>> اندوختهگذاری هنگفت چینیها در پردازندههای هوش مصنوعی انویدیا؛ رقابت با غولهای فناوری آمر

>> اندوختهگذاری هنگفت چینیها در پردازندههای هوش مصنوعی انویدیا؛ رقابت با غولهای فناوری آمریکا >> سازمانهای فناوری چینی در سال ۲۰۲۴ به عنوان بزرگترین خریداران پردازندههای هوش مصنوعی انویدیا Microsoft، قرار گرفتند.

بر اساس گزارشهای بینالمللی، شرکتهای تنسنت و بایتدنس (مادر تیکتاک) هر کدام حدود ۲۳۰ هزار واحد از پردازندههای هاپر انویدیا، بهویژه مدل که برای محدودیتهای صادراتی به چین طراحی شده است، خریداری کردند. این مقدار خرید نشاندهنده تلاش جدی این دو شرکت برای تقویت زیرساختهای هوش مصنوعی خود در مقابل رقبای جهانی است.

کی هاپر را در سال ۲۰۲۴ خریداری کردند.

این روند خرید نشان میدهد که شرکتهای آمریکایی بهسرعت به توسعه تراشههای سفارشی خود میپردازند، همچنان به عنوان یک مصرفکننده اصلی از تراشههای انویدیا بهره میبرند. گوگل تا به اکنون ۱.۵ میلیون واحد TPU، متا ۱.۵ میلیون تراشه MTIA و آمازون ۱.۳ میلیون تراشه ترینیم و اینفرنشیا را در زیرساختهای خود قرار دادهاند. مایکروسافت نیز در فازهای اولیه، حدود ۲۰۰ هزار تراشه مایا را نصب کرده است.

این پروژههای پیچیده به چندین سال زمان نیاز دارند و حاشیهای از ایمنی در تخمینهای رشد بسیار مهم است. בנוסף به GPUهای انویدیا، و متا هم قابل توجهی از تراشههای AMD را خریداری کردهاند. ۹۶ هزار و متا ۱۷۳ هزار واحد از این تراشهها را در سال ۲۰۲۴ به کار گرفتهاند. این موضوع نشان میدهد که شرکتهای بزرگ فناوری در حال تنوعدهی در انتخاب تراشههای خود هستند و بهطور همزمان سعی در کاهش وابستگی به یک واحد دارند.

تحت نظر این روند، تنسنت و بایتدنس با پیشی گرفتن از گوگل، متا، تسلا و آمازون در تعداد واحدهای خریداری شده، توانستهاند بهعنوان رقابتی جدی در حیثیت هوش مصنوعی یابند. این پیشرفت حتی در شرایط محدودیتهای تجاری شدید که تحت دولت احتمالی ترامپ ممکن است تشدید شود، ادامه خواهد یافت.

تحلیلگران معتقدند که این اندوختهگذاریهای هنگفت نه تنها نشاندهندهความ جدی شرکتهای چینی در cạسازی با های فناوری آمریکا است، بلکه استراتژیک در زمینه هوش مصنوعی را نیز प्रकाश است. محدودیتهای تجاری نتوانستهاند بهطور کامل مانع دسترسی چین به فناوریهای پیشرفته شوند، و این کشورها بهطور مستمر در آفرینیسیدهی در زیرساختهای هوش مصنوعی پیش میروند.

>> در ادامه بررسی روند خرید تراشههای هوش مصنوعی در سال ۲۰۲۴، باید به نکات کلیدی دیگری نیز توجه کرد که این روند را شکل دادهاند. یکی از مهمترین عوامل، افزایش تقاضای غیرمعمول برای پردازش دادههای بزرگ و آموزش مدلهای زبانی بزرگ (LLM) است که مستقیماً به افزایش نیاز به منابع محاسباتی قوی منجر شده است.

شرکتهای چینی، با توجه به هدفهای استراتژیک خود در حوزهٔ هوش مصنوعی، سعی کردهاند تا از طریق خرید lớn تراشههای GPU، قابلیتهای خود را در آموزش و استنتاج مدلهای پیشرفته افزایش دهند. به عنوان مثال، تنسنت با استفاده از این تراشهها، سعی در بهبود خدمات ابری خود مانند و توسعه مدلهای هوش مصنوعی داخلی برای پردازش زبان طبیعی، بینایی کامپیوتری و توصیههای هوشمند داشته است.

