شرکت آنتروپیک (Anthropic) اعلام کرده است که در حال ایجاد یک تیم توسعه تراشه داخلی برای طراحی مشترک پردازندههای اختصاصی ASIC خود به منظور مدیریت بارهای کاری استنتاج هوش مصنوعی (AI inferencing) است. همانطور که به نشریه بیزینس اینسایدر توضیح داده شده است، آنتروپیک شروع به استخدام مهندسانی برای طراحی این تراشهها با یک شریک نامشخص کرده است و به نظر میرسد این کار را با سرعت پیش میبرد؛ در آگهیهای شغلی ذکر شده است که هر فرد استخدامشده بالقوه باید آماده باشد تا طبق برنامه زمانی کار کرده و طراحی تراشه را به سرانجام برساند.
این شرکت تنها نمونه از شرکتهای بزرگ هوش مصنوعی است که اعلام کرده سختافزار اختصاصی خود را توسعه میدهد. از آنجا که کمبودهای اقتصادی جهانی عرضه تراشهها را تحت فشار قرار داده و مدلها به طور فزایندهای به بهینهسازیها متکی هستند تا بارهای کاری را کارآمدتر و بهطور بالقوه سودآورتر کنند، ساخت سیلیکون سفارشی برای مراکز داده خود بسیار منطقی به نظر میرسد. آنتروپیک اکنون به شرکتهایی مانند گوگل (Google)، متا (Meta)، مایکروسافت (Microsoft)، آمازون (Amazon) و اوپنآیوی (OpenAI) در ساخت تراشههای خود برای این منظور میپیوندد.
اگر کاری را درست میخواهید...
این موضوع بر هیچکس پوشیده نیست که برای آموزش یک مدل پیشرفته هوش مصنوعی، به پردازندههای گرافیکی انویدیا (Nvidia) نیاز دارید. حتی توسعهدهندگان چینی هوش مصنوعی که تحت فشار حزب حاکم هستند و دسترسی محدودی به سختافزار انویدیا دارند، همچنان از پردازندههای گرافیکی انویدیا استفاده میکنند — حتی اگر مجبور باشند ابتدا آنها را قاچاق کنند.
اما اگر به دنبال اجرای هوش مصنوعی برای انجام بارهای کاری استنتاج برای مدلهای هوش مصنوعی عاملیتمحور (agentic) و مولد هستید، میتوانید از طیف بسیار وسیعتری از سختافزار استفاده کنید. پردازندههای گرافیکی انویدیا خوب هستند، اما گرانقیمت هستند — سیلیکون سفارشی میتواند کل هزینه مالکیت را تا ۶۵ درصد کاهش دهد — و مصرف برق بالایی دارند، در حالی که گزینههای بسیار کارآمدتری نیز در دسترس است. آزمایشگاههای چینی در حال استفاده از سختافزار داخلی چین هستند و بسیاری از توسعهدهندگان هوش مصنوعی غربی راه حلهای خود را دارند؛ آنهایی هم که ندارند، در حال ساخت آنها هستند.
گوگل به مدت ۱۲ سال است که در حال ساخت تراشههای واحد پردازش تانسور (TPU) خود بوده و برای توسعه هر نسل با برادکام (Broadcom) همکاری کرده است. آمازون دارای تراشههای ترینیوم (Trainium) و اینفرنتیا (Inferentia) است و متا اخیراً چندین طراحی جدید MTIA را برای استقرار تا سال ۲۰۲۷ معرفی کرده است. مایکروسافت خط تولید مایا (Maia) خود را دارد و تسلا اخیراً پس از سالها توسعه دوج (Dojo)، به سمت طرحهای تراشه AI5 و AI6 خود چرخیده است.
و اکنون آنتروپیک نیز به دلایل مشابه وارد این عرصه شده است. آنتروپیک به بیزینس اینسایدر گفت که در حال طراحی مشترک این تراشهها است تا به کلود (Claude) اجازه دهد با سرعت و کارایی بیشتری در مقیاس مورد نیاز مشتریانش اجرا شود. در واقع، آنتروپیک در سال گذشته رشد انفجاری را تجربه کرده، توسعه عظیمی را در فضای مصرفکننده دیده و قراردادهای دولتی قابل توجهی را به دست آورده است — بدون اینکه فراموش کنیم هوش مصنوعی عاملیتمحور به توکنهای بسیار بیشتری نسبت به تعاملات سنتی تکپروامپتی نیاز دارد.
آنتروپیک فاش نکرده است که با چه شرکتی روی طراحی و توسعه آن کار میکند. اگرچه برادکام و مارول (Marvell) دو شرکت بزرگ در بازار طراحی مشترک ASIC هستند و حدود ۹۵ درصد از آن را به خود اختصاص دادهاند، اما نشریه د اینفورمیشن ماه گذشته گزارش داد که آنتروپیک در حال مذاکره با سامسونگ (Samsung) برای تولید است.
