شهریور
اخبار
جالاپینو؛ اولین تراشهٔ استنتاج اختصاصی اوپن‌ای‌آی که مدعی شکست دادن انویدیا است
شرکت OpenAI با رونمایی از نخستین تراشهٔ استنتاج اختصاصی خود به نام جالاپینو، وارد میدانی شده که تا امروز تقریباً در انحصار انویدیا بود.
لیست مطالب
۱. جرقهٔ یک رقابت تازه در بازار تراشه‌های هوش مصنوعی
تا همین چند سال پیش، نام OpenAI تقریباً فقط با مدل‌های زبانی مثل خانوادهٔ GPT گره خورده بود، نه با طراحی سخت‌افزار. اما رشد سرسام‌آور تقاضا برای اجرای مدل‌های بزرگ، این شرکت را به همان مسیری کشاند که پیش‌تر گوگل با تراشه‌های TPU و آمازون با Trainium رفته بودند: ساخت سیلیکون اختصاصی برای کاهش وابستگی به یک تأمین‌کننده. حالا با انتشار اولین نتایج رسمی تراشهٔ جالاپینو، اوپن‌ای‌آی رسماً وارد این میدان شده است.
نکتهٔ مهم این‌جاست که جالاپینو نه یک تراشهٔ آموزش (training) بلکه یک تراشهٔ استنتاج (inference) است؛ یعنی وظیفه‌اش اجرای مدل‌های از قبل آموزش‌دیده و پاسخ‌گویی به کاربران واقعی است، همان بخشی از هزینهٔ هوش مصنوعی که با رشد کاربران چت‌بات‌ها و ایجنت‌ها روزبه‌روز سنگین‌تر می‌شود. اگر می‌خواهید با مفهوم OpenAI و مسیر رشد آن بیشتر آشنا شوید، این مطلب دربارهٔ اوپن‌ای‌آی را از دست ندهید.
۲. جالاپینو چیست و از کجا آمده؟
جالاپینو اولین نسل از یک خانوادهٔ چندنسلی تراشه است که اوپن‌ای‌آی آن را به‌طور مشترک با Broadcom طراحی کرده. برخلاف پردازنده‌های همه‌منظورهٔ گرافیکی که هم برای آموزش و هم برای استنتاج استفاده می‌شوند، جالاپینو از ابتدا فقط برای یک هدف طراحی شده: سرویس‌دهی سریع و کم‌هزینه به مدل‌های زبانی بزرگ، به‌ویژه ایجنت‌های تعاملی که باید در کسری از ثانیه پاسخ بدهند.
به گفتهٔ شرکت، طراحی این تراشه از مرحلهٔ اولیه تا رسیدن به مرحلهٔ ساخت (tapeout) تنها ۹ ماه طول کشیده، زمانی که با کمک ابزارهای هوش مصنوعی به‌شدت کوتاه شده است. این عدد در صنعت نیمه‌هادی که معمولاً چند سال طول می‌کشد، بسیار غیرمعمول است.
۳. اعداد و ارقام: جالاپینو در برابر تراشه‌های انویدیا
اوپن‌ای‌آی برای اثبات ادعاهایش، جالاپینو را با معیار عمومی و مستقل InferenceX که توسط شرکت تحلیلی SemiAnalysis طراحی شده مقایسه کرده است. طبق این گزارش:
در بهترین حالت، جالاپینو تا ۱.۹ برابر کار بیشتر در هر وات توان مصرفی انجام می‌دهد، تأخیر سرتاسری پاسخ‌دهی آن تا ۳.۶ برابر کمتر است و در بارهای کاری تعاملی (مثل چت زنده) عملکردش تا ۴.۱ برابر بهتر از سیستم‌های مقایسه‌شده گزارش شده است. این تراشه با توان نامی ۷۰۰ وات کار می‌کند، در حالی که به گزارش رسانه‌های فناوری از جمله Tom’s Hardware، پردازندهٔ پرچمدار انویدیا در همین آزمایش‌ها حدود ۱۴۰۰ وات مصرف کرده؛ یعنی تقریباً دو برابر.
