به گزارش خبرخوان
در داخل آزمایشگاهی در مقر گوگل در مانتین ویو، کالیفرنیا، صدها رک سرور در چندین راهرو درحال فعالیت می باشند و وظایفی را انجام خواهند داد که زیاد کمتر از ماموریت های مرتبط با اجرای موتور جستجوی مهم جهان است. در عوض این رک سرورها درحال انجام آزمایش‌هایی روی ریزتراشه‌های خود گوگل به نام واحد پردازش تنسور (TPU) می باشند.
واحدهای پردازش تنسور گوگل در ابتدا برای مدیریت بار کاری داخلی آموزش دیدند و از سال ۲۰۱۸ برای مشتریان ابری در دسترس می باشند. اپل در ماه ژوئیه خبرداد که از واحدهای پردازش تنسور برای آموزش مدل‌های AI که پایه و مبنا پلتفرم هوش مصنوعی Apple Intelligence می باشند، منفعت گیری می‌کند. گوگل این چنین برای آموزش و اجرای چت‌بات جمینای خود به واحدهای پردازش تنسور متکی است.
«دانیل نیومن»، مدیرعامل گروه فیوچروم (Futurum) درمورد رقابت انویدیا و گوگل در عرصه آموزش AI این‌این چنین حرف های است:
«در سراسر جهان نوعی باور اساسی وجود دارد که بر پایه آن همه مدل‌های بزرگ زبان هوش مصنوعی روی انویدیا آموزش داده خواهد شد؛ بدون تردید انویدیا سهم بزرگی از حجم آموزش AI را برعهده دارد؛ اما گوگل هم در این حوزه مسیر خود را انتخاب کرده و از زمان راه‌اندازی تراشه‌های ابری سفارشی گوگل در سال ۲۰۱۵، روی آن‌ها کار کرده است.»
آخرین مطالب
- اسپاتیفای قابلیت پخش موزیک ویدیو را در ۸۵ سرزمین دیگر اراعه می‌کند_خبرخوان
- ایران ۴ – ۱ قطر/انتقام سخت ایران از قطر + فیلم_خبرخوان
- با هوش مصنوعی Future You با نسخه ۶۰ ساله خودتان سخن بگویید کنید_خبرخوان
- تاریخ برگشت چشمی به استقلال اشکار شد_خبرخوان
- عذرخواهی «سیمای خانواده» درمورد «یک خطای ناخواسته»_خبرخوان
جایگاه گوگل در حوزه ساخت تراشه هوش مصنوعی سفارشی ابری
گوگل اولین اراعه‌دهنده خدمات ابری می بود که تراشه‌های هوش مصنوعی سفارشی ساخت. سه سال سپس، آمازون وب سرویس اولین تراشه هوش مصنوعی ابری خود، یعنی اینفرنتیا (Inferentia) را معارفه کرد. اولین تراشه هوش مصنوعی سفارشی مایکروسافت یعنی مایا (Maia) تا آخر سال ۲۰۲۳ معارفه نشد.
اما اولین بودن در حوزه تراشه‌های هوش مصنوعی به معنی دستیابی به جایگاه برتر در رقابت کلی هوش مصنوعی مولد نبوده است. گوگل به‌علت اراعه محصولات ناموفق با انتقاداتی روبه رو شد و به‌جستوجو این اتفاق، جمینای بیشتر از یک سال بعد از ChatGPT اراعه شد.
بااین‌حال گوگل کلود به‌علت اراعه محصولات خود در حوزه AI شتاب گرفته است. شرکت مادر گوگل یعنی آلفابت گزارش داد که درآمد قسمت ابری این شرکت در آخرین سه‌ماهه ۲۹ درصد افزایش یافته و برای اولین بار درآمدهای سه‌ماهه از ۱۰ میلیارد دلار فراتر رفته است.
نیومن در رابطه این نوشته این‌این چنین حرف های است:
«عصر ابر هوش مصنوعی به‌طور کامل نحوه دیده شدن شرکت‌ها را تحول داده و این اختلاف سیلیکونی (نزدیک بودن در ساخت تراشه‌ها) یا به‌گفتن دیگر خود واحد پردازشی امکان پذیر یکی از بزرگ‌ترین دلایلی باشد که علتشده گوگل به‌علت توانمندیهای هوش مصنوعی خود از جایگاه سومین شرکت اراعه‌دهنده خدمات ابری به سطحی برابر با سطح دو شرکت ابری دیگر و حتی موقعیتی فراتر دست یابد.»
