonu, viac výpočtového výkonu znamenalo väčšie modely a väčšie modely znamenali lepšie produkty. Logika tejto revolúcie sa zdala byť relatívne jednoduchá a dobre pochopiteľná.

Až časom sa začali objavovať prvé signály, že tento obraz nie je úplný.

Pamäť ako druhá vlna

Ako modely AI rástli z miliónov na miliardy a potom na stovky miliárd parametrov, objavil sa problém, ktorý spočiatku nebol taký zjavný ako nedostatok výpočtového výkonu. Ukázalo sa, že samotné zvyšovanie počtu GPU nerieši všetky systémové obmedzenia, ak dáta nemôžu prúdiť celou výpočtovou architektúrou dostatočne rýchlo.

V tomto bode sa do centra pozornosti začala dostávať pamäť. Pamäť priamo napojená na GPU vo forme HBM, tradičná serverová DRAM aj celá vrstva ukladania a prenosu dát v dátových centrách. Pamäť sa stala faktorom určujúcim rýchlosť, akou možno čoraz väčšie modely trénovať a prevádzkovať.

V praxi to znamenalo, že ani najpokročilejšie GPU nedokázali naplno využiť svoj potenciál, ak neboli správne „kŕmené“ dátami. Úzkym hrdlom už nebol samotný výpočtový výkon, ale schopnosť systému udržiavať nepretržitý tok informácií medzi pamäťou, sieťou a akcelerátormi.

To bol moment, keď sa revolúcia AI začala meniť z čisto výpočtového problému na systémový problém. Namiesto jednej dominantnej komponenty sme začali pozorovať čoraz zložitejšiu závislosť medzi rôznymi vrstvami infraštruktúry.

Pamäť, predtým vnímaná ako podporný prvok, začala zohrávať strategickú úlohu. Riešenia s vysokou priepustnosťou, ako je HBM, sa stali jedným z kľúčových predpokladov moderného škálovania modelov a výrobcovia pamätí začali zaujímať dôležitejšiu pozíciu v hodnotovom reťazci revolúcie AI.

Dôležité je, že táto fáza GPU nenahradila. Skôr odhalila ich prirodzené obmedzenia. S rastom modelov sa ukázalo, že samotný výpočtový výkon nemá hodnotu, ak nie je podporený dostatočnou dátovou priepustnosťou. Trh tak postupne začal chápať, že AI nie je jednými pretekmi o najvýkonnejší procesor, ale komplexným systémom, v ktorom sa každá infraštruktúrna komponenta môže stať potenciálnym úzkym hrdlom.

Práve vtedy sa začalo formovať ucelenejšie chápanie AI ako ekosystému, v ktorom popri GPU zohrávajú zásadnú úlohu aj pamäť, sieťová infraštruktúra a dátová infraštruktúra.

CPU a vzostup agentnej AI

Úloha CPU v revolúcii AI sa dlho zdala byť relatívne stabilná a jasne definovaná. Zodpovedali za správu systému, prípravu dát a koordináciu práce GPU akcelerátorov, ktoré vykonávali náročné výpočtové úlohy. V tomto nastavení CPU fungovalo ako tichý infraštruktúrny operátor, z pohľadu koncového používateľa neviditeľný a vo svojej funkcii do veľkej miery nemenný.

Tento obraz sa teraz mení s nástupom novej triedy aplikácií AI, čoraz častejšie označovanej ako agentná AI. Na rozdiel od tradičných jazykových modelov, ktoré odpovedajú na jednotlivé prompty, sú agentné systémy navrhnuté tak, aby vykonávali komplexné viackrokové úlohy. Tie si vyžadujú nielen generovanie odpovedí, ale aj vykonávanie akcií v digitálnom prostredí.

V praxi to znamená, že namiesto jednej otázky a jednej odpovede pracujeme s celým reťazcom operácií. Agent môže začať analýzou problému, následne ho rozdeliť na menšie kroky, vykonať sériu dopytov do externých systémov, databáz alebo API, spracovať získané informácie a až potom vytvoriť finálny výsledok. Každý z týchto krokov si vyžaduje samostatné systémové operácie, komunikáciu s rôznymi dátovými zdrojmi a priebežnú správu stavu celého procesu.