بایتدنس نیز، با تمرکز بر بهبود الگوریتمهای تیکتاک و توسعه مدلهای هوش مصنوعی برای تولید محتوا و تحلیل رفتار کاربران، بهطور قابلتوجهی از این منابع استفاده کرده است. این دو شرکت نه تنها بهعنوان مصرفکننده عمل میکنند، بلکه در حوزهٔ تحقیق و توسعه نیز سرمایهگذاریهای قابلتوجهی داشتهاند. علاوه بر این، باید به نقش سیاستهای دولتی چین در این روند نیز اشاره کرد.

دولت چین، با تدبیرهای مختلف از جمله تأمین مالی مستقیم، تسهیلات مالیاتی و ایجاد پارکهای فناوری، سعی کرده است تا خود را بهعنوان یک مرکز جهانی در حوزهٔ هوش مصنوعی جای دهد. این سیاستها، بهطور غیرمستقیم، توانستهاند تقاضای داخلی برای تراشههای پیشرفته را افزایش دهند و شرکتهای داخلی را تشویق به خرید و استفاده از فناوریهای پیشرفته کنند.

در مقابل، شرکتهای آمریکایی، بهویژه مایکروسافت، گوگل و آمازون، سعی در ایجاد تعادل بین خرید تراشههای خارجی و توسعه تراشههای داخلی خود دارند. این استراتژی دوگانه به آنها اجازه میدهد تا هم از عملکرد بهینه تراشههای موجود (مثل هاپر انویدیا) بهره ببرند و هم به تدریج به وابستگی کمتر به یک واحد منتقل شوند.

توسعه تراشههای سفارشی مانند TPU، MTIA و ترینیم، نه تنها هزینهها را کاهش میدهد، بلکه انعطافپذیری بیشتری در طراحی زیرساختها فراهم میآورد. یک نکته دیگر که در این بحث مهم است، موضوع مصرف انرژی و اثرات محیطی است. پردازش هوش مصنوعی، بهویژه آموزش مدلهای بزرگ، مصرف انرژی قابلتوجهی دارد.

بنابراین، شرکتهای پیشرو در این حوزه، سعی دارند تا از طریق بهینهسازی تراشهها، استفاده از مراکز داده در مناطق با انرژی تجدیدپذیر و بهبود الگوریتمها، اثرات منفی خود را کاهش دهند. این عامل، در آینده، ممکن است یک معیار مهم در انتخاب تراشه و معماری محاسباتی شود. در نهایت، باید گفت که روند خرید تراشههای هوش مصنوعی در سال ۲۰۲۴، تنها یک éè موقت نیست، بلکه نشانگر یک تحول عمیق در حوزهٔ فناوری است.

این تحول، نه تنها شامل تغییرات در سختافزار است، بلکه در نرمافزار، الگوریتمها و مدلهای کاری نیز تاثیر دارد. شرکتهایی که بتوانند در این حوزهٔ پیچیده بهطور موثر عمل کنند، نه تنها در رقابت فعلی خواهند داشت، بلکه در شکلگیری آینده هوش مصنوعی نیز نقش کلیدی خواهند ایفا کرد.

با توجه به تمام این عوامل، میتوان پیشبینی کرد که روند خرید و سرمایهگذاری در تراشههای هوش مصنوعی در سالهای آینده، بهویژه ۲۰۲۵ و ۲۰۲۶، بهطور پیوسته ادامه خواهد یافت. اگرچه محدودیتهای تجاری و چالشهای جغرافیایی-سیاسی ممکن است موانعی ایجاد کنند، اما تقاضای اساسی برای منابع محاسباتی در هوش مصنوعی بهطوری است که احتمالاً این موانع را کامل نخواهد کرد.

شرکتهای موفق، آنهایی خواهند بود که بتوانند در میان این پیچیدگیها، استراتژیهای هوشمندانهای برای بهدست آوردن، بهینهسازی و استفاده از تراشههای هوش مصنوعی توسعه دهند.

نویسنده نوشته: ایمان صالحی

آواتار از  ایمان صالحی