در سایت خبری خبرخوان آخرین اخبارحوادث,سیاسی,فرهنگ وهنر,اقتصاد و تکنولوژی,دفاعی,ورزشی,ایران,جهان را بخوانید.
در ماه ژوئیه، CNBC اولین تور ضبط‌شده با دوربین از آزمایشگاه تراشه گوگل را برگزار و با رئیس قسمت تراشه‌های ابری سفارشی، «امین وحدت»، مصاحبه کرد. او در وقتی که گوگل برای اولین بار با ایده ساخت تراشه‌ها در سال ۲۰۱۴ سرگرم می بود، در این شرکت وجود داشت.
وحدت در مصاحبه اش در تور مذکور این‌این چنین حرف های است:
«همه چیز با یک آزمایش فکری ساده اما قوی اغاز شد. تعدادی از مدیران شرکت این سوال را نقل کردند: اگر کاربران گوگل بخواهند فقط ۳۰ ثانیه در روز از طریق صدا با آن تعامل کنند، چه اتفاقی می‌افتد؟ چه مقدار قوت محاسباتی نیاز داریم تا از کاربران خود حمایتکنیم؟»
در آن زمان مطابق برآورد کارشناسان، گوگل باید تعداد کامپیوترهای خود در مراکز داده را دو برابر می‌کرد؛ به این علت آن‌ها به‌جستوجو راه‌حلی اساسی برای فراهم قوت پردازشی مورد نیاز گوگل بودند.
وحدت درمورد این نوشته این‌این چنین حرف های است:
«ما فهمید شدیم که می‌توانیم سخت‌افزار سفارشی بسازیم، نه سخت‌افزار عمومی، بلکه سخت‌افزار سفارشی (در این مورد واحدهای پردازش تنسور است) تا از کاربران زیاد بهتر حمایتکنیم؛ درواقع ۱۰۰ برابر کارآمدتر از حمایتدر دیگر شرایط.»
مراکز داده گوگل تا این مدت به واحدهای پردازش مرکزی عمومی (CPU) و واحدهای پردازش گرافیکی انویدیا (GPU) متکی می باشند. واحدهای پردازش تنسور گوگل نوع فرد دیگر از تراشه به نام مدار مجتمع خاص برنامه (ASIC) محسوب خواهد شد که برای اهداف خاص سفارشی‌سازی شده‌اند. TPU روی هوش مصنوعی متمرکز است. گوگل یک ASIC دیگر متمرکز بر ویدیو به نام واحد کدگذاری ویدئو (VCU) نیز ساخته است.
گوگل این چنین در رویکردی درست شبیه استراتژی سیلیکون سفارشی اپل، تراشه‌های سفارشی برای دستگاه‌های خود می‌سازد، تراشه Tensor G4 نیروی محرکه پیکسل ۹ تازه گوگل با قابلیت هوش مصنوعی و تراشه تازه A1 نیروی محرکه Pixel Buds Pro 2 است.
بااین‌حال، TPU گوگل را نزدیک می‌کند؛ این واحد پردازشی اولین واحد پردازشی اراعه‌شده در سال ۲۰۱۵ در نوع خود می بود. مطابق گزارش گروه فیوچروم، واحدهای پردازش تنسور با ۵۸ درصد سهم بازار، تا این مدت هم در بین شتاب‌دهنده‌های ابری سفارشی هوش مصنوعی، بیشترین سهم را به خود تعلق داده‌اند.
گوگل کلمه واحد پردازشی تنسور را بر پایه کلمه جبری «تنسور» ابداع کرده که به ضرب ماتریس‌های بزرگ‌مقیاس که برای اپلیکیشن‌های هوش مصنوعی پیشرفته سریع اتفاق می‌افتد، اشاره دارد.
با اراعه دومین TPU در سال ۲۰۱۸، گوگل تمرکز را از استنتاج به سمت آموزش مدل‌های هوش مصنوعی سوق داد.
