Miért küszködik kapacitás szűkével a globális chipipar? És sok vagy kevés az a 7 ezer milliárd dollár, amiből ezt a kihívást kezelné Sam Altman?
7 ezer milliárd dollár. Ahogy azt mondani szokás, „még gombócból is sok”. Ám mi van, ha azok a gombócok igazából szilícium ostyákra nyomtatott, az emberi hajszálnál 33 ezerszer vékonyabb áramkörök, amik a mesterséges intelligencia (AI) forradalmat táplálhatják az elkövetkező évtizedekben, de nincs elég fagylaltgép ami gyártsa őket? Akkor talán még sem olyan sok az a 7 ezer milliárd.
Sam gyárakat építene
Miután 2023-ban Sam Altman megerősítette pozícióját az OpenAI élén, elérte, hogy az általa támogatott, profitorientált működési modellre álljon át a vállalat. Aztán egy újabb jelentős problémával szembesült. A cég forprofit növekedésének egyetlen igazi korlátja van. A mesterséges intelligencia (AI) modellek tanítására és futtatására használható, specializált chipkészletek nem állnak kellő számban rendelkezésre a világban.
A Bloomberg írt arról először, hogy Sam Altman épp a világ nagy pénzügyi befektetőit látogatja körbe és egy 8-10 milliárd dolláros üzletről tárgyal. Célja a globális félvezetőgyártás kapacitásainak bővítése, a terv fókuszában az OpenAI és más AI startupok számára oly’ fontos chipek gyártása lenne.
Azonban a Wall Street Journal február elején arról írt, hogy Sama (Sam Altman beceneve) már egy nagyobb nagyságrendű, 5-7 ezer milliárd dolláros infrastrukturális beruházással házal a szaúdi és egyéb öbölmenti országok befektetési alapjainál, valamint a japán befektetési óriásnál, a SoftBanknál, egyelőre nem sok sikerrel.
De miért kell ennyi tőke és mit jelentene ez a globális chipipar, valamint az OpenAI és szélesebb körben a mesterséges intelligencia technológiai forradalmára nézve?
Nemcsak játékra alkalmas
Félvezetőt gyártani és tervezni nem egyszerű feladat. Jelenleg a globális értékláncban, különösen a legfejlettebb technológiával készülő szilícium-lapok esetében a gyártás és a tervezés folyamatai külön vállalatokban realizálódnak. Így jellemző, hogy a chipeket tervező cégek saját gyártó-kapacitással nem rendelkeznek, és fordítva. A tervező cégeknél van az IP, az intellectual property, azaz a tudás, a gyártást pedig kiszervezik oda, ahol az olcsón, de megbízható minőségben kivitelezhető. (Ebben a modellben készülnek az iPhone-ok.)
Az AI-modellek számára nem mindegy, milyen típusú chipkészleten futtatják őket. Első körben a Bitcoin-bányászat során derült ki az, hogy a grafikus feldolgozó egységek (GPU), azaz a videókártyák magas frekvenciájú, paralellizált számítások elvégzésére tervezett architektúrája sokkal alkalmasabb a bányászatra, mint a klasszikus, központi feldolgozó egységek (CPU), vagyis processzorok, amik a Neumann-i logika szerint lineáris számítások elvégzésére optimalizáltak.
A bitcoin-bányászat mellet aztán hamar kiderült, hogy a komplex, több milliárd adatponttal dolgozó AI-modellek tanítása is sokkal (idő-és energia-) hatékonyabb, mint a klasszikus processzorokkal, így az AI-startupok részérők is megindult a roham a videókártyákért. Ez jelenleg a legnagyobb felhajtó erő az ezen a téren a versenytársai előtt járó Nvidia árfolyamában is.
