مزیت انویدیا در هوش مصنوعی دیگر فقط به GPU محدود نیست
گزارشها نشان میدهد برتری انویدیا در بازار هوش مصنوعی فراتر از پردازندههای گرافیکی رفته و این شرکت با توسعه زیرساختهای سختافزاری برای مدیریت و هماهنگسازی دادهها در حال ایجاد مزیت جدیدی در لایههای پیرامونی GPU است.
به گزارش گروه ترجمه خبرگزاری برنا به نقل از تک کرانچ، در سالهای نخست رونق هوش مصنوعی روایت غالب درباره انویدیا این بود که این شرکت تنها تأمینکننده پردازندههای گرافیکی پیشرفته مورد نیاز برای توسعه مدلهای هوش مصنوعی به شمار میرفت؛ موضوعی که با گسترش استفاده از این فناوری سود قابل توجهی برای این شرکت ایجاد کرد.
با این حال طی سالهای اخیر شرکتهای ارائهدهنده خدمات ابری بزرگ یا هایپراسکیلرها مانند آمازون و گوگل نیز به سمت طراحی تراشههای اختصاصی خود حرکت کردهاند. در نتیجه انویدیا دیگر تنها گزینه موجود در بازار پردازندههای هوش مصنوعی نیست و همین مسئله باعث شده برخی سرمایهگذاران درباره دوام مزیت رقابتی این شرکت در بلندمدت تردید داشته باشند.
این نگرانیها در حالی مطرح شده است که ارزش بازار انویدیا از ابتدای سال ۲۰۲۳ تا اواسط سال ۲۰۲۵ حدود ۱۰ برابر افزایش یافت، اما سهام این شرکت در یک سال گذشته مسیر متعادلتری را طی کرده است، بخشی از این روند به نگرانیها درباره افزایش رقابت در بازار GPU نسبت داده میشود.
با این حال پس از انتشار گزارش درآمدهای انویدیا در روز چهارشنبه روایت جدیدی درباره مزیت رقابتی این شرکت شکل گرفته است. سرمایهگذاران اکنون بیش از گذشته متوجه شدهاند که توانمندی انویدیا صرفا به GPU محدود نمیشود و این شرکت در حال ایجاد مزیت قابل توجهی در سیستمها و زیرساختهای پیرامون پردازندههای گرافیکی است.
افزایش مقیاس رایانش؛ چالش جدید مراکز داده
با افزایش نیاز محاسباتی سامانههای هوش مصنوعی تا مقیاس گیگاوات، مدیریت و هماهنگسازی منابع پردازشی به مسئلهای پیچیدهتر تبدیل شده است. انویدیا نیز در سالهای اخیر مجموعهای از سختافزارهای پیشرفته مورد نیاز برای مدیریت این پیچیدگی را توسعه داده است.
به بیان ساده حتی اگر شرکتهای رقیب بتوانند در بخش GPU با انویدیا رقابت کنند عملکرد یک مرکز داده عظیم تنها به قدرت پردازنده گرافیکی وابسته نیست و بخشهایی مانند پردازنده مرکزی، حافظه، ذخیرهسازی، شبکه و انتقال داده نیز نقش مهمی در بهرهوری کل سیستم دارند.
در شرایطی که گاهی از رایانش بهعنوان یک کالای قابل معامله یاد میشود راهاندازی و بهرهبرداری از یک مرکز داده عظیم با حداکثر بهرهوری همچنان بسیار دشوار است. هرچه استقرار زیرساختهای هوش مصنوعی بزرگتر و سریعتر میشود، مدیریت این منابع نیز پیچیدهتر خواهد شد.
تمرکز انویدیا بر کل سیستم نه فقط GPU
بخشی از این تغییر رویکرد را میتوان در محصولاتی مشاهده کرد که انویدیا در حال عرضه آنهاست. این شرکت اکنون معماری Vera Rubin را توسعه میدهد که در آن GPU روبین در کنار مجموعهای از واحدهای دیگر قرار میگیرد از جمله پردازنده Vera، شتابدهنده استنتاج Groq ۳ LPX و رکهای اختصاصی برای ذخیرهسازی و شبکه.
این اجزا همانند GPU روبین، سیستمهایی بسیار تخصصی هستند، اما وظیفه آنها صرفا پردازش توکنهای هوش مصنوعی نیست؛ بلکه هدف اصلی، افزایش بهرهوری تمام بخشهایی است که خارج از GPU قرار دارند.
اگر GPU را موتور یک خودرو در نظر بگیریم این اجزای جدید در واقع سایر بخشهای خودرو هستند که باید با موتور هماهنگ کار کنند تا کل سیستم به حداکثر کارایی برسد.