V tomto novom modeli sa výpočtová záťaž začína presúvať. Jazykový model bežiaci na GPU sa stáva iba jednou časťou väčšieho systému, zodpovednou za generovanie a interpretáciu jazyka. Zvyšok — riadiaca logika, správa úloh, komunikácia medzi systémami a práca s externými nástrojmi — čoraz viac zaťažuje CPU.

Práve tu nastáva zásadný posun v perspektíve. Predtým bolo CPU vnímané ako podporná vrstva, ktorej úlohou bolo „neprekážať“ výpočtom na GPU. Vo svete agentnej AI však CPU začína fungovať ako aktívny koordinátor, ktorý nielen riadi tok dát, ale sa aj podieľa na rozhodovacom procese systému.

Dôležité je, že nejde o kozmetickú zmenu, ale o zmenu štrukturálnu. Každý agent AI nevykonáva jeden, ale mnoho výpočtových a prevádzkových krokov, čo vedie k prudkému nárastu operácií vykonávaných mimo GPU. Význam CPU infraštruktúry tak rastie, pretože musí paralelne zvládať obrovské množstvo dopytov, procesov a interakcií v reálnom čase.

V tomto bode začína byť viditeľný prvý skutočný architektonický posun v systémoch AI. Namiesto modelu sústredeného okolo jedného typu výpočtov sa presúvame k viacvrstvovému systému, v ktorom rôzne komponenty zodpovedajú za rôzne prevádzkové úlohy. GPU zabezpečujú maticové výpočty, pamäť zabezpečuje ukladanie a tok dát, zatiaľ čo CPU sa čoraz viac stáva vrstvou zodpovednou za orchestráciu celého procesu.

Zmena systémovej architektúry

S rastúcou úlohou agentnej AI sa nemení iba spôsob využívania modelov, ale celá architektúra systémov AI. Tradičné rozdelenie, kde GPU zabezpečovali výpočty a CPU zohrávali podpornú úlohu, je čoraz menej vhodné pre skutočnú prevádzku moderných aplikácií AI.

Namiesto jediného výpočtového procesu sa čoraz častejšie stretávame so systémom pripomínajúcim komplexnú sieť spolupracujúcich vrstiev. Jazykový model zostáva „uvažujúcim“ jadrom, ale okolo neho vzniká rozsiahla infraštruktúra zodpovedná za pamäť, tok dát, komunikáciu s nástrojmi a exekúciu v reálnom čase.

V takomto nastavení už CPU nie je iba technickou podporou GPU, ale stáva sa integrátorom celého systému. Nesie čoraz väčšiu časť zodpovednosti za orchestráciu, správu stavu a obsluhu komplexných agentných procesov.

V dôsledku toho AI prestáva byť jedným modelom a stáva sa operačným systémom pre inteligentné procesy, v ktorom rôzne typy hardvéru plnia špecializované, ale vzájomne prepojené úlohy.

Ekonomika zmeny

Najdôležitejšia zmena v celej infraštruktúre AI sa netýka toho, ako sú systémy budované, ale toho, ako je rozložený dopyt po výpočtových zdrojoch. Dlhý čas bol hlavným referenčným bodom vzťah medzi CPU a GPU, ktorý bol v tradičných clustroch AI výrazne vychýlený smerom k akcelerátorom.

S nástupom agentnej AI sa táto rovnováha postupne mení. Namiesto architektúry, v ktorej CPU zohrávajú okrajovú úlohu a GPU dominujú systému, smerujeme k vyváženejšiemu modelu. V ňom univerzálne procesory preberajú rastúci podiel pracovných záťaží spojených s orchestráciou, obsluhou nástrojov a viackrokovým spracovaním.

Intel je naopak vo fáze transformácie. Po rokoch straty podielu na serverovom trhu sa snaží opäť získať svoju pozíciu prostredníctvom nových generácií procesorov Xeon a stratégie zameranej na pokrok vo výrobných procesoch. Výzva pre Intel však nie je iba technologická, ale aj strategická — musí nanovo definovať svoju úlohu v ekosystéme AI, ktorý sa do veľkej miery vyvinul mimo jeho historických silných stránok.

Tretím pilierom je Arm, ktorý pôsobí na inej úrovni hodnotového reťazca. Namiesto výroby čipov poskytuje Arm architektúru, ktorú hyperscale spoločnosti využívajú na návrh vlastných procesorov. Rastúca časť rastu v segmente CPU tak nesmeruje priamo k tradičným výrobcom, ale do cloudových ekosystémov, ktoré budujú vlastné čipy na mieru.

