سرمایه‌گذاری ۲۵۰ میلیون دلاری آنتروپیک روی تراشه‌ی استارتاپ بریتانیایی

شرط ۲۵۰ میلیون دلاری آنتروپیک روی تراشه‌ای که هنوز نیست

اخبار · هوش مصنوعی

آنتروپیک ۲۵۰ میلیون دلار روی تراشه‌ای شرط بسته که هنوز ساخته نشده است. ارزش استارتاپ بریتانیایی سازنده‌ی آن در ۹۰ روز چند برابر شد. ادعای اصلی، اجرای مدل‌ها تا ۱۰۰ برابر سریع‌تر است؛ ادعایی که فعلاً فقط در شبیه‌سازی اثبات شده. در این گزارش، دلیل این ریسک و مقایسه‌اش با تراشه‌های انویدیا را بررسی می‌کنیم.

چکیده. شرکت آنتروپیک حدود ۲۵۰ میلیون دلار روی تراشه‌های استارتاپ بریتانیایی فرکتایل سرمایه‌گذاری کرده که هنوز نمونه‌ی واقعی ندارد. طبق گزارش‌ها ارزش این استارتاپ در حدود ۹۰ روز به نزدیک ۶٫۵ میلیارد دلار رسید. فناوری آن بر پایه‌ی همجوشی حافظه و پردازش است و ادعای ۱۰۰ برابر سرعت دارد، اما تراشه‌ها تا حدود ۲۰۲۷ آماده نمی‌شوند.
سرمایه‌گذاری ۲۵۰ میلیون دلاری آنتروپیک روی تراشه‌ی استارتاپ بریتانیایی

۱) شرط ۲۵۰ میلیون دلاری روی تراشه‌ای که هنوز ساخته نشده

آنتروپیک، شرکت سازنده‌ی کلود، حدود ۲۵۰ میلیون دلار روی تراشه‌های یک استارتاپ کوچک بریتانیایی سرمایه‌گذاری کرده است؛ تراشه‌هایی که هنوز حتی یک نمونه‌ی واقعی از آن‌ها تولید نشده. این استارتاپ با نام فرکتایل شناخته می‌شود.

در دنیای سخت‌افزار، بستن قرارداد با شرکتی که هنوز محصولی برای عرضه ندارد، تصمیمی غیرمعمول است. معمولاً خریداران بزرگ منتظر می‌مانند تا دست‌کم یک نسخه‌ی آزمایشی کار کند. آنتروپیک این مرحله را دور زده و مستقیم وارد شده.

نتیجه‌ی این حرکت فوری بود: طبق گزارش‌ها ارزش‌گذاری این استارتاپ تنها در حدود ۹۰ روز چند برابر شد و به حدود ۶٫۵ میلیارد دلار رسید. یک قرارداد، ارزش یک شرکت پیش‌ازدرآمد را به سطح شرکت‌های بالغ رساند.

۲) فناوری «همجوشی حافظه و پردازش» چیست؟

فناوری این تراشه بر پایه‌ی ایده‌ای است که در ادبیات فنی با نام پردازش درون حافظه شناخته می‌شود. در معماری رایج رایانه، داده باید مدام میان حافظه و پردازنده جابه‌جا شود و همین رفت‌وبرگشت، بخش بزرگی از زمان و انرژی را می‌بلعد.

برای فهم اندازه‌ی این جهش ارزش‌گذاری، به یاد داشته باشید که در صنعت نیمه‌هادی، رسیدن به ارزش چند میلیارد دلاری معمولاً سال‌ها طول می‌کشد و به تولید انبوه و مشتریان پایدار گره خورده است. این‌که یک شرکت پیش‌ازدرآمد چنین مسیری را در سه ماه طی کند، بیش از هر چیز نشان‌دهنده‌ی شدت تشنگی بازار برای هر گزینه‌ای است که وعده‌ی کاهش هزینه‌ی اجرای هوش مصنوعی را بدهد.

فناوری همجوشی حافظه و پردازش در تراشه‌های هوش مصنوعی

ایده‌ی همجوشی حافظه و پردازش این است که محاسبه را به همان جایی ببریم که داده نشسته است. اگر این کار عملی شود، گلوگاه انتقال داده تا حد زیادی از بین می‌رود و مصرف انرژی به‌شکل چشمگیری کاهش می‌یابد.