البته باید توجه داشت این اعداد از آزمایش‌های داخلی خود اوپن‌ای‌آی روی معیاری مشخص به‌دست آمده‌اند و طبیعی است که مثل هر ادعای رسمی دیگری، باید در عمل و توسط آزمایشگاه‌های مستقل هم بازبینی شوند. برای آشنایی بیشتر با محدودیت‌های واقعی چنین ادعاهایی دربارهٔ هوش مصنوعی، این تحلیل دربارهٔ توان و محدودیت‌های واقعی هوش مصنوعی خواندنی است.
۴. عملکرد به تفکیک مدل‌ها: از GPT-OSS تا Kimi K2.5
اوپن‌ای‌آی جالاپینو را روی سه مدل زبانی متفاوت آزمایش کرده تا نشان دهد این تراشه فقط برای مدل‌های خودش بهینه نشده است. مدل متن‌باز خودِ این شرکت یعنی GPT-OSS با ۱۲۰ میلیارد پارامتر، تا ۱.۹ برابر توان بیشتر در هر کیلووات و تأخیر ۱.۷ برابر کمتر داشته است. مدل DeepSeek R1 با ۶۷۰ میلیارد پارامتر، نتیجهٔ چشمگیرتری گرفته: تا ۳.۶ برابر تأخیر کمتر و ۴.۱ برابر بهبود در کوتاه‌ترین فاصلهٔ زمانی بین تولید توکن‌ها.
بزرگ‌ترین مدل آزمایش‌شده، Kimi K2.5 با حدود یک تریلیون پارامتر بوده که با وجود حجم عظیمش، همچنان تا ۱.۵ برابر کارایی بیشتر در هر وات و ۳.۴ برابر تأخیر کمتر ثبت کرده است. جالب این‌جاست که رقابت میان مدل‌های زبانی بزرگ خودش هم داستان جداگانه‌ای دارد؛ اگر به مقایسهٔ مدل‌های چینی و آمریکایی علاقه دارید، این مقالهٔ مقایسه‌ای میان ChatGPT و DeepSeek زاویهٔ دیگری از همین رقابت را نشان می‌دهد.
۵. معماری فنی: چرا این تراشه این‌قدر متفاوت طراحی شده؟
یکی از چالش‌های همیشگی پردازنده‌های استنتاج این است که باید همزمان دو فاز کاملاً متفاوت را پوشش دهند: «پیش‌پردازش» (prefill) که در آن کل ورودی کاربر خوانده می‌شود، و «تولید» (decode) که در آن مدل توکن به توکن پاسخ می‌سازد. اغلب سخت‌افزارهای موجود مجبورند بین بهینه‌سازی برای یکی از این دو فاز، سرعت را در فاز دیگر قربانی کنند.
جالاپینو با یکپارچه‌سازی حافظه و شبکه در یک معماری واحد طراحی شده تا این مصالحه را از بین ببرد. طراحی آن طوری است که کش KV (حافظهٔ میانی مکالمه) تا حد امکان نزدیک به واحد پردازش نگه داشته می‌شود تا در طول تولید پاسخ، جابه‌جایی دادهٔ کمتری رخ دهد؛ همان چیزی که در معماری‌های سنتی، عامل اصلی افت سرعت و افزایش تأخیر است.
