L’intelligence artificielle industrielle nécessite plus que de la puissance de calcul brute

Pendant des décennies, la conception du matériel de pointe a suivi une hiérarchie simple : maximiser le débit, puis gérer la puissance et les thermiques autour de celui-ci. La puissance de calcul brute était le plafond que tout le reste était construit en dessous. Cette logique avait du sens lorsque les appareils de pointe étaient stationnaires, les environnements étaient contrôlés et que le traitement centralisé pouvait gérer tout ce que la pointe ne pouvait pas. Cependant, aucune de ces conditions ne s’applique dans les environnements industriels d’aujourd’hui, et l’ancienne hiérarchie se brise à cause de cela.

Les exploitants d’installations industrielles poussent maintenant l’automatisation pilotée par l’IA directement sur le plan de production, exigeant une action intelligente et décisive aussi près que possible des opérations. L’ambition est saine. Mais traduire cela en matériel fiable qui fonctionne dans des conditions industrielles réelles nécessite de repenser la conception de la puce de base.

Une nouvelle hiérarchie de contraintes

Le marché mondial de la pointe industrielle est prévu pour passer de 21 milliards de dollars en 2025 à près de 45 milliards de dollars d’ici 2030, et les exigences matérielles qui augmentent avec cette croissance sont fondamentalement différentes de ce que les concepteurs de puces ont historiquement optimisé. Alors que l’automatisation pilotée par l’IA passe des environnements de test contrôlés aux sols d’usine en direct, la hiérarchie des contraintes qui régit les déploiements de pointe a effectivement inversé :

1. Puissance prend maintenant la première place. Les opérations en permanence exigent des modes de contrôle flexibles pour réduire les déchets et minimiser les dépenses associées au déploiement de systèmes d’IA de pointe.
2. Facteurs thermiques et environnementaux peuvent grandement affecter les performances. Les installations industrielles introduisent des extrêmes environnementaux tels que des températures élevées et des réductions de puissance thermique, ainsi que des débris et de l’humidité potentiels, qui peuvent dégrader la fonctionnalité de manière imprévisible.
3. Latence et déterminisme sont essentiels dans les cas d’utilisation centrés sur la précision, tels que ceux trouvés dans les installations industrielles, car une action opportune et précise peut faire la différence entre le succès et la défaillance.
4. Puissance de calcul brute vient en dernier dans ce paradigme. Bien qu’important, la bande passante et le débit sont moins critiques lorsque les capacités intégrées sont solides. Le traitement et la raisonnement critiques se produisent sur l’appareil, atténuant le besoin de transmission constante à un système de traitement centralisé.

L’inversion de ces contraintes exige que les concepteurs adoptent une nouvelle approche lors de la conception pour la pointe industrielle, une approche qui prend en compte plus que la simple puissance de calcul brute.

Trouver ce qui est « juste »

Dans les environnements de développement, par exemple lors de la conception d’un robot industriel sur un banc de travail, les GPU peuvent très bien faire l’affaire. Ils sont des composants très capables et efficaces qui peuvent traiter de grandes quantités de données rapidement et avec précision. Cependant, ces processus se produisent dans des environnements contrôlés.

Les appareils industriels sont souvent installés sur des équipements hérités dans des installations déjà en exploitation. Ils peuvent être mobiles. La puissance, l’espace et la capacité thermique sont prédéterminés par l’environnement, et non par les besoins de l’appareil. Cela laisse seulement la conception de la puce comme variable, et le silicium à usage général est mal adapté pour remplir ce rôle. Il est soit trop rigide, soit trop large pour répondre aux demandes spécifiques et soutenues de l’IA de pointe industrielle.

Par exemple, les SoC avec des NPUs intégrés offrent un terrain d’entente pour ces types de constructions, offrant des capacités de faible puissance et des fonctionnalités déterministes robustes. Cependant, ils ont tendance à être insuffisants dans des environnements de pointe exigeants en raison de leur conception, qui est optimisée pour une fonctionnalité sporadique dans des environnements thermiquement contraints. Une conception axée sur l’inférence par à-coups les rend inadaptés de manière fiable pour les réalités plus complexes des installations industrielles.

Pour rendre les opérations automatisées industrielles une réalité, les concepteurs ont besoin de quelque chose entre les deux : des puces suffisamment flexibles pour combler les lacunes étendues mais suffisamment spécifiques pour gérer des applications spécialisées.

