Under de senaste åren har många trender kommit och gått inom AI. Först var Nvidia det hetaste, sen blev det tillverkaren TSMC och efter det har håsen vandrat vidare till minnesbolagen som Samsung, Sk Hynix med flera. Nu tycker jag mig se en ny hås i horisonten. Det är en trend som börjar växa fram i halvledarsektorn men inom en nisch som tidigare inte varit speciellt het! Jag välkomnar er till veckans Fredagsspecial! Den snabba utvecklingen inom AI har under de senaste åren skapat en närmast monopolistisk efterfrågan på GPU:er. Denna hås har helt och hållet dominerats av storskalig träning av språkmodeller, så kallade LLMs och generativ AI. Detta har i sin tur lett till att Jensen Huangs Nvidia har stigit till toppen av det globala näringslivet, faktum är att håsen har tagit Nvidia till den absoluta toppen då bolaget är världens mest värdefulla bolag sett till dess börsvärde. Han har under många år varit herre på täppan. Men en fundamental förändring är nu på ingång som kanske kan pressa Nvidia? I takt med att AI skiftar från passiva modeller som genererar text, så kallad Generativ AI, till aktiva system som utför handlingar, som kallas för Agentisk AI så förändras kraven på hårdvaran. Mycket pekar på att vi rör oss mot en framtid där CPU:n inte längre bara är en stödjande komponent till GPU:n utan det som faktiskt avgör systemets totala effektivitet och förmåga att agera självständigt. Vi pratar alltså om en potentiell CPU-hås! 👀
För att förstå varför hårdvarumarknaden står inför en förändring i och med agentisk AI är det nödvändigt att först lyfta fram de tekniska skillnaderna mellan dagens generativa AI och morgondagens agentiska system. Generativ AI fungerar primärt som en prediktionsmotor. När en användare ger en instruktion, en så kallad prompt, förutsäger modellen nästa ord eller pixel baserat på statistiska sannolikheter. Detta är en linjär process som kräver enorm parallell beräkningskraft för att hantera de massiva beräkningarna som utgör det neurala nätverket. Agentisk AI är ett skifte där AI-systemet går från att vara ett verktyg till att vara en egen aktör som "tänker själv". En AI-agent kan planera, resonera och utföra komplexa uppgifter i flera steg för att nå ett definierat mål. Detta innebär att agenten inte bara svarar på en rak fråga, utan använder externa verktyg för att lösa problem.
Skillnaden i arbetsflödet mellan dessa två former av AI har då tydliga konsekvenser för hårdvaran. Generativ AI är "GPU-tung" eftersom den fokuserar på massiv beräkning av data. Agentisk AI är "CPU-kritisk" eftersom den fokuserar på beslutslogik, systemhantering och samordning av olika programvarukomponenter.