Az Nvidia tervez…
A videókártyák koronázatlan királya az Nvidia. Jó érzékkel ismerték fel a termékeikben rejlő képességeket, ami az AI-modellek hatékony működtetését illeti. A cég már a 2010-es évek közepétől elkezdett dedikáltan a mesterséges intelligencia algoritmusok futtatására optimalizált technológiákat fejleszteni és vásárolni:
- első körben szétválasztotta a grafikus chipek és dedikált AI-chipek architektúráját, előbbi nevét Ada Lovelace-ról, a mechanikus számítástechnika korai úttörőjéről kapta a nevét, míg utóbbit Grace Hopper-ről, a modern kori számítógépes programozás egyik meghatározó figurájáról nevezték el;
- az Nvidia saját AI fejlesztési környezeteket, protokollokat és keretrendszereket is bevezetett a különböző felhasználói körülményeknek megfelelően;
- Megvásároltak egy Mellanox nevű izraeli startupot, aminek saját fejlesztésű hálózati kommunikációs protokollja, az InfiniBand sokkal gyorsabb és közvetlenebb kommunikációt tesz lehetővé a hálózatba kötött eszközök között a klasszikus Ethernet/UTP protokollhoz viszonyítva, ami a több tucat, esetleg több száz vagy későbbiekben több ezer párhuzamos számításokra optimalizált AI-specifikus csipekből álló szerver parkokban jelentősen megkönnyíti az információáramlást.
A fenti technológiáknak köszönhetően az Nvidia bevezette az A-, majd később a H-szériás, AI-specifikus, adatközpontokba szánt chipeket. Ezek amellett, hogy csillagászati összegekbe kerülnek (egy darab H100-as körülbelül 30 ezer dollárba fáj), az Nvidia nem tud belőlük eleget gyártani, nem véletlen, hogy a cég átlépte az ezer milliárd dolláros cégértéket és a „Magnificent Seven” illusztris társaság tagja lett.
Az Nvidia chipjeiért akkora a verseny, hogy kockázatitőke befektetők jelentős helyzeti előnyben vannak az AI-cégekért vívott versenyben, ha van saját A- vagy H-szériás szerverparkjuk, esetleg hozzáférésük egy ilyen parkhoz. Továbbá az sem ritka, hogy a befektetők nem készpénzt, hanem Nvidia chipeket pumpálnak a startupokba, vagy speciális, chipvásárlásra fordítható finanszírozási formákat nyújtanak.
… a TSMC végez…
Az Nvidia azért sem tud elég AI-specifikus lapkát gyártani, mert nincs saját gyártókapacitása. Szinte az összes általuk tervezett szilícium ostyát a tajvani TSMC (Taiwan Semiconductor Company) gyárt, akik közel monopol helyzetben vannak a világ chipgyártását illetően, főleg a felsőkategóriás processzorok szegmensében dominálnak. Többek közt az Apple, az Intel, az AMD által tervezett architektúrákat is ők gyártják.
Amellett, hogy Tajvan jelenleg eléggé veszélyeztetett terület a geopolitikai sakktáblán, egy félvezető gyárat felépíteni és üzemeltetni nagyon drága mulatság.
A TSMC saját becslései szerint egy átlagos kapacitású gyártóegység felhúzása nagyjából 3-4 millárd dollár befektetésbe kerül, míg a csúcstechnológás, lehető legkisebb csíkszélességű nyomtatott áramköröket előállítani képes gyártósorok akár 20 milliárd dollárba is kerülhetnek.
Bár a TSMC tervez az USA-ban is új gyártókapacitásokat létesíteni, valamint más amerikai gyártók is próbálnak beszállni a gyártásba a Biden által életre hívott infrastruktúra-fejlesztési program keretei között, még mindig jelentős a kapacitáshiány a felsőpolcos chipek piacán.
… az ASML gépeivel
Viszont a TSMC-t nem (csak) a költségek és a geopolitikai feszültségek gátolják a kapacitásbővítésben.
