گوگل (Google) یکی از اولین ارائهدهندگان خدمات ابری مقیاس بزرگ بود که حدود یک دهه پیش پردازندههای هوش مصنوعی سفارشی خود را توسعه داد و از آن زمان تاکنون استقرار آنها را به طور پیوسته افزایش داده است. به نظر میرسد این شرکت به قدری نسبت به TPU v9 خود که قرار است در سال ۲۰۲۸ عرضه شود مطمئن است که قصد دارد ۱۲ تا ۱۵ میلیون از این پردازنده را سفارش دهد، بر اساس یادداشت تحقیقاتی Fubon برای مشتریان که توسط شان (Sean) منتشر شده است. اگر اطلاعات درست باشد، گوگل ممکن است نه تنها تعداد بیشتری یا قابل مقایسهای از شتابدهندههای هوش مصنوعی نسبت به انویدیا (Nvidia) تولید کند، بلکه ممکن است برای رسیدن به اهداف خود نیاز به استفاده از اینتل فاندری (Intel Foundry) داشته باشد.
در این یادداشت آمده است: «بر اساس بررسیهای ما، گوگل قصد دارد ۱۲ تا ۱۵ میلیون TPU در سال ۲۰۲۸ داشته باشد. با ورود به سال ۲۰۲۸، TPUهای گوگل وارد نسل V9 با چهار دای محاسباتی خواهند شد، که نشان میدهد مصرف ظرفیت آنها در سال ۲۰۲۸ در مقایسه با سال ۲۰۲۷ بیش از دو برابر خواهد شد.»
فوبون تخمین میزند که انویدیا ۸.۲ میلیون پردازنده گرافیکی هوش مصنوعی مرکز داده را در سال ۲۰۲۶ عرضه کرده است و در مسیر افزایش این تعداد به ۱۲.۴ میلیون در سال ۲۰۲۸ است. اگر پیشبینی فوبون در مورد برنامههای گوگل برای تولید ۱۲ تا ۱۵ میلیون TPU نسل نهم در سال ۲۰۲۸ درست باشد، این شرکت ممکن است شتابدهندههای هوش مصنوعی بیشتری نسبت به انویدیا در سال ۲۰۲۸ تولید کند یا حداقل تعداد قابل مقایسهای داشته باشد.
تیاسامسی کافی نیست
اینکه عملکرد TPUهای نسخه v9 گوگل چگونه در برابر Rubin و Rubin Ultra انویدیا قرار خواهد گرفت چیزی است که باید دید، اما این واقعیت که گوگل قصد دارد از چهار تراشه محاسباتی روی این شتابدهندههای هوش مصنوعی استفاده کند، به وضوح به این واقعیت اشاره دارد که این شرکت روی عملکرد این پردازندهها حساب ویژهای باز کرده است. در همین حال، ساخت یک شتابدهنده هوش مصنوعی با چهار تراشه محاسباتی بزرگ یک تلاش مهندسی بزرگ است که به نظر میرسد گوگل آن را به سرانجام رسانده است.
این یادداشت ادامه میدهد: «اگرچه ما هنوز تخصیص دقیق را نداریم، اما فکر میکنیم رسیدن به هدف گوگل تنها با تیاسامسی (TSMC) دشوار است و تامین اینتل تا سال ۲۰۲۸ یک ضرورت است.»
محققان فوبون مطمئن نیستند که تخصیصهای گوگل در TSMC برای پاسخگویی به تقاضای این شرکت برای ۱۲ تا ۱۵ میلیون TPU نسل نهم کافی باشد، بنابراین آنها معتقدند که گوگل باید از ظرفیت اینتل فاندری برای رسیدن به اهداف حجمی خود استفاده کند. طی چند ماه گذشته، ما شاهد گزارشهایی بودهایم که ادعا میکنند اینتل پس از ماهها آزمایش فناوریهای بستهبندی پیشرفته اینتل توسط گوگل، سفارشهایی برای ساخت سه میلیون TPU برای گوگل دریافت کرده است. در واقع، اگر گوگل بخواهد سیلیکون خود را در اینتل فاندری بسازد، استفاده از خدمات بستهبندی پیشرفته اینتل بسیار منطقی است. لازم به ذکر است که وقتی تراشههای محاسباتی توسعه مییابند، باید با در نظر گرفتن فناوری بستهبندی آنها توسعه یابند، زیرا فناوریهای EMIB/EMIB-T اینتل و CoWoS-L شرکت TSMC با یکدیگر سازگار نیستند.
بزرگترین مصرفکننده شتابدهندههای هوش مصنوعی در جهان
اگر اطلاعات مربوط به برنامههای گوگل برای تولید ۱۲ تا ۱۵ میلیون TPU در سال ۲۰۲۸ درست باشد (توجه داشته باشید که تفاوت بین ۱۲ و ۱۵ معادل ۲۰ درصد است که بسیار بزرگ است) و گوگل در واقع شتابدهندههای هوش مصنوعی بیشتری را سالانه نسبت به کل فروش انویدیا به بازار مستقر کند، این امر نشاندهنده یک تغییر چشمگیر در چشمانداز سختافزار هوش مصنوعی خواهد بود. این امر نه تنها گوگل را به بزرگترین مصرفکننده شتابدهندههای هوش مصنوعی در جهان تبدیل میکند (چرا که این شرکت احتمالاً خرید سختافزار انویدیا را متوقف نخواهد کرد)، بلکه در نهایت گوگل را به مالک تواناترین ناوگان سختافزاری هوش مصنوعی جهان تبدیل خواهد کرد. اینکه آیا گوگل از ظرفیت محاسباتی هوش مصنوعی غریب خود عمدتاً برای خدمات خود استفاده خواهد کرد یا بیشتر آن را به دیگران قرض خواهد داد، چیزی است که باید دید.
در همین حال، برای رقبای گوگل، این نقطه عطف بر اهمیت روزافزون زیرساخت هوش مصنوعی یکپارچه عمودی تأکید خواهد کرد، جایی که ارائهدهندگان فضای ابری تراشههای متناسب با پشتههای نرمافزاری، بارهای کاری و مراکز داده خود را به جای خرید پردازندههای گرافیکی آماده طراحی میکنند.
با این حال، پیشی گرفتن گوگل از انویدیا در ارسال واحد لزوماً جایگاه مسلط انویدیا را تضعیف نخواهد کرد. تقاضای هوش مصنوعی به قدری سریع به رشد خود ادامه میدهد که هر دو شرکت میتوانند استقرارها را به طور همزمان افزایش دهند، اما گوگل به سادگی سریعتر رشد خواهد کرد، حداقل تا زمانی که انویدیا تولید شتابدهندههای هوش مصنوعی خود را با Feynman و Feynman Ultra در سالهای ۲۰۲۹ تا ۲۰۳۰ افزایش دهد. از این گذشته، پردازندههای گرافیکی هوش مصنوعی انویدیا پیشفروش شدهاند. آنچه انویدیا باید نگران آن باشد حجم TPUهایی نیست که گوگل میتواند مستقر کند، بلکه این واقعیت است که این پردازندهها بر روی یک پشته نرمافزاری تکیه میکنند که رقیب کودا (CUDA) انویدیا، یعنی مزیت رقابتی اصلی این شرکت، است.