۶. مصرف انرژی؛ برگ برندهٔ پنهان جالاپینو
در حالی که بیشتر گفت‌وگوهای عمومی دربارهٔ تراشه‌های هوش مصنوعی حول محور سرعت خام می‌چرخد، مصرف انرژی به‌مرور به دغدغهٔ اصلی مراکز داده تبدیل شده است. جالاپینو با توان نامی ۷۰۰ وات طراحی شده، اما در آزمایش‌های عملی، مصرف واقعی آن حتی زیر این عدد و در محدودهٔ ۵۵۰ وات ثابت مانده است. این یعنی برخلاف بسیاری از پردازنده‌های قدرتمند که در عمل بیشتر از عدد نامی‌شان مصرف می‌کنند، جالاپینو در عمل کارآمدتر از حد انتظار بوده است.
برای شرکتی که میلیون‌ها کاربر همزمان دارد و هزینهٔ برق مراکز دادهٔ آن رقمی نجومی است، حتی چند درصد بهبود در مصرف انرژی به‌ازای هر پاسخ، می‌تواند در مقیاس سالانه به صدها میلیون دلار صرفه‌جویی تبدیل شود. همین موضوع یکی از دلایلی است که اهمیت هوش مصنوعی برای کسب‌وکارها روزبه‌روز بیشتر می‌شود؛ در این مطلب دربارهٔ اهمیت هوش مصنوعی در کسب‌وکار می‌توانید این زاویه را بیشتر بررسی کنید.
۷. نقش هوش مصنوعی در طراحی تراشهٔ خودش
شاید عجیب‌ترین بخش این داستان، نقش خودِ هوش مصنوعی در ساخت جالاپینو باشد. اوپن‌ای‌آی می‌گوید از مدل‌های خودش برای کمک به طراحی معماری تراشه استفاده کرده و در مقابل، تراشه را طوری طراحی کرده که برنامه‌نویسی آن هم برای انسان و هم برای هوش مصنوعی قابل‌فهم و پیش‌بینی‌پذیر باشد. نتیجه این بوده که کدهایی که مدل‌های اوپن‌ای‌آی برای بخش‌های حساس مثل «توجه» (attention) و بلوک‌های Mixture-of-Experts نوشته‌اند، تا ۱.۸ برابر (معادل ۸۰ درصد سریع‌تر) از نسخهٔ دست‌نویس مهندسان اجرا شده‌اند.
این موضوع بار دیگر یادآوری می‌کند که مرز میان کار انسان و هوش مصنوعی در حال جابه‌جایی است، اما هنوز هم نظارت و طراحی نهایی برعهدهٔ مهندسان انسانی است. اگر می‌خواهید بدانید چطور می‌توان از هوش مصنوعی برای کارهای فنی واقعی استفادهٔ درست کرد، آموزش نوشتن پرامپت برای مبتدیان نقطهٔ شروع خوبی است؛ و برای دیدن مرز میان توهم و واقعیت در قابلیت‌های هوش مصنوعی در کدنویسی، این مطلب دربارهٔ توهم توسعه‌دهندهٔ تنها در برابر مهندس واقعی را هم بخوانید.
۸. اوپن‌ای‌آی و انویدیا: رقابت یا همکاری؟
با وجود لحن رقابتی این خبر، اوپن‌ای‌آی تأکید کرده که قصد ندارد کاملاً از انویدیا فاصله بگیرد. در بیانیهٔ رسمی این شرکت آمده که همچنان به‌طور گسترده از پردازنده‌های انویدیا و دیگر تأمین‌کنندگان، هم برای آموزش و هم برای استنتاج استفاده خواهد کرد. به بیان دیگر، جالاپینو قرار نیست جایگزین کامل انویدیا شود، بلکه یک لایهٔ اضافه در استراتژی متنوع‌سازی زیرساخت اوپن‌ای‌آی است.
شرکت این رویکرد را «مزیت پشتهٔ کامل» می‌نامد: توانایی طراحی همزمان مدل، محصول، نرم‌افزار سرویس‌دهی، تراشه، حافظه و شبکه در کنار هم، به‌طوری‌که هر لایه از درس‌های گرفته‌شده در لایه‌های دیگر بهره ببرد. این دقیقاً همان مسیری است که پیش‌تر گوگل با TPU و تسلا با تراشه‌های خودران آزموده بودند، و حالا اوپن‌ای‌آی هم به آن پیوسته است.