FPGAs : un compagnon plus capable

De plus en plus de développeurs de pointe commencent à utiliser des matrices de portes programmables en champ (FPGAs) comme réponse. De manière cruciale, les FPGAs ne sont pas positionnés comme un remplacement intégral des GPU, des CPU ou d’autres options de traitement central. Au lieu de cela, ils fonctionnent comme des puces compagnons, situées aux côtés des processeurs principaux pour gérer les tâches que le silicium à usage général gère mal dans les conditions de terrain : la surveillance des capteurs en permanence, la prétraitement en temps réel, la réponse déterministe et la gestion de puissance.

Selon l’architecture, ces puces compagnes peuvent être situées aux côtés du GPU ou du CPU, ou positionnées plus près du capteur lui-même, offrant aux concepteurs une flexibilité dans la façon dont et où cette charge de travail est déchargée. La capacité à fonctionner dans ce rôle de compagnon est ce qui rend les FPGAs si bien adaptés aux environnements de pointe industrielle, où le processeur principal a besoin d’être protégé de l’être submergé par les demandes de traitement de faible niveau continues.

Le marché mondial des FPGAs était évalué à 11,6 milliards de dollars en 2024 et devrait atteindre 41,6 milliards de dollars d’ici 2033, une trajectoire qui reflète la reconnaissance croissante de ce type d’architecture de compagnon dans les déploiements industriels et de pointe. En tant que puces compagnes, les FPGAs apportent un ensemble spécifique de capacités qui répondent directement à la hiérarchie de contraintes inversée :

• Le traitement parallèle orienté données, qui permet aux appareils de gérer un prétraitement avancé avant la transmission au matériel de traitement centralisé. Cela réduit les volumes de données, atténue la latence et garantit des opérations fiables.
• Les capacités de raisonnement déterministe, qui peuvent identifier les événements déclencheurs connus pour permettre une réponse en temps réel dans les scénarios critiques.
• La gestion de puissance basée sur la logique, qui permet aux appareils de faire évoluer l’utilisation de l’énergie en fonction des déclencheurs environnementaux (mouvement ou autres changements), de sorte que les processus à forte demande ne soient actifs que lorsque nécessaire.
• Les fonctionnalités de sécurité intégrées, qui permettent aux FPGAs d’agir comme une racine de confiance matérielle (HRoT) et d’aider à protéger le traitement central des violations qui proviennent d’appareils placés dans des emplacements accessibles au public, ajoutant une couche de sécurité supplémentaire pour les systèmes de plus en plus complexes.

Bien que ces fonctionnalités soient essentielles pour faire progresser les capacités d’IA de pointe, la polyvalence des FPGAs est en fin de compte ce qui les rend les « résolveurs de problèmes » optimaux pour les constructions de pointe lointaine. Ils servent le plus souvent de prétraiteurs intelligents, gérant la fusion de capteurs en temps réel et sur l’appareil pour réduire les besoins de transmission de données et permettre une réponse opportune.

Leurs capacités de traitement parallèle leur permettent d’intégrer et d’analyser les données rapidement et d’escalader vers des processeurs plus puissants si nécessaire, ou d’agir en temps réel en cas de crise. Puisque la FPGA peut gérer ces petites tâches par elle-même, le traitement central maintient plus de bande passante pour gérer les tâches plus complexes qui sont transmises.

En outre, les FPGAs sont reconfigurables par conception, de sorte que les gestionnaires de système peuvent mettre à jour leurs implémentations d’IA de pointe à mesure que les charges de travail, les environnements et les besoins changent. Les appareils qui utilisent des FPGAs comme puces compagnes peuvent évoluer aux côtés des besoins du système sans matériel de remplacement ou de réinstallation. Par exemple, ils fournissent la flexibilité nécessaire pour s’adapter à mesure que la cryptographie post-quantique progresse et rend les algorithmes cryptographiques existants inefficaces.

Meilleur ensemble

La pointe industrielle est où l’automatisation basée sur l’IA prouvera son plein potentiel, et les demandes d’automatisation du monde réel n’attendent pas que les puces à usage général rattrapent leur retard. Les développeurs de pointe doivent commencer à adopter de nouveaux principes de conception et à établir des fondations optimisées qui équilibrent la flexibilité et la spécificité à parts égales.

Les FPGAs peuvent faire exactement cela. Là où les GPU et les SoC atteignent leurs limites, les FPGAs comblent l’écart en tant que puces compagnes capables, fournissant une inférence en permanence, un contrôle déterministe, une faible consommation d’énergie, et le potentiel de croissance aux côtés des capacités d’IA et des cas d’utilisation industriels en évolution. Que les FPGAs soient déployés de manière indépendante ou appariés avec des processeurs à usage général, ils aident à établir les fondations robustes, fiables et adaptables nécessaires pour rendre les écosystèmes d’IA de pointe lointaine une réalité.