نقش Vera در مدیریت دادهها
یکی از بخشهای مهم این معماری Vera CPU است که بر مسئله هماهنگسازی و مدیریت دادهها تمرکز دارد.
جیسون هاردی، معاون فناوری ذخیرهسازی انویدیا درباره اهمیت این پردازنده گفته است که ظرفیت حافظهای که میتوان در یک سرور یا هر پلتفرم محاسباتی منفرد قرار داد محدود است و همین مسئله باعث میشود نحوه مدیریت و انتقال دادهها اهمیت زیادی پیدا کند.
با افزایش توان محاسباتی مراکز داده ظرفیت حافظه نیز افزایش یافته است. همین روند یکی از عواملی بوده که باعث رشد شرکتهایی مانند Micron در موج دوم توسعه زیرساختهای هوش مصنوعی شده است اما مسئله فقط افزایش ظرفیت حافظه نیست؛ دادهها باید در زمان مناسب به GPU برسند. این انتقال داده در مقیاس بزرگ کار سادهای نیست و هرچه شرکتها تلاش میکنند مصرف انرژی به ازای تولید هر توکن را کاهش دهند، اهمیت مدیریت جریان داده و جلوگیری از ایجاد گلوگاه نیز بیشتر میشود.
هاردی میگوید استفاده از Vera CPU در برخی عملیاتها به بیش از سه برابر بهبود عملکرد منجر شده است. به گفته او این موضوع امکان استفاده کاملتر از ظرفیت حافظه فلش را فراهم میکند، زیرا انتقال داده با سرعت بالاتر انجام میشود و عملکرد ذخیرهسازی به دلیل وجود گلوگاه محدود نمیشود.
رویکرد متفاوت OpenAI
این چالش تنها مختص انویدیا نیست و شرکتهای دیگر نیز برای حل مشکل جابهجایی دادهها به دنبال راهکارهای متفاوتی هستند.
برای نمونه در طراحی تراشه Jalapeño شرکت OpenAI یکی از محورهای اصلی، کاهش میزان دادهای بوده که باید میان بخشهای مختلف سیستم جابهجا شود.
OpenAI در توضیح این تراشه اعلام کرده است که Jalapeño با هدف کاهش جابهجایی داده و تاخیرهای ارتباطی طراحی شده و با ایجاد یک حوزه پردازشی بزرگ امکان میدهد کل بار کاری در یک سیستم متصل باقی بماند. به این ترتیب میزان انتقال داده کاهش مییابد و کل درخواست میتواند از ابتدا تا انتها با سرعت و بهرهوری بیشتری پردازش شود.
این رویکرد با راهکار انویدیا تفاوت دارد. در حالی که انویدیا بر مدیریت و هدایت کارآمد جریان دادهها تمرکز دارد OpenAI تلاش میکند با نگه داشتن بار کاری در یک تراشه یکپارچه اساسا نیاز به جابهجایی گسترده داده را کاهش دهد.
با وجود این تفاوت منطق کلی هر دو رویکرد مشابه است: افزایش بهرهوری تنها از مسیر افزایش تعداد چرخههای پردازشی یا قدرت پردازنده به دست نمیآید و کنترل هوشمندانه جریان داده نیز میتواند نقش تعیینکنندهای داشته باشد.
رقابت جدید در لایهای فراتر از GPU
این تحول میتواند لایه جدیدی از رقابت در صنعت زیرساخت هوش مصنوعی ایجاد کند. در این شرایط، شرکتها دیگر صرفاً برای ساخت یک GPU قدرتمندتر رقابت نمیکنند بلکه توانایی آنها برای ایجاد هماهنگی میان تمام اجزای یک سیستم محاسباتی عظیم نیز به یک مزیت رقابتی تبدیل میشود.
البته تمرکز جدید انویدیا بر هماهنگسازی دادهها به معنای تضمین برتری این شرکت نیست. انویدیا همچنان در این حوزه نیز باید با شرکتهای تراشهساز رقیب و هایپراسکیلرهایی که سختافزارهای اختصاصی خود را توسعه میدهند رقابت کند.
با این حال به نظر میرسد زمین رقابت در حال تغییر است، بهگونهای که ساخت یک GPU رقیب بهتنهایی اهمیت سابق را ندارد و توانایی یک شرکت برای بهینهسازی عملکرد کل سیستم از پردازنده و حافظه گرفته تا ذخیرهسازی و شبکه اهمیت بیشتری پیدا کرده است.
در مراحل ابتدایی این تحول انویدیا به نظر میرسد همچنان برتری قابل توجهی در اختیار دارد، مزیتی که دیگر صرفا از قدرت GPUهای این شرکت ناشی نمیشود بلکه مجموعهای از سختافزارها و فناوریهای پیرامون GPU را نیز در بر میگیرد.
انتهای پیام/