فروشندگان بیل همیشه سود میبرند
طراحی، بستهبندی و ساخت یک ASIC سفارشی برای استنتاج هوش مصنوعی نه ارزان است و نه آسان. در کنار توسعه سختافزار، به پشته نرمافزاری برای استفاده از آن نیاز دارید و میخواهید مدلهایی داشته باشید که برای اجرای روی آن بهینه شده باشند تا از مزایای بالقوه آن بیشترین بهره را ببرید. این امر باعث میشود که برای بیشتر شرکتها به صرفهتر باشد که به سادگی از سختافزار شرکتهای دیگر و پردازندههای گرافیکی همهمنظوره استفاده کنند. اما برای شرکتهای بزرگ هوش مصنوعی با بودجه کافی و توانایی مقیاسپذیری برای به حداکثر رساندن سودمندی کارایی، سرمایهگذاری کاملاً ارزشمندی است.
اما توسعهدهندگان هوش مصنوعی تنها کسانی نیستند که سود میبرند. انویدیا یکی از معدود شرکتهایی بوده که سود هنگفتی از رونق هوش مصنوعی به دست آورده است، در حالی که شرکتهایی مانند متا، گوگل، مایکروسافت و اوپنآیسی همگی مبالغ هنگفتی را در تلاشهای هوش مصنوعی خود از دست میدهند. برندگان بسیار واقعی در بازار طراحی و ساخت ASIC سفارشی نیز وجود دارند: تیاسامسی (TSMC)، برادکام و مارول.
برادکام سالهاست شریک طراحی مشترک گوگل بوده و اخیراً نیز برای کمک به ساخت تراشههای استنتاج اوپنآیوی انتخاب شده است. این شرکت همچنین با متا روی طراحی MTIA همکاری میکند و قراردادهایی برای سایر طراحیهای سفارشی ASIC با بایتدنس (ByteDance) و فوجیتسو (Fujitsu) دارد. برادکام همچنین سختافزار اتصال متقابل و شبکهای قدرتمندی تولید میکند که به آن اجازه میدهد راهحل کاملتری به مشتریان ارائه دهد. این شرکت مدعی است که ۷۳ میلیارد دلار سفارش معوق برای انجام دارد و انتظار دارد تا پایان سال ۲۰۲۷ بیش از ۱۰۰ میلیارد دلار درآمد سالانه از تراشههای هوش مصنوعی ایجاد کند.
مارول قراردادهای بزرگی با آمازون برای تراشههای ترینیوم و با مایکروسافت برای مایا دارد و انتظار میرود در سال ۲۰۲۶ بیش از ۱۱ میلیارد دلار از این مشاغل طراحی مشترک کسب کند.
اگر سامسونگ به عنوان شریک آنتروپیک ظاهر شود، به عنوان یک بازیگر نسبتاً کوچک در این حوزه خاص عمل خواهد کرد، اما تخصص عظیمی در زمینه ساخت و طراحی تراشه و همچنین دسترسی به حافظه حیاتی که با کمبود جهانی شدیدی روبهروست را به میز مذاکره میآورد.
با این حال، بزرگترین برنده تمامی این ابتکارات بدون شک تیاسامسی (TSMC) است. این شرکت تایوانی اکثریت سیلیکون پیشرفته جهان را تولید میکند و در تولید تقریباً تمام تراشههای مورد بحث در اینجا نقش دارد. آنها برای ادغام با حافظه با پهنای باند بالا (HBM) به فناوریهای بستهبندی پیشرفته CoWoS شرکت TSMC نیاز دارند. این شرکت همچنین بیشتر بستهبندی پردازندههای گرافیکی انویدیا و ایامدی (AMD) را مدیریت میکند و بخش عمدهای از ویفرهای زیرین را نیز تولید میکند.
دنیای تراشههای چندقطبی
پیوستن آنتروپیک به مسابقه ASICهای سفارشی جای تعجب چندانی ندارد و آیندهای را که به نظر میرسد به سمت آن در حرکت هستیم بیش از پیش تثبیت میکند؛ آیندهای که در آن هر یک از شرکتهای بزرگ هوش مصنوعی (هایپراِسکیلر) به دنبال مدیریت هرچه بیشتر استنتاج خود با سختافزار سفارشی هستند. این کار کارآمدتر است، کنترل ویژگیها و مشخصات آن آسانتر است و هنگام بهینهسازی برای مدلهای داخلی، مقیاسپذیری آن سادهتر میشود. از دیدگاه چین، اجتناب از مشکلات ناشی از محاصرههای تجاری بینالمللی و تعرفهها نیز آسانتر خواهد بود.
آنها احتمالاً هرگز ۱۰۰ درصد به تراشههای خود وابسته نخواهند شد — تقاضا برای هوش مصنوعی به قدری زیاد است که مقیاسدهی برای آن اتفاق نمیافتد و انویدیا به شدت بر دسترسی به زنجیره تامین تسلط داشته است. اما هر تراشه جدیدی که نصب میشود، یک پردازنده گرافیکی انویدیا است که برای همان منظور استفاده نخواهد شد و این امر ممکن است به کاهش انحصار انویدیا بر صنعت کمک کند. البته این موضوع شامل آموزش (Training) نمیشود؛ این بخش احتمالاً برای مدتی طولانی جذابترین نقطه قوت انویدیا باقی خواهد ماند.