در سالهای اخیر، رشد مدلهای هوش مصنوعی مانند GPT-5، ChatGPT و دیگر مدلهای یادگیری عمیق، نیاز به توان محاسباتی فوقالعاده بالا را افزایش داده است. به همین دلیل، شرکت OpenAI تصمیم گرفته تا با همکاری Broadcom Inc.، چیپهای اختصاصی طراحی کند که مخصوص پردازش شبکههای عصبی و مدلهای زبانی بزرگ بهینه شدهاند. این حرکت نشاندهنده تمایل شرکتهای پیشرو فناوری به خودکفایی سختافزاری و کاهش وابستگی به تراشههای عمومی مانند NVIDIA است.
OpenAI با این اقدام قصد دارد سرعت پردازش مدلهای خود را افزایش دهد، مصرف انرژی را کاهش دهد و هزینههای زیرساخت مراکز داده را به شکل قابل توجهی کم کند. این پروژه نه تنها برای OpenAI بلکه برای کل صنعت هوش مصنوعی اهمیت دارد و میتواند روند بازار GPU و تراشههای AI را متحول کند.
چرا OpenAI به تراشه اختصاصی نیاز دارد؟
مدلهای بزرگ زبانی نیازمند محاسبات ماتریسی گسترده هستند. GPUهای عمومی مانند NVIDIA H100 یا AMD Instinct با وجود قدرت بالا، محدودیتهای زیادی دارند:
-
هزینه بالا: تأمین GPUهای کافی برای آموزش مدلهای عظیم بسیار گران است.
-
در دسترس بودن محدود: بسیاری از GPUها بهخاطر تقاضای جهانی کمیاب هستند.
-
بهینه نبودن برای الگوریتمهای اختصاصی OpenAI: الگوریتمهای شبکه عصبی OpenAI میتوانند با تراشهای که مخصوص آنها طراحی شده، سرعت و بازدهی بسیار بالاتری داشته باشند.
با طراحی چیپ اختصاصی، OpenAI میتواند سیستمهای پردازشی خود را کاملاً کنترل کند و وابستگی به تامینکنندگان خارجی را کاهش دهد. این مسئله مشابه همان کاری است که اپل با تراشههای M1 و M2 انجام داد: کنترل کامل سختافزار و نرمافزار برای ارائه عملکرد بهینه و تجربه کاربری برتر.
Broadcom و نقش آن
Broadcom سابقه طولانی در طراحی ASIC (Application-Specific Integrated Circuits) دارد. این تراشهها برای وظایف خاص بهینه شدهاند و میتوانند در عملکرد و مصرف انرژی نسبت به GPU عمومی بسیار بهتر عمل کنند.
در این همکاری:
-
Broadcom تراشهها را طراحی و تولید میکند.
-
OpenAI الگوریتمها و نرمافزارهای هوش مصنوعی را برای تراشه بهینه میکند.
-
این همکاری باعث میشود که نسل جدید چیپهای AI نه تنها سریعتر باشند، بلکه با شبکههای عصبی OpenAI کاملاً هماهنگ باشند.
تأثیر این پروژه بر صنعت AI و دیتاسنتر
اگر OpenAI موفق شود، چند اثر مهم در بازار خواهد داشت:
-
کاهش وابستگی به NVIDIA و AMD: با ورود تراشه اختصاصی، OpenAI میتواند بخشی از نیاز خود به GPU را حذف کند.
-
بهینهسازی انرژی و هزینهها: مصرف انرژی کاهش یافته و هزینههای عملیاتی دیتاسنترها کمتر میشود.
-
افزایش سرعت آموزش مدلها: الگوریتمها به شکل اختصاصی روی سختافزار بهینه میشوند و زمان آموزش مدلهای بزرگ به شدت کاهش مییابد.
-
تحول در رقابت بین شرکتها: سایر شرکتهای AI ممکن است به سمت طراحی تراشه اختصاصی حرکت کنند، مشابه رقابت بین اپل و تولیدکنندگان کامپیوترهای شخصی.
ویژگیهای تکنیکی احتمالی تراشهها
گزارشها و تحلیلهای اولیه نشان میدهند که تراشههای OpenAI–Broadcom ممکن است شامل موارد زیر باشند:
-
معماری ماتریسی پیشرفته برای پردازش سریع مدلهای زبانی
-
حافظه محلی بزرگ برای کاهش تبادل داده با RAM و SSD
-
مصرف انرژی بهینه با استفاده از فناوریهای مدرن نیمهرسانا
-
پشتیبانی از محاسبات Mixed Precision برای افزایش سرعت و کاهش خطا
-
امکان اتصال و ادغام با زیرساختهای ابری موجود OpenAI
این مشخصات باعث میشود که این تراشهها بتوانند مدلهایی با میلیاردها پارامتر را سریعتر و با هزینه کمتر آموزش دهند.
بازار و آینده
تحلیلگران پیشبینی میکنند که اولین نمونهها تا پایان سال ۲۰۲۶ معرفی شوند و تا ۲۰۲۸ به مرحله تجاری برسند. این تراشهها میتوانند پایهی نسل بعدی مدلهای زبانی OpenAI باشند.
مزیت رقابتی مهم: OpenAI میتواند بدون وابستگی به GPUهای خارجی، سیستمهای ابری و دیتاسنترهای خود را بهینهسازی کند. این حرکت ممکن است بازار GPU را متحول کرده و سهم شرکتهای فعلی را کاهش دهد.
لینک های مرتبط
هوش مصنوعی مولد (Generative AI) چیست؟ کاربردها، مزایا
سوالات متداول (FAQ)
۱. چرا OpenAI تراشه اختصاصی میسازد؟
زیرا طراحی تراشه اختصاصی به OpenAI امکان میدهد عملکرد، انرژی مصرفی و هزینه را بهینه کند و وابستگی به GPUهای عمومی را کاهش دهد.
۲. Broadcom چه نقشی در پروژه دارد؟
Broadcom تراشهها را طراحی و تولید میکند و OpenAI الگوریتمها و نرمافزار هوش مصنوعی را برای آن تراشه بهینه میکند.
۳. آیا این تراشهها جایگزین GPUهای فعلی میشوند؟
در کوتاهمدت نه، اما در بلندمدت میتوانند بخش قابل توجهی از نیاز مراکز داده را پوشش دهند.
۴. اولین نمونهها کی عرضه میشوند؟
براساس گزارشها، نمونههای اولیه تا پایان سال ۲۰۲۶ معرفی خواهند شد.
دیدگاه ها بسته هستند