ИИ как экосистема, бизнес и рынок

Будучи лидером облачных услуг, Amazon имеет возможность предложить ИИ-инструментарий в виде сервисов своим существующим облачным клиентам и на этой волне получить наиболее высокие показатели в рейтинге. Преимущества AWS особенно заметны в производительности при работе с большими объемами данных. После успеха Alexa компания Amazon продолжает строить свою работу вокруг голосовых, виртуальных помощников и обработки естественного языка. Кроме того, ИИ как услуга AIaaS (AI-as-a-Service) все больше и больше внедряется в среду AWS, чтобы сделать Amazon лидером в области ИИ и машинного обучения.

Второе место делят Microsoft и Google, при этом Microsoft имеет более высокую позицию, с точки зрения способности претворить в жизнь стратегию, и уступает Google по уровню полноты видения технологической стратегии.

Microsoft приближается к Google по количеству приобретений ИИ-компаний (см. рис. 3.34). Корпорация активно развивает Microsoft Azure, добавляя к ней новые платформенные сервисы, такие как Azure Cognitive Services, Azure Data Lake, Azure Data Catalog и Azure Cloud Functions. Gartner отмечает, что Azure с каждым годом приближается к AWS в плане внедрения на предприятиях и вплотную подобралась к Google и IBM в гонке за доминирование в области ИИ, благодаря Azure Machine Learning и широкому набору когнитивных сервисов - предобученных моделей, которые могут использоваться в рамках корпоративных ИИ-проектов как готовые "строительные блоки".

Google предлагает широкий набор инструментов для искусственного интеллекта и машинного обучения. Google Cloud обеспечивает гибкость на ранних этапах проекта и широкую масштабируемость в долгосрочной перспективе. Gartner отмечает, что недостатком использования платформы Google являются ее инструменты для бизнеса и аналитики в реальном времени, которые на момент публикации исследования были недостаточно развиты по сравнению с другими поставщиками услуг. Стратегия Google в области ИИ заключается в создании сильной позиции в области науки о данных с соответствующими патентами и в смежных областях компьютерных технологий, поскольку ее бизнес в значительной степени зависит от машинного обучения. Разработчики Google уже создали ведущую программную библиотеку с открытым исходным кодом в области ML - TensorFlow, что, наряду с огромными инвестициями в приобретение стартапов в области ИИ, свидетельствует о стремлении Google быть ИИ-лидером. Важно также отметить, что Google поддерживает ряд ключевых сервисов, используемых исследователями данных - например, Google Colab, позволяющий производить обучение моделей ИИ в облаке, в том числе бесплатно, а также открытую платформу соревнований Kaggle.

Ведущие поставщики платформ для разработки систем искусственного интеллекта

Компания Omdia в отчете [184] назвала ведущих поставщиков платформ для разработки систем искусственного интеллекта (ИИ) и машинного обучения (рис. 3.41).

Рис. 3.41. Ведущие поставщики платформ для разработки систем искусственного интеллекта и машинного обучения. Источник: Omdia 2020

Здесь сравниваются поставщики, которые предлагают предприятиям платформы для разработки ИИ и МL, а также решения управления жизненным циклом разработки и развертывания соответствующих решений.

В качестве лидеров названы пять компаний. Помимо ИТ-гигантов IBM и Microsoft (которые уже были упомянуты как лидеры в области предоставления облачных сервисов для разработчиков), это SAS, C3.ai и Dataiku.

SAS - это всемирно известный американский производитель аналитического программного обеспечения, один из старейших разработчиков ПО - компания, которая начиналась как проект по созданию системы статистического анализа данных (отсюда и название - Statistical Analysis System) и выросла в крупную корпорацию, с числом сотрудников около 14 тысяч человек, и оборотом более 3 млрд долл. В портфель компании входят популярные продукты для искусственного интеллекта, аналитики и управления данными. SAS разрабатывает и продает набор аналитического программного обеспечения, которое помогает получать доступ к данным, управлять ими, анализировать их и составлять отчеты, чтобы помочь в принятии решений. Программным обеспечением SAS пользуется большинство компаний из списка Fortune 500.

Dataiku и C3.ai - это сравнительно молодые компании. C3.ai - была основана в 2009 г. и на момент написания курса являлась одним из ведущих поставщиков программного обеспечения для корпоративного ИИ. Платформа C3.ai Platform предоставляет комплексные услуги по созданию приложений ИИ корпоративного масштаба. Платформа применяется в разных отраслях с помощью готовых конфигурируемых приложений ИИ для решения задач выявления мошенничества, борьбы с отмыванием денег, управления энергопотреблением, привлечения клиентов, оптимизации цепочек поставок и т. п. В число клиентов C3.ai входят ВВС США, нью-йоркская энергетическая компания Consolidated Edison и ряд крупнейших в мире компаний из списка Fortune 500.

Компания Dataiku была основана в 2013 г. как разработчик систем ИИ. В 2019 году венчурный фонд CapitalG, финансируемый Alphabet Inc., присоединился к Dataiku в качестве инвестора, обеспечив компании статус единорога (1,4 миллиарда долларов). В 2021 г. в Dataiku работало около 400 человек по всему миру в офисах в Нью-Йорке, Париже, Лондоне, Мюнхене, Сиднее и Сингапуре.

Рынок аппаратного обеспечения в области ИИ

Как было отмечено в табл. 3.2 и табл. 3.3, разные аналитики по-разному определяют категорию "рынок аппаратного обеспечения в области ИИ". Так, например, аналитики CB Insights включают в эту категорию только рынок ИИ-полупроводников, другие, как, например, Cognilytica, рассматривают в данном рынке целый спектр специализированного железа, включая серверы, СХДи даже аппаратные части системы интерфейса "мозг-компьютер". В данном разделе мы ограничимся рассмотрением рынка ИИ-полупроводников и обсуждением ключевых компаний, специализирующихся в данном направлении.

Успех современных методов реализации ИИ все больше зависит от вычислительных возможностей оборудования, на котором эти решения реализуются. Обучение ML-моделей может занять месяц вычислительного времени и стоить десятки миллионов долларов. Требуемая вычислительная мощность обеспечивается чипами, которые оптимизированы для выполнения специфических вычислений, необходимых для реализации ИИ-систем, эти чипы стали выделять в отдельную категорию "ИИ-чипы".

Спектр задач, возникающих при создании ИИ-решений, весьма широк, и нельзя сказать, что существует такое понятие, как "стандартный ИИ-чип". Оптимальные архитектуры чипов различаются в зависимости от функций, которые должны быть выполнены, где они должны быть выполнены и в пределах какого ресурса (времени и мощности).

В области ИИ используются несколько видов чипов, в частности графические процессоры (GPU) хорошо показали себя в обучении нейросетей, FPGA позволяют с высокой энергоэффективностью осуществлять вывод по уже обученной сети. Кроме того, некоторые крупные вендоры создают специализированные чипы (ASIC ^{42ASIC (Application-specific Integrated Circuit, интегральная схема (ИС) для конкретного применения) - ИС, специализированная для решения конкретной задачи. В отличие от ИС общего назначения, применяется в конкретном устройстве и выполняет ограниченные функции, характерные для данного устройства; вследствие этого выполнение функций происходит более эффективно}), например Google TPU (рис. 3.42).

Следует отметить, что чаще всего упомянутые чипы применяются совместно, например GPU всегда дополняют CPU, равно как и FPGA и ASIC - это не самостоятельные процессоры, а скорее сопроцессоры.

Рис. 3.42. Сравнительные характеристики CPU, GPU, FPGA, ASIC. Источник: [185]