شرکت آنتروپیک (Anthropic) اعلام کرده است که در حال ایجاد یک تیم توسعه تراشه داخلی برای طراحی مشترک پردازندههای سفارشی ASIC خود جهت مدیریت بارهای کاری استنتاج هوش مصنوعی (AI inferencing) است. همانطور که به نشریه بیزنس اینسایدر (Business Insider) توضیح داده شده است، آنتروپیک در حال استخدام مهندسانی برای طراحی این تراشهها با همکاری یک شریک نامشخص است و به نظر میرسد این کار را با سرعت پیش میبرد؛ آگهی استخدام نشان میدهد که هر فرد متقاضی باید آماده کار طبق برنامه زمانی و به سرانجام رساندن طراحی تراشه باشد.
این تازهترین شرکت بزرگ هوش مصنوعی است که اعلام میکند در حال توسعه سختافزار اختصاصی خود است. از آنجا که کمبودهای اقتصادی جهانی عرضه تراشه 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 می رسد. آنتروپیک اکنون به شرکتهایی مانند گوگل (Google)، متا (Meta)، مایکروسافت (Microsoft)، آمازون (Amazon) و اوپنایآی (OpenAI) در زمینه ساخت تراشههای اختصاصی خود پیوسته است.
اگر میخواهید کاری به درستی انجام شود...
هیچ پنهانی نیست که اگر بخواهید یک مدل پیشرفته هوش مصنوعی را آموزش دهید، به پردازندههای گرافیکی انویدیا (Nvidia GPUs) نیاز دارید. حتی توسعهدهندگان چینی هوش مصنوعی که حزب حاکم بر آنها فشار میآورد 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 استنتاجی برای مدلهای هوش مصنوعی عاملمحور و مولد هستید، میتوانید از طیف بسیار گستردهتری از سختافزار استفاده کنید. پردازندههای گرافیکی انویدیا خوب هستند، اما گرانقیمتاند - سیلیکون سفارشی میتواند کل هزینه مالکیت را تا ۶۵ درصد کاهش دهد - و انرژیبر هستند، و گزینههای بسیار کارآمدتری در دسترس است. آزمایشگاههای چینی از سختافزار داخلی چین استفاده میکنند و بسیاری از توسعهدهندگان غربی هوش مصنوعی راهحلهای خود را دارند؛ کسانی که ندارند هم در حال ساختن آنها هستند.
گوگل ۱۲ سال است که در حال ساخت تراشههای واحد پردازش تنسور (TPU) خود است و برای توسعه هر نسل با برادکام (Broadcom) همکاری میکند. آمازون تراشههای ترینیوم (Trainium) و اینفرنتیا (Inferentia) را دارد و متا اخیراً چندین طرح جدید MTIA را برای استقرار تا سال ۲۰۲۷ معرفی کرده است. مایکروسافت خط تولید مایا (Maia) را دارد و تسلا (Tesla) پس از سالها توسعه پروژه دوجو (Dojo)، اخیراً به سمت طرحهای تراشه AI5 و AI6 خود چرخیده است.
و اکنون آنتروپیک نیز وارد این عرصه میشود و به همان دلایل مشابه. آنتروپیک به بیزنس 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 و شاهد توسعه عظیمی در فضای مصرفکننده بوده و قراردادهای دولتی قابل توجهی را به دست آورده است - بدون اینکه اشاره کنیم هوش مصنوعی عاملمحور به توکنهای بسیار بیشتری نسبت به تعاملات سنتی تکپرمپت نیاز دارد.
آنتروپیک فاش نکرده است که با کدام شرکت در زمینه طراحی و توسعه همکاری میکند. اگرچه برادکام و مارول (Marvell) دو شرکت بزرگ در بازار طراحی مشترک ASIC هستند که حدود ۹۵ درصد آن را تشکیل میدهند، اما نشریه اینفورمیشن (The Information) ماه گذشته گزارش داد که آنتروپیک برای تولید در حال گفتگو با سامسونگ است.
فروشندگان بیل همیشه سود میبرند
طراحی، بستهبندی و تولید یک ASIC سفارشی برای استنتاج هوش مصنوعی کار ارزان و آسانی نیست. در کنار توسعه سختافزار، به پشته نرمافزاری برای استفاده از آن نیاز دارید و مدلهایی میخواهید که برای اجرا روی آن بهینه شده باشند تا از مزایای بالقوه آن بیشترین بهره را ببرید. این امر باعث میشود برای اکثر شرکتها صرفه اقتصادی داشته باشد که به سادگی از سختافزار شرکتهای دیگر و پردازندههای گرافیکی عمومیتر استفاده کنند. اما برای شرکتهای بزرگ هوش مصنوعی که پول کافی برای خرج کردن و توانایی مقیاسپذیری برای به حداکثر رساندن بهرهوری را دارند، این سرمایهگذاری کاملاً ارزش دارد.