A jelenlegi, 3 nanométeres áramkör nyomtatás során használt Extrém Ultraibolya Litográfiás eljárás technológiailag annyira komplex, hogy a TSMC-hez hasonlóan az „áramkörnyomtató” gyártásában is kialakult egy közel egyeduralkodó, a holland Philips vállalatból leválasztott ASML. Ami az eljárást illeti: nagyon leegyszerűsítve egy lézerekből, lencsékből és ionizált ózonmolekulákból álló rendszert kell elképzelni, ami nagy teljesítményű impulzuslézerekkel másodpercenként ötvenezerszer szétlövi az ózonmolekulákat, amiket aztán egy tükörrendszer segítségével a szilikon-lapkára nyomtatnak. Az ASML gyártja ezeket a nyomtatókat.
Mivel a gépek több ezer alkatrészből állnak és elég komplex ellátási láncolat áll a gyártás mögött, az ASML éves kapacitása is jelentősen korlátozott, bár folyamatosan nő. A tavalyi évben 561 darab eszközt gyártottak le, míg 2015-ben még csak 214-et. Nem nehéz kitalálni, hogy az ASML termékei is elég drágák, átlagosan 200-300 millió dollárért értékesítették azokat a tavalyi évben.
Jól látható tehát, hogy a chipgyártás értéklánca rengeteg pontot szenved kapacitás-szűkében.
2 nm
Az IBM laboratóriumában már 2 nanométeres lapkát is előállítottak kísérleti jelleggel, ez körülbelül egy körömnyi területen 50 milliárd tranzisztort jelent.
Sama útjai kifürkészhetetlenek
Kanyarodjunk vissza Sam Altman terveihez, amik egyelőre elég homályosak azon túl, hogy nagyon drágák. Valószínűleg a teljes chipgyártás értékláncát lefedő gyártósorokat szeretne létrehozni, és emiatt az ezer milliárdos nagyságrend és árcédula. A felépített gyártósorokat nem Altman vagy az OpenAI üzemeltetné, hanem technológia partnerek, akik már jártasak a high-end chipgyártás területén. Ezek alapján a TSMC lenne a befutó és az OpenAI egy „kiemelt vásárló” lenne. Mondani sem kell, ez hatalmas versenyelőnyt is jelentene az OpenAI-nak.
Bármennyire is ambíciózus Sam Altman és tervei, a jelenlegi tőkebevonási kísérlete egyelőre úgy tűnik, süket fülekre talál, ugyanis a befektetés megtérülése több évtizedes időtávra lenne tehető.
Csak referenciának, a tavalyi évben a teljes félvezető gyártást iparági szinten 527 milliárd dollárra becsülték az eladások alapján, és a várakozások szerint 2030-ra is „csak” ezer milliárdos piacról beszélhetünk. Bár ezek elég óvatos becslések, amik számításba veszik a fentebb bemutatott szűk kapacitásokat, a statisztikák egyelőre nem győzték meg a befektetőket.
Érdemes lehet viszont azon is elgondolkozni, hogy az OpenAI és más AI-startupok „chipéhsége” mennyire változtatna a trendeken és mekkorára tudna nőni ténylegesen a piac, ha a gyártókapacitások minden igényt ki tudnának elégíteni. Így
bár elsőre az 5-7 ezer milliárd dolláros árcédula irreálisnak tűnhet, ha figyelembe vesszük a piaci korlátokat és „belehiszünk” az AI paradigmaváltó erejébe, akkor nem tűnik annyira elrugaszkodottnak.
Van még egy érdekes nézőpont, a történelmi kontextus. Az, hogy az USA embert küldött a Holdra, ami talán az emberiség történetének legkiemelkedőbb technológiai teljesítménye volt, nagyjából az amerikai GDP 2,5 százalékába került akkoriban. Az Altman által propagált beruházás összege a világ jelenlegi GDP-jének 5,5-7,6 százaléka lenne. Kérdés, hogy elhisszük-e, hogy az AI annyival nagyobb hatással lesz az életünkre, mint az űrprogramból „lecsorgó” technológiák, amik alapjaiban határozzák meg – a teljesség igénye nélkül – az emberiség kommunikációs-, technológiai-, közlekedési-, energetikai infrastruktúráját.
Kell valaki, aki elhiszi Sam Altman vízióját, és olyan valaki kell, akinek pénze is van a hite mellé.
