Разрыв между скоростью развития нейросетей и выпуском новых процессоров Ricursive Intelligence хочет закрыть самими нейросетями. Стартап Анны Голди и Азалии Мирхосейни строит ИИ, который проектирует чипы, учится на каждом варианте и улучшает следующий. На TechCrunch Disrupt основательницы рассказали, что хотят сократить разработку чипа до недель, а для некоторых задач до одной недели.
Ricursive автоматизирует не один этап, а весь путь от требований конкретной нагрузки до физической топологии кристалла, пригодной для финальной производственной проверки. Система должна перебирать архитектурные варианты, оценивать результат и переносить удачные решения в новые проекты. Компания называет подход совместной эволюцией ИИ и аппаратуры.
Вместо привычного деления сложного кристалла на десятки блоков стартап хочет оптимизировать чип целиком. Такой подход позволяет искать непривычные схемы размещения элементов с округлыми и волнообразными структурами. Алгоритм выбирает геометрию по заданным ограничениям по площади, скорости и энергопотреблению, а не повторяет привычные инженерные шаблоны.
У идеи есть работающий предшественник. Голди и Мирхосейни создавали AlphaChip в Google DeepMind. Система с обучением с подкреплением за часы находила компоновки, на которые инженерам требовались недели или месяцы. Google DeepMind подтвердила, что AlphaChip применяли в нескольких поколениях TPU. Но технология автоматизировала прежде всего размещение блоков, а не полный цикл разработки.
Ricursive хочет замкнуть петлю «ИИ улучшает чип, улучшенный чип ускоряет ИИ». Похожий курс уже взяли OpenAI и Synopsys, которые учат агента проектировать чипы через EDA-инструменты. Ricursive заявляет более радикальную цель и собирается охватить почти весь цикл, чтобы система сама проходила путь от требований к нагрузке до готовой физической топологии.
Мотивацией служит ожидаемый дефицит вычислений. Голди прогнозирует рост спроса на вычислительные мощности как минимум в 10 000 раз за пять лет и считает простое умножение числа дата-центров непрактичным. Ставка делается на более эффективные специализированные микросхемы, которые лучше используют пластины, фабрики и пропускную способность инфраструктуры. Прогноз остаётся оценкой самой компании.
При сокращении цикла до недель могут стать выгодными процессоры для космических систем, AR/VR и биологических вычислений. OpenAI уже поручала моделям писать код для собственного ускорителя. Ricursive привлекла $335 млн, но клиентов, публичные тесты полного цикла и чип, созданный системой за неделю, пока не показала. Автономное проектирование остаётся заявленной целью.