اما توسعهدهندگان هوش مصنوعی تنها کسانی نیستند که سود میبرند. انویدیا یکی از معدود شرکتهایی بوده است که از رونق هوش مصنوعی سودهای کلانی به دست آورده است، در حالی که شرکتهایی مانند متا، گوگل، مایکروسافت و اوپنایآی 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 که شریک طراحی مشترک گوگل بوده و اخیراً نیز برای کمک به ساخت تراشههای استنتاجی اوپنایآی انتخاب شده است. این شرکت همچنین با متا روی طراحی MTIA همکاری میکند و قراردادهای دیگری برای طراحیهای سفارشی ASIC با بایتدنس (ByteDance) و فوجیتسو (Fujitsu) دارد. این شرکت همچنین سختافزار اتصال و شبکه قدرتمندی تولید میکند که به آن اجازه میدهد راهحل کاملتری به مشتریان ارائه دهد. این شرکت مدعی است که ۷۳ میلیارد دلار سفارش معوقه برای کار دارد و انتظار دارد تا پایان سال ۲۰۲۷ بیش از ۱۰۰ میلیارد دلار درآمد سالانه از تراشههای هوش مصنوعی ایجاد کند.
مارول قراردادهای عظیمی با آمازون برای تراشههای ترینیوم و مایکروسافت برای مایا دارد و انتظار میرود در سال ۲۰۲۶ بیش از ۱۱ میلیارد دلار از این مشاغل طراحی مشترک درآمد کسب کند.
اگر سامسونگ به عنوان شریک آنتروپیک ظاهر شود، بازیگر نسبتاً کوچکی در این حوزه خاص خواهد بود، اما تخصص تولیدی و طراحی تراشه عظیمی را به میز مذاکراتی میآورد و همچنین دسترسی به حافظه بسیار مهمی را فراهم میکند که در سطح جهان با کمبود مواجه است.
با این حال، بزرگترین برنده تمام این ابتکارات، احتمالاً تیاسامسی است. این شرکت تایوانی اکثریت سیلیکون پیشرفته جهان را تولید میکند و در تولید تقریبا تمام تراشههای مورد بحث در اینجا نقش دارد. آنها برای ادغام با HBM به فناوریهای بستهبندی پیشرفته CoWoS شرکت تیاسامسی نیاز دارند. این شرکت همچنین بخش عمدهای از بستهبندی پردازندههای گرافیکی انویدیا و ایامدی (AMD) را مدیریت میکند و همچنین بسیاری از ویفرهای زیرین را تولید میکند.
دنیای چندقطبی تراشهها
پیوستن آنتروپیک به مسابقه ASIC سفارشی جای تعجب چندانی ندارد و آیندهای را که به نظر میرسد به سمت آن در حرکت هستیم بیشتر تثبیت میکند؛ آیندهای که در آن هر یک از شرکتهای بزرگ ابری (hyperscaler) هوش مصنوعی به دنبال مدیریت هرچه بیشتر استنتاج خود با سختافزار سفارشی هستند. این کارآمدتر است، کنترل ویژگیها و مشخصات آن آسانتر است و هنگام بهینهسازی برای مدلهای داخلی، مقیاسپذیری آن سادهتر است. از منظر چین، این کار همچنین اجتناب از مشکلات ناشی از محاصرههای تجاری بینالمللی و تعرفهها را آسانتر میکند.
آنها احتمالاً هرگز ۱۰۰ درصد به تراشههای خود وابسته نخواهند شد - تقاضا برای هوش مصنوعی بسیار بیشتر از آن است که چنین چیزی اتفاق بیفتد و انویدیا به شدت بر دسترسی به زنجیره تامین تسلط داشته است. اما هر تراشه جدید نصبشده یک پردازنده گرافیکی انویدیا است که برای همان منظور استفاده نخواهد شد، که ممکن است به کاهش تسلط انویدیا بر صنعت کمک کند. البته نه برای آموزش. این بخش احتمالاً برای مدتی طولانی بزرگترین جذابیت انویدیا باقی خواهد ماند.