To vedie k štrukturálnemu posunu. Trh CPU už nie je jednoduchým duopolom spoločností Intel a AMD, ale viacvrstvovým ekosystémom, v ktorom hyperscale spoločnosti ako AWS, Google a Microsoft navrhujú vlastné procesory optimalizované pre špecifické pracovné záťaže.

V tomto nastavení neexistuje jeden dominantný víťaz. Namiesto toho sledujeme trh, kde popri sebe existujú rôzne obchodné a architektonické modely, ktoré súťažia o rastúci podiel na dopyte po výpočtovom výkone v ére AI.

Tretia vlna AI a jej dopady

Pri pohľade na celú revolúciu AI z pohľadu infraštruktúry sa objavuje jasný vzorec vývoja. Jednotlivé vrstvy systému sa postupne presúvajú z pozadia do centra pozornosti. Najskôr prišiel výpočtový výkon GPU, ktorý umožnil vznik moderných jazykových modelov. Potom sa do popredia dostala pamäť, bez ktorej by škálovanie nebolo možné. Teraz sa ďalšou vrstvou tohto reťazca čoraz viac stávajú CPU.

Tento posun nie je ťahaný technologickou módou, ale zásadnou zmenou v tom, ako systémy AI fungujú. Prechod od jednotlivých dopytov na jazykové modely smerom k agentnej AI predstavuje posun od jednoduchých výpočtov ku komplexným viackrokovým rozhodovacím procesom. V takomto prostredí výrazne rastie význam správy úloh, komunikácie s externými systémami a paralelného spracovania operácií.

Práve tieto funkcie čoraz viac zaťažujú CPU, ktoré už nie sú podpornou vrstvou, ale integrálnou súčasťou prevádzky systémov AI.

To vedie k výraznej revízii očakávaní týkajúcich sa veľkosti trhu serverových CPU. Prognózy ukazujúce na rast nad 120 mld. USD do roku 2030 a v agresívnejších scenároch až na 200 mld. USD naznačujú, že CPU už nie sú vyspelým a stabilným segmentom, ale skôr samostatným rastovým cyklom ťahaným AI.

V tejto novej štruktúre neexistuje jeden víťaz. AMD ťaží z rastúceho dopytu v segmente x86 a posilňuje svoju pozíciu kľúčového hráča v infraštruktúre AI. Intel sa snaží využiť obnovený význam CPU na obnovu svojej pozície, zatiaľ čo čelí technologickým aj konkurenčným výzvam. Arm medzitým získava rastúci podiel na cloudovom raste, kde hyperscale spoločnosti navrhujú vlastné čipy pre špecifické pracovné záťaže.

Kľúčové nie je určiť jedného víťaza, ale pochopiť, že CPU sa popri GPU a pamäti stáva treťou, paralelnou vlnou revolúcie AI. Vlnou, ktorá nenahrádza tie predchádzajúce, ale dopĺňa ich a vytvára ucelenejší obraz infraštruktúry AI.

V tomto pohľade už revolúcia AI nie je príbehom jediného technologického prelomu, ale viacstupňovým procesom prerozdeľovania hodnoty naprieč polovodičovým hodnotovým reťazcom. A CPU, dlho vnímané ako sekundárna komponenta, začína v tomto systéme zaujímať pozíciu, ktorú by ešte nedávno čakal len málokto.

Zaujala Vás táto téma? 

Okrem širokého spektra nástrojov od nás získate aj vzdelávacie materiály ako články, e-booky či kurzy zadarmo:

• Trading pre začiatočníkov
• TOP 5 nástrojov Ondřeja Hartmana
• Testovací účet v XTB? Precvičte si obchodovanie zadarmo!
• Investovanie do Big Tech spoločností
• Investičné impérium Warrena Buffetta
• Tvorba akciového portfólia

Články:

• Umelá inteligencia: Investície do akcií AI
• Najlepšie spoločnosti na investovanie a akcie na nákup - ako si vybrať?
• Investovanie do dividendových akcií
• Ako zostaviť portfólio z akcií a ETF fondov?
• Investovanie do akcií - čo je obchodovanie s akciami?