«استیسی راسگون»، تحلیلگر ارشد نیمه‌هادی‌ها در «برنستین ریسرچ» در رابطه این نوشته این‌این چنین او گفت:
«پردازنده‌های گرافیکی برنامه‌پذیرتر و انعطاف‌پذیرتر می باشند؛ اما اراعه آن‌ها محدود بوده است.»
شکوفایی هوش مصنوعی علتشده قیمت سهام انویدیا به‌شدت افزایش یابد. قیمت بازار این شرکت در ماه ژوئن به ۳ تریلیون دلار رسید که از قیمت بازار آلفابت زیاد تر می بود. این درحالی است که گوگل برای کسب جایگاه ارزشمندترین شرکت جهان، با اپل و مایکروسافت رقابت می‌کرد.
نیومن در رابطه این نوشته این‌این چنین حرف های است:
«اگر بخواهیم صادق باشیم، باید بگوییم این شتاب‌دهنده‌های تخصصی هوش مصنوعی به‌اندازه پلتفرم انویدیا انعطاف‌پذیر یا قوی نیستند و این همان چیزی است که بازار نیز چشم به راه دیدن آن است: آیا فردی می‌تواند در این فضا رقابت کند؟»
اکنون که می‌دانیم اپل از واحدهای پردازش تنسور گوگل برای آموزش مدل‌های هوش مصنوعی خود منفعت گیری می‌کند، باید بگوییم آزمون واقعی وقتی خواهد می بود که ویژگی‌های هوش مصنوعی مذکور در سال آینده به‌طور کامل روی دستگاه‌های آیفون و مک اراعه شوند.
همکاری گوگل با برادکام و TSMC
گسترش جانشین‌های مناسب برای موتورهای هوش مصنوعی انویدیا کار آسانی نیست. نسل ششم TPU گوگل، به نام تریلیوم (Trillium)، قرار است اواخر امسال اراعه شود.
راسگون در رابطه این نوشته این‌این چنین او گفت:
«گسترش جانشین‌های مناسب برای موتورهای AI هزینه‌بر و دشوار است؛ این کاری نیست که همه بتوانند انجام بدهند؛ اما این مراکز داده بزرگ، توانمندیها، پول و منبع های ملزوم برای رفتن به این مسیر را دارند.»
این فرآیند آن‌قدر پیچیده و پرهزینه است که حتی مراکز داده‌های بزرگ نمی توانند به‌تنهایی آن را انجام بدهند. گوگل از زمان اراعه اولین TPU، با برادکام (Broadcom)، یک گسترش‌دهنده تراشه که به متا هم در طراحی تراشه‌های AI پشتیبانی می‌کند، همکاری کرده است. برداکام ادعا می‌کند برای انجام این همکاری‌ها بیشتر از ۳ میلیارد دلار هزینه کرده است.
راسگون در رابطه این نوشته این‌این چنین حرف های است:
«برادکام همه کارهای جانبی را انجام می‌دهد. این شرکت ماموریت های مربوط به دریافت ورودی‌ها و اراعه خروجی‌ها، ماموریت های مدارهای فرستنده-گیرنده که داده‌های موازی را به داده‌های سریال و بالعکس تبدیل می‌کند و دیگر فعالیت‌های محاسباتی را انجام می‌دهد. برادکام کارهای مربوط به تشکیل محافظ برای مدار را نیز برعهده دارد.»
در مرحله بعدی، طراحی نهایی برای تشکیل به کارخانه‌ها ارسال می‌شود؛ این کارخانه‌ها متعلق به بزرگ‌ترین شرکت تولیدکننده تراشه‌های جهان، یعنی TSMC می باشند که ۹۲ درصد از گسترش یافتهترین قطعات نیمه‌هادی جهان را تشکیل می‌کند.
هنگامی از وحدت پرسیده شد که آیا گوگل تدابیری برای محافظت در برابر بدترین اتفاقات در حوزه ژئوپلیتیک بین چین و تایوان اندیشه است یا نه، او او گفت: «قطعاً برای این چنین اتفاقاتی آماده شده‌ایم و به آن فکر می‌کنیم، اما امیدواریم نیازی به عمل در این راستا نباشد.»