۹. نقشهٔ راه: از جالاپینو تا نسل‌های بعدی
طبق اعلام اوپن‌ای‌آی، استقرار تجاری جالاپینو تا پایان سال ۲۰۲۶ آغاز می‌شود. اما این تنها نقطهٔ شروع است: شرکت می‌گوید نسل دوم این خانوادهٔ تراشه هم‌اکنون «عمیقاً در حال توسعه» است و طراحی نسل سوم هم به‌مرور «در حال شکل‌گرفتن» است. این برنامه‌ریزی چندنسلی نشان می‌دهد اوپن‌ای‌آی سرمایه‌گذاری روی سیلیکون اختصاصی را یک پروژهٔ کوتاه‌مدت نمی‌بیند، بلکه بخشی از استراتژی بلندمدت خود برای کاهش هزینهٔ هر پاسخ و افزایش سرعت محصولاتی مثل ChatGPT و Codex قرار داده است.
برای دنبال کردن اخبار تازهٔ این حوزه و سایر رویدادهای مهم هوش مصنوعی، می‌توانید سری به بخش اخبار سایت بزنید یا در آموزش‌های ChatGPT با نحوهٔ استفادهٔ بهتر از این مدل‌ها آشنا شوید.
۱۰. واکنش بازار: اوپن‌ای‌آی تنها بازیگر این میدان نیست
باید توجه داشت که اوپن‌ای‌آی اولین شرکتی نیست که به فکر ساخت تراشهٔ اختصاصی افتاده است. گوگل سال‌هاست با خانوادهٔ TPU همین مسیر را می‌رود، متا هم روی تراشهٔ اختصاصی خودش کار می‌کند و حتی رقیب اصلی اوپن‌ای‌آی یعنی آنتروپیک نیز به‌تازگی از تشکیل تیم طراحی سیلیکون اختصاصی برای مدل کلود خبر داده است. این یعنی هرچه هزینهٔ اجرای مدل‌های بزرگ بالاتر می‌رود، وسوسهٔ کنار گذاشتن وابستگی کامل به یک تأمین‌کنندهٔ سخت‌افزاری هم در میان همهٔ بازیگران بزرگ این صنعت بیشتر می‌شود.
نتیجهٔ نهایی این رقابت را فقط با گذشت زمان و انتشار داده‌های مستقل می‌توان قضاوت کرد، اما یک نکته روشن است: بازار تراشه‌های هوش مصنوعی که تا دیروز تقریباً میدان انحصاری انویدیا بود، حالا به یکی از پرتنش‌ترین جبهه‌های رقابت فناوری در سال ۲۰۲۶ تبدیل شده است.
پرسش‌های متداول
جالاپینو چه نوع تراشه‌ای است؟
جالاپینو یک تراشهٔ استنتاج (inference) است، نه تراشهٔ آموزش؛ یعنی وظیفه‌اش اجرای مدل‌های آموزش‌دیده و پاسخ‌گویی سریع به کاربران است، نه آموزش مدل‌های جدید از صفر.
آیا جالاپینو جایگزین کامل تراشه‌های انویدیا می‌شود؟
خیر. اوپن‌ای‌آی رسماً اعلام کرده همچنان به‌طور گسترده از تراشه‌های انویدیا و دیگر تأمین‌کنندگان استفاده خواهد کرد و جالاپینو را مکمل این زیرساخت می‌داند، نه جایگزین آن.
چه زمانی جالاپینو در دسترس کاربران قرار می‌گیرد؟
طبق برنامهٔ اعلام‌شده، استقرار تجاری این تراشه تا پایان سال ۲۰۲۶ آغاز می‌شود؛ در حالی که نسل‌های بعدی آن هم از هم‌اکنون در حال طراحی هستند.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
