Hace aproximadamente siete años, Partha Ranganathan se dio cuenta de que noticias /tecnologia/ley-koomey-como-sustituira-ley-moore-mundo-chips-901281" target="_blank" title="Qué es la Ley Koomey y cómo sustituirá a la Ley de Moore en el mundo de los chips">la ley de Moore había muerto. Esto supuso un gran problema para el vicepresidente de ingeniería de Google : Había llegado a esperar que el rendimiento de los chips se duplicara cada 18 meses sin que aumentaran los costes.
Tanto es así que había ayudado a organizar el desembolso de miles de millones de dólares que Google gasta cada año en infraestructura informática en torno a esa idea.
Pero Ranganathan recibía un chip dos veces mejor cada cuatro años, y parecía que esa diferencia se iba a alargar aún más en un futuro no muy lejano. Así que él y Google decidieron hacer algo al respecto.
Descargar vídeos de YouTube desde el móvil
La empresa ya había destinado cientos de millones de dólares a diseñar sus propios chips personalizados para la IA, noticias /tecnologia/nuevo-procesador-tensor-google-menos-potente-esperado-detras-a12-953431" target="_blank" title="El nuevo procesador Tensor de Google es menos potente de lo esperado: por detrás del A12">conocidos ahora como procesadores Tensor, los cuales van montados en los Pixel de Google .
Pero mientras Google desarrollaba las TPU, la empresa se dio cuenta de que la IA no era el único tipo de computación que podía mejorar. Repasando vieron que las aplicaciones más intensivas en computación de sus centros de datos estaban relacionados con el vídeo.
YouTube es, con diferencia, el mayor consumidor de computación relacionada con el vídeo en Google , pero el tipo de chips que utilizaba para ingerir, convertir y reproducir los miles de millones de vídeos de su plataforma no eran especialmente buenos.
Para solucionar este problema y mejorar en la eficiencia de sus servidores, el equipo responsable de Google necesitó que la dirección diera luz verde al proyecto en 2016. Y pidieron unos 40 empleados y una cantidad millonaria no revelada para hacerlo realidad.
YouTube denomina al chip Argos unidad de codificación de vídeo (VCU), y su principal cometido es convertir las 500 horas de vídeo que se suben al sitio cada minuto en los distintos formatos de pantalla y compresión necesarios para reproducir los vídeos en cualquier dispositivos.
A veces esto significa que hay hasta 15 variaciones de cada vídeo. Aunque el propósito del chip era sencillo y Ranganathan y el equipo de ingenieros tenían una idea clara de lo que querían que lograra, no fue una tarea fácil inventar una pieza de silicio que satisficiera todas las necesidades.
La escala requerida por el funcionamiento de YouTube supuso un enorme desafío que obligó al equipo a pensar en el diseño, desde el propio chip hasta la disposición de las placas en las que se fijaban, pasando por el diseño de los bastidores en sus centros de datos y la configuración de cada clúster.
Profundizar en cómo integrar los chips Argos en los centros de datos de la empresa y hacerlos funcionar a la escala de YouTube requirió una estrecha colaboración entre los ingenieros de software y hardware.
Como resultado, Argos es una pieza de hardware definida por software, lo que significó que los ingenieros que trabajaban en el chip podían utilizar lo que se llama técnicas de síntesis de alto nivel para iterar en el diseño mucho más rápidamente.
De esta forma, Google dejó de comprar chips a terceros y gastar enormes sumas de dinero , mejorando la eficacia y la eficiencia de sus centros de datos y mejorando el funcionamiento interno de YouTube, un servicio que es utilizado por millones de personas al día.
0 Comments:
Publicar un comentario