CEO Intel Chen Liwu wychwala chińskie zaawansowane modele AI, stanowczo popierając otwarte oprogramowanie dla zwiększenia efektywności

Według doniesień, dyrektor generalny Intel (INTC.US), Pat Gelsinger, w poniedziałek stwierdził, że wiodące chińskie modele sztucznej inteligencji (AI) mają niższy koszt pojedynczego tokena oraz zdobyły już „bardzo szybkie” zastosowanie. Jak wynika z raportów, Gelsinger uznał, że wydajność modeli takich jak DeepSeek, Kimi i GLM jest „wystarczająco dobra”. Dodał również: „Jestem zdecydowanym zwolennikiem otwartego oprogramowania. To najlepszy sposób na zwiększenie efektywności”. Zaznaczył jednocześnie, że ostatecznie to rynek zdecyduje, które modele najlepiej sprawdzą się w konkretnych zastosowaniach.

Poglądy Gelsingera wpisują się w tę samą linię co dyrektora generalnego NVIDIA (NVDA.US), Jensena Huanga. Huang wielokrotnie bronił chińskich otwartych modeli. W lipcu tego roku Huang stwierdził, że modele DeepSeek, Alibaba i Moonshot AI są „bardzo znakomite” i powinny być stosowane. Podkreślił też, że otwartoźródłowe modele mogą zwiększyć zakres zastosowań AI, zamiast zmniejszać popyt na chipy NVIDIA.

Jedną z kluczowych cech otwartoźródłowych modeli AI są relatywnie niższe koszty ich użycia. Dla Intela powszechniejsze wdrożenie takich tanich modeli AI mogłoby przyczynić się do szerszego upowszechnienia AI, co z kolei zwiększyłoby zapotrzebowanie rynku na CPU, serwery oraz infrastrukturę centrów danych potrzebnych do obsługi tych obciążeń obliczeniowych – a właśnie na tym Intel koncentruje obecnie swoje działania.

Tymczasem Gelsinger pozycjonuje biznes centrów danych Intela jako beneficjenta rozwoju AI zintegrowanej z agentami. Dane pokazują, że przychody Intela w drugim kwartale wzrosły rok do roku o 25% do 16,13 miliarda dolarów, co stanowi najszybszy wzrost od 2011 r. i przekracza prognozy rynkowe zakładające 14,42 miliarda dolarów. W tym przychody działu centrów danych i AI wyniosły 6,3 miliarda dolarów, odnotowując wzrost aż o 59% rok do roku, czyli ponad dwukrotnie szybciej niż przychody firmy ogółem i powyżej oczekiwań rynkowych wynoszących 5,37 miliarda dolarów.

Wraz z przesunięciem branży z trenowania dużych modeli do masowego wdrożenia inteligentnych agentów AI zdolnych do autonomicznego wykonywania zadań, popyt na ogólne CPU gwałtownie rośnie. Agenci AI mogą wykonywać wieloetapowe zadania, co wymaga ogromnej mocy obliczeniowej. Tradycyjne wnioskowanie AI może w dużym stopniu polegać na GPU do realizacji obliczeń macierzowych, jednak przepływ pracy agentów rozbija zadania na planowanie, wyszukiwanie, odczyt/zapis plików, weryfikację reguł, wykonywanie kodu, użycie narzędzi i weryfikację wyników – etapy te naturalnie bardziej polegają na ogólnych CPU, dostępie do pamięci, I/O i harmonogramowaniu systemowym. W tradycyjnych scenariuszach wnioskowania proporcja zapotrzebowania na GPU względem CPU to około 7:1, podczas gdy w przepływach pracy agentów stosunek ten może zbliżać się do 1:1, a nawet być przechylony na korzyść CPU. Nie oznacza to, że GPU tracą na znaczeniu, ale wskazuje na przejście centrów danych AI w erę heterogenicznych systemów: „CPU+GPU+ASIC+optyczne sieci łączące+magazynowanie”, zamiast „wysp GPU”.

Ponadto, zdaniem analityków, rozwój modeli otwartoźródłowych może pomóc Intela zredukować uzależnienie od pojedynczego ekosystemu AI. Aktualnie rynek infrastruktury AI w dużej mierze opiera się na ekosystemie NVIDIA CUDA. Rozwój otwartych modeli może stworzyć możliwość bardziej zróżnicowanej infrastruktury AI w przedsiębiorstwach. Przykładowo, firmy mogą zdecydować się na konfigurację NVIDIA GPU + Intel CPU, Intel CPU + inne akceleratory AI lub rozdzielić ogólne obliczenia na CPU, a wnioskowanie AI na dedykowane akceleratory. Dla Intela kluczowe jest niekoniecznie stanie się „drugą NVIDIA”, lecz zostanie niezbędnym dostawcą ogólnej infrastruktury obliczeniowej dla centrów danych AI.