ماذا حدث
تشير تقارير TechCrunch إلى أن الميزة التنافسية لـ Nvidia في البنية التحتية للذكاء الاصطناعي تتحول إلى ما هو أبعد من معالجات الرسومات الخاصة بها. مع توسع مراكز بيانات الذكاء الاصطناعي نحو استهلاك الطاقة على مستوى جيجاوات، تبيع الشركة أنظمة متكاملة تهدف إلى تنسيق الذاكرة والتخزين والشبكات والحوسبة حول وحدة معالجة الرسومات. يركز التقرير على بنية Vera Rubin الخاصة بـ Nvidia، والتي تجمع بين وحدة معالجة الرسومات Rubin ووحدة المعالجة المركزية Vera ومسرعات الاستدلال Groq 3 LPX ورفوف التخزين والشبكات ذات الصلة. صرح جيسون هاردي، المدير التنفيذي لشركة Nvidia، لـ TechCrunch أن وحدة المعالجة المركزية Vera مصممة للمساعدة في توجيه البيانات إلى وحدة معالجة الرسومات في الوقت المناسب. وقال هاردي إن Nvidia شهد تحسنًا يصل إلى ثلاثة أضعاف في بعض العمليات، على الرغم من أن TechCrunch لم تتحقق بشكل مستقل من هذا الادعاء. تقارن TechCrunch أيضًا أسلوب Nvidia مع شريحة Jalapeño الخاصة بـ OpenAI، والتي تم تصميمها لتقليل حركة البيانات عن طريق الحفاظ على عبء العمل بالكامل داخل نظام واحد متصل. تختلف الأساليب، لكن كلاهما يعالج نفس مشكلة البنية التحتية: نقل البيانات بكفاءة يمكن أن يكون مهمًا بقدر أهمية إضافة سعة المعالج.
تشير تقارير TechCrunch إلى أن ميزة الذكاء الاصطناعي الأخيرة التي يتمتع بها Nvidia ترتبط بشكل متزايد بالبنية التحتية المحيطة بوحدة معالجة الرسومات. يقول المنفذ إن حوسبة الذكاء الاصطناعي تنمو نحو نطاق جيجاوات، مما يزيد من صعوبة تشغيل مراكز البيانات الكبيرة بكفاءة. في تلك البيئة، يقول المقال، يصبح تنسيق حركة البيانات ومكونات النظام تحديًا هندسيًا مركزيًا وليس مصدر قلق ثانوي.
يحدد التقرير بنية Vera Rubin الخاصة بـ Nvidia كمثال على هذه الإستراتيجية. وفقًا لـ TechCrunch، تعمل البنية على دمج وحدة معالجة الرسوميات Rubin مع وحدة المعالجة المركزية Vera ومسرعات الاستدلال Groq 3 LPX ورفوف قابلة للمقارنة للتخزين والشبكات. ويصف المنفذ هذه المكونات بأنها أنظمة متخصصة تهدف إلى تحسين تشغيل كل شيء حول وحدة معالجة الرسومات، بدلاً من مجرد معالجة الرموز المميزة نفسها.
صرح جيسون هاردي، نائب رئيس تكنولوجيا التخزين في Nvidia، لـ TechCrunch أن وحدة المعالجة المركزية Vera تعالج سعة الذاكرة المحدودة لخادم واحد أو منصة حوسبة وتساعد في تنسيق البيانات. أفاد موقع TechCrunch أن هاردي قال إن Nvidia لاحظ تحسنًا يصل إلى ثلاثة أضعاف في بعض العمليات ويمكنه استخدام وحدة تخزين الفلاش بشكل كامل دون التسبب في اختناق. يأتي ادعاء الأداء هذا من Nvidia ولم يتم تأكيده بشكل مستقل في المصدر.
يقارن TechCrunch أسلوب Nvidia على مستوى النظام مع شريحة Jalapeño الخاصة بـ OpenAI. يقتبس المنفذ OpenAI قوله إن Jalapeño تم تصميمه لتقليل تأخير حركة البيانات والاتصالات عن طريق الحفاظ على عبء العمل بالكامل داخل نظام واحد متصل. يستخدم Nvidia وOpenAI تصميمات مختلفة، لكن TechCrunch يقول أن كلاهما يسعى لتحقيق الكفاءة من خلال التحكم الأكثر ذكاءً في حركة البيانات وليس فقط من خلال دورات المعالج الإضافية.
تفاصيل المصدر: techcrunch.com ↗
لماذا يهم
يصف التقرير تحولًا في كيفية تقييم البنية التحتية للذكاء الاصطناعي. يظل أداء وحدة معالجة الرسومات مهمًا، لكن الناتج العملي لنظام الذكاء الاصطناعي الكبير يمكن أن يعتمد أيضًا على الوصول إلى الذاكرة والتخزين والشبكات والبرامج والأجهزة المستخدمة لتنسيق هذه المكونات. وهذا قد يجعل من الصعب على المنافسين تحدي Nvidia بمجرد تقديم مسرع بديل. سيحتاج المنافس إلى مطابقة أداء نظام أوسع، بما في ذلك الاتصالات بين الرقائق والآليات التي تحافظ على تزويد المعالجات الباهظة الثمن بالبيانات. لا تزال الآثار غير مؤكدة. يعتمد حساب TechCrunch جزئيًا على تفسير Nvidia لأنظمته ومطالبة أداء المدير التنفيذي. لا يقدم المصدر نتائج معيارية مستقلة أو أسعار أو أرقام نشر أو دليل على أن ميزة النظام الكامل لـ Nvidia ستستمر مع قيام المتوسعين الفائقين بتطوير البنية التحتية الخاصة بهم.
