Крупная автомобильная и энергетическая компания пересматривает свою стратегию инфраструктуры ИИ. Согласно недавним заявлениям, к концу года компания накопит примерно $10 миллиардов долларов на расходы на GPU-оборудование, в основном для обучения нейронных сетей и обработки видео. Стратегический ход сочетает сторонние ускорители с собственными внутренними чипами ИИ для оптимизации вычислительной эффективности. Этот подход с двойным чипом оказывается решающим: без использования их собственного силикона вместе с промышленными стандартными процессорами общие инвестиции в оборудование легко могут удвоиться. Этот расчет подчеркивает более широкую тенденцию в сфере технологий — компании, стремящиеся к экономичному масштабированию ИИ, все чаще инвестируют в дизайн полупроводников. Снижая зависимость от внешних поставщиков чипов, предприятия могут значительно снизить свои вычислительные расходы, одновременно сохраняя вычислительную мощность для масштабных потоков данных.