محافظت در برابر این خطرات، علت مهم تخصیص مبلغ ۵۲ میلیارد دلار از بودجه قانون علم و تراشه (CHIPS Act) به شرکت‌های سازنده کارخانه‌های تشکیل تراشه در آمریکا از سوی کاخ سفید است. تا به امروز اینتل، TSMC و سامسونگ، بیشترین بودجه‌ها را دریافت کرده‌اند.
آیا گوگل در کار او موفق خواهد شد؟
گوگل فارغ از وجود همه ریسک‌ها حرکت بزرگ فرد دیگر درزمینه تراشه‌ها انجام داده و اظهار کرده است که اولین پردازنده این شرکت برای کاربردهای عمومی به نام آکسیون (Axion) تا آخر سال در دسترس خواهد می بود.
گوگل دیر داخل رقابت CPU شده است. آمازون پردازنده گراویتون (Graviton) خود را در سال ۲۰۱۸ و علی‌بابا تراشه سرور خود را در سال ۲۰۲۱ اراعه کرد. مایکروسافت نیز در نوامبر CPU خود را معارفه کرد.
هنگامی از وحدت پرسیده شد که چرا گوگل برای ساخت CPU سریعتر دست‌به‌کار نشده، در جواب این این چنین او گفت:
«تمرکز ما بر حوزه‌ای بوده است که می‌توانیم بیشترین قیمت را برای مشتریان خود اراعه دهیم و کارمان را با TPU، واحدهای کدگذاری ویدیو و شبکه‌های اغاز کرده‌ایم. بعد از اراعه این سخت‌افزارها معتقد بودیم که زمان اراعه پردازنده فرا رسیده است.»
ساخت همه این پردازنده‌ها از شرکت‌های غیرتراشه‌ساز، ازجمله گوگل، با منفعت گیری از معماری تراشه ARM مقدور شده است؛ معماری مذکور، جایگزینی با امکان سفارشی‌سازی زیاد تر و کارآمدتر از نظر انرژی محسوب می‌شود که در جلب‌دقت نسبت به معماری سنتی x86 مورداستفاده توسط اینتل و AMD موفق‌تر بوده است. منفعت‌وری انرژی زیاد مهم است؛ چون پیش‌بینی می‌شود تا سال ۲۰۲۷ سرورهای هوش مصنوعی هر سال به‌اندازه کشوری همانند آرژانتین برق مصرف کنند. گزارش محیط زیستی تازه گوگل نشان داد که انتشار کردن گازهای گلخانه‌ای از سال ۲۰۱۹ تا ۲۰۲۳ تقریباً ۵۰ درصد افزایش یافته که بخشی از آن به علت رشد مراکز داده برای فراهم انرژی AI بوده است.
چنانچه تراشه‌های طراحی‌شده برای منفعت گیری از هوش مصنوع کم‌مصرف نبودند؛ اعداد مذکور مرتبط با صدمه‌های زیست‌محیطی، زیاد زیاد تر از مقدار‌های ذکرشده می بود؛ وحدت در رابطه این نوشته این‌این چنین حرف های است:
«ما شبانه‌روز برای افت انتشار کردن کربن ناشی از فعالیت‌های زیرساخت‌های خود تلاش می‌کنیم و درحال به صفر رساندن انتشار کردن آن هستیم.»
خنک کردن سرورهای آموزش‌دهنده و اجراکننده AI نیازمند مقدار بسیاری آب است. به همین علت، نسل سوم TPU گوگل اغاز به منفعت گیری از سیستم خنک‌کننده مستقیم به تراشه (direct-to-chip cooling) کرده است که آب کمتری مصرف می‌کند. این روش که در آن مایع خنک‌کننده مستقیماً در اطراف پلیت تراشه حرکت می‌کند، روشی است که انویدیا برای خنک کردن پردازنده‌های گرافیکی Blackwell منفعت گیری می‌کند.
گوگل با وجود چالش‌های زیاد، از ژئوپلیتیک گرفته تا برق و آب، هم چنان به اراعه ابزارهای هوش مصنوعی مولد و ساخت تراشه‌های خود متعهد است
وحدت درمورد این نوشته این‌این چنین حرف های است:
«من هیچ زمان نظیر عزم راسخ گوگل را ندیدم و شدت حرکت این شرکت هیچ زمان کند نشده و قرار است سخت‌افزار نقش زیاد مهمی در این عرصه ایفا کند.»
دسته بندی مطالب
اخبار کسب وکار