التقرير مهم لأنه يوسع تعريف القدرة الحاسوبية للذكاء الاصطناعي. قد لا يتم استخدام المسرّع القوي بشكل كافٍ إذا لم تصل إليه البيانات أو معلمات النموذج أو النتائج الوسيطة بالسرعة الكافية. النقطة المركزية في المقالة هي أن تصميم النظام يمكن أن يحدد مدى فعالية استخدام معالجات الذكاء الاصطناعي الباهظة الثمن.
وهذا يخلق حاجزًا محتملاً أمام المنافسين. تشير تقارير TechCrunch إلى أن المعالجين الفائقين مثل Amazon وGoogle قاموا بتطوير شرائحهم الخاصة، مما يقلل من مكانة Nvidia باعتبارها المزود الوحيد لوحدات معالجة الرسوميات المتقدمة ذات الذكاء الاصطناعي. لكن وحدة معالجة الرسومات أو المسرع البديل قد لا تكون كافية إذا كانت تفتقر إلى إمكانات مماثلة للذاكرة والتخزين والشبكات والتنسيق.
ويمكن أن يؤثر هذا التحول أيضًا على الإنفاق على البنية التحتية. إذا كانت حركة البيانات وتنسيقها من القيود الرئيسية، فقد يحتاج المشترون إلى تقييم الحوامل الكاملة وبنيات النظام بدلاً من مقارنة مواصفات المسرع وحدها. ومن الممكن أن يؤدي ذلك إلى تعزيز موقف الموردين الذين يمكنهم توفير أجهزة وبرامج متكاملة بإحكام، مع احتمال زيادة تعقيد وتكلفة تبديل البائعين.
الأدلة لها حدود مهمة. تتضمن تقارير TechCrunch محادثات مع موظفي Nvidia ورقم الأداء المقدم من مسؤول تنفيذي في Nvidia، لكن المصدر لا يوفر أي اختبار مستقل أو بيانات نشر العملاء أو الأسعار أو قياسات الطاقة أو المقارنة مع الأنظمة المنافسة. ويدعم التقرير وجود استراتيجية النظام الأوسع لشركة Nvidia، لكنه لا يثبت أن الشركة ستحافظ على صدارة دائمة.
الآلية التفاعلية: كيف تعمل فعليًا
استكشف التكنولوجيا الأساسية وراء هذا التطور بشكل تفاعلي.
Which component of an AI application is the machine-learning model itself?
ماذا تشاهد بعد ذلك
شاهد ما إذا كانت Nvidia تنشر قياسات مستقلة وقابلة للتكرار لنظام Vera Rubin، بما في ذلك الإنتاجية الشاملة واستخدام الطاقة وأداء الذاكرة والتخزين، والظروف الكامنة وراء التحسين الثلاثي المبلغ عنه. شاهد كيف تستجيب Amazon وGoogle وغيرهم من مشغلي السحابة الكبار. تشير تقارير TechCrunch إلى أن المتوسعين الفائقين قاموا بتطوير شرائحهم الخاصة، ولكن المنافسة الأكثر أهمية قد تشمل أنظمة كاملة لتنسيق الحوسبة والذاكرة والتخزين والشبكات. شاهد أيضًا ما إذا كان العملاء يشترون البنية التحتية المتكاملة لـ Nvidia كحزمة أو مكونات بديلة من موردين متعددين. يشير التقرير إلى أن التنسيق أصبح طبقة تنافسية رئيسية، لكنه لا يحدد مدى انتشار أنظمة Nvidia، أو تكلفتها، أو كيفية أدائها في الإنتاج.
سيكون الدليل التالي الأكثر فائدة هو الاختبار الشفاف الذي يجريه طرف ثالث لأنظمة Vera Rubin. يجب أن يفصل هذا الاختبار أداء وحدة معالجة الرسومات عن المكاسب التي تعزى إلى وحدة المعالجة المركزية Vera وتخزين الفلاش والشبكات والتنسيق، ويجب أن يوضح أعباء العمل وخط الأساس المستخدم لأي تحسين مُطالب به.
سيكون التوفر وشروط الشراء مهمًا أيضًا. يصف المصدر بنية Nvidia والطرح الحالي لكنه لا يذكر العملاء الذين يمكنهم الحصول على الأنظمة، وبأي كميات، وبأي سعر، أو ما إذا كان يمكن خلط المكونات الفردية مع الأجهزة من موردين آخرين. ستحدد هذه التفاصيل ما إذا كانت الإستراتيجية عملية على نطاق واسع أم أنها عرض Nvidia متكامل بشكل أساسي.
سوف تظهر استجابات المنافسين ما إذا كان السوق يتجه نحو المنافسة على مستوى النظام. قد يقوم موفرو الخدمات السحابية بتصميم بنيات بديلة حول شرائحهم الخاصة، في حين قد يركز صانعو الشرائح الآخرون على الذاكرة أو الشبكات أو التخزين أو التوصيلات البينية بدلاً من التنافس مباشرة على أداء وحدة معالجة الرسومات. ولا يحدد المصدر أنظمة منافسة محددة أو يقدم أدلة حول قدراتها الحالية.
يعد تصميم Jalapeño الخاص بـ OpenAI بمثابة مقارنة مفيدة، لكن لا ينبغي التعامل معه كدليل على تفوق أحد الأساليب. يصف بيان OpenAI، الذي نقلته TechCrunch، محاولة لتقليل حركة البيانات داخل الشريحة المتصلة. هناك حاجة إلى مزيد من المعلومات لمقارنة هذا التصميم مع نموذج التنسيق الموزع الخاص بـ Nvidia عبر أحمال العمل الحقيقية واستخدام الطاقة والموثوقية وإجمالي تكلفة التشغيل.