Vlaganja v umetno inteligenco že več let dosegajo rekordne ravni, a trenutni val zanimanja se z grafičnih procesorjev (GPU) hitro preusmerja v specializirane čipe za izvajanje inferenc. Po podatkih raziskave podjetja Omdia je trg za AI-inferenčne čipe v letu 2025 ocenjen na več kot 10 milijard dolarjev, kar vzbuja vprašanje, zakaj vlagatelji danes vedno pogosteje ciljajo na to segmentacijo polprevodnikov. V vse bolj konkurenčnem okolju umetne inteligence ne vlagajo le uveljavljeni igralci, ampak tudi številni skladi tveganega kapitala, ki želijo izkoristiti naraščajoče potrebe po učinkoviti procesorski moči za aplikacije umetne inteligence.
Konkreten premik kapitala in ključni akterji
Eden najbolj odmevnih primerov letošnjega leta je naložba v podjetje Cerebras Systems, ki je zbralo 400 milijonov dolarjev novega kapitala v investicijskem krogu pod vodstvom sklada Fidelity, z udeležbo T. Rowe Price in skupine Altimeter. Cerebras razvija specializirane čipe ter celotne AI-sisteme za oblačno in lokalno izvajanje zahtevnih AI modelov. V ospredju so tudi podjetja, kot so Graphcore, ki je doslej zbralo več kot 700 milijonov dolarjev, Habana Labs kot del Intela, Google s svojimi lastnimi TPU ter Amazon z Inferentia čipi. Ti akterji se z uspešnimi investicijskimi krogi in razvojem inovativnih čipov pozicionirajo kot vodilni ponudniki nove generacije AI strojne opreme.
Razlog za premik kapitala v specializirane inference čipe ni le povečana učinkovitost, temveč tudi omejitve trenutnih GPU rešitev. GPU so še vedno najboljša izbira za treniranje največjih modelov, a za izvajanje že naučenih modelov so čipi, kot jih razvija Cerebras ali Amazon, v primerjavi z GPU do desetkrat hitrejši in cenejši. Po oceni IDC bodo do leta 2027 inference čipi predstavljali več kot 60 odstotkov vseh AI procesorskih rešitev v podatkovnih centrih.
Vendar pa investitorji opozarjajo tudi na izzive. Ne vse aplikacije so primerne za prehod na specializirane čipe, saj določene raziskovalne in razvojne naloge še vedno zahtevajo fleksibilnost, ki jo ponujajo GPU. Poleg tega vstopne ovire ostajajo visoke zaradi kompleksnosti razvoja in integracije novih čipov v obstoječo infrastrukturo. Kljub temu pa so vlagatelji prepričani, da bo segment s stalnimi inovacijami v naslednjih letih še naprej močno rasel.
Vpliv na trg, uporabnike in prihodnost industrije
S prehodom na inference čipe podjetja znižujejo stroške energije in pospešujejo delovanje AI aplikacij, kar je še posebej pomembno za ponudnike storitev v oblaku in velika podjetja, ki vsakodnevno obdelujejo ogromne količine podatkov. Uporabniki umetne inteligence, na primer v zdravstvu, avtomobilski industriji ali finančnih storitvah, lahko s tem dostopajo do naprednejših rešitev z nižjimi odzivnimi časi. To pomeni, da lahko bolnišnice hitreje analizirajo diagnostične slike, avtomobilski sistemi v realnem času prepoznavajo objekte in banke učinkoviteje zaznavajo prevarantske transakcije.
Analitiki napovedujejo, da bo vrednost trga AI-inference čipov v naslednjih petih letih rasla s povprečno letno rastjo več kot 30 odstotkov. Najhitrejšo rast pričakujejo v segmentih, kjer so pomembni nizki stroški energije in visoka zmogljivost v realnem času – predvsem v robnem računalništvu, avtomatizaciji tovarn in avtonomnih vozilih. Kljub optimizmu pa predstavniki industrije opozarjajo na potrebo po standardizaciji in večji medsebojni združljivosti novih čipov, da bi industrija lahko izkoristila celoten potencial tehnologije.
Trg procesorjev za umetno inteligenco je pred prelomnico. Če so GPU v zadnjem desetletju omogočili razvoj velikih modelov, bodo inference čipi zdaj omogočili množično uporabo in razširitev AI v vsakdanje življenje. Največ koristi bodo imela podjetja, ki se bodo pravočasno prilagodila in uvedla nove tehnologije za učinkovito izvajanje AI aplikacij. Vizualna predstavitev trenda rasti investicij, primerjava stroškov in hitrosti med GPU in inference čipi ter infografika glavnih akterjev na trgu bi še dodatno osvetlili dogajanje in olajšali razumevanje ključnih razlik za bralce.