ادعای مطرح‌شده این است که چنین معماری‌ای می‌تواند اجرای مدل‌های هوش مصنوعی را تا حدود ۱۰۰ برابر سریع‌تر کند. اما همان‌طور که در بخش‌های بعدی می‌بینیم، این ادعا هنوز روی سیلیکون واقعی آزموده نشده است.

۳) چرا آنتروپیک چنین ریسکی کرد؟

دلیل این ریسک بزرگ نسبتاً ساده است: هزینه‌ی اجرای کلود از بودجه پیشی گرفته. هر پاسخی که مدل تولید می‌کند، هزینه‌ی برق و سخت‌افزار دارد و با رشد تعداد کاربران، این هزینه به‌صورت خطی بالا می‌رود.

عامل دوم، زمان‌بندی است. طبق گزارش‌ها آنتروپیک پیش از عرضه‌ی سهامش به کاهش محسوس هزینه نیاز دارد. سرمایه‌گذاران بازار سهام، بیش از هر چیز به مسیر رسیدن به سودآوری نگاه می‌کنند و هزینه‌ی اجرای بالا، بزرگ‌ترین علامت سؤال روی این مسیر است.

عامل سوم، تنوع‌بخشی به تأمین‌کننده است. آنتروپیک هم‌زمان روی چند مسیر سخت‌افزاری سرمایه‌گذاری کرده تا در برابر نوسان قیمت و کمبود عرضه، دست بازتری داشته باشد. سرمایه‌گذاری روی فرکتایل، یکی از تخم‌مرغ‌های این سبد است.

۴) ابهام‌های بزرگ؛ آنچه هنوز اثبات نشده

مهم‌ترین نکته‌ای که در هیجان این خبر گم می‌شود این است: طبق گزارش‌ها این تراشه‌ها تا حدود سال ۲۰۲۷ آماده نمی‌شوند. یعنی حتی در خوش‌بینانه‌ترین حالت، تا اثرگذاری واقعی آن بر هزینه‌ی کلود، بیش از یک سال فاصله داریم.

نکته‌ی دوم، منشأ ادعای سرعت است. عدد ۱۰۰ برابر بر پایه‌ی شبیه‌سازی به دست آمده، نه اندازه‌گیری روی تراشه‌ی واقعی. تاریخ صنعت نیمه‌هادی پر است از معماری‌هایی که در شبیه‌سازی درخشان بودند و در تولید انبوه به مشکلات حرارتی، بازدهی پایین یا ناسازگاری نرم‌افزاری خوردند.

نکته‌ی سوم، اکوسیستم نرم‌افزاری است. برتری امروز انویدیا فقط به تراشه‌هایش نیست؛ به لایه‌ی نرم‌افزاری بالغی برمی‌گردد که سال‌ها روی آن کار شده. هر معماری تازه باید این مسیر را از ابتدا طی کند.

۵) مقایسه با تراشه‌های انویدیا

پردازنده‌های گرافیکی انویدیا امروز استاندارد عملی صنعت‌اند: در دسترس، آزموده‌شده و با پشتیبانی نرم‌افزاری گسترده. نقطه‌ضعفشان قیمت بالا، مصرف برق زیاد و صف طولانی تحویل است.

تجربه‌ی سال‌های اخیر هم نشان می‌دهد که راه از آزمایشگاه تا مرکز داده طولانی است. چند شرکت دیگر هم در گذشته با ادعاهای مشابه وارد میدان شدند و در نهایت یا زمان‌بندی‌شان چند سال عقب افتاد یا محصول نهایی تنها بخشی از وعده را محقق کرد. این پیشینه، دلیل خوبی برای احتیاط در برابر ارقام تبلیغاتی است.

مقایسه‌ی تراشه‌ی تازه با پردازنده‌های گرافیکی انویدیا

معماری همجوشی حافظه و پردازش دقیقاً همان نقطه‌ضعف انرژی را هدف گرفته. اگر ادعاها درست از آب دربیاید، برای بارهای کاری استنتاج — یعنی همان اجرای روزمره‌ی مدل برای کاربران — می‌تواند تفاوت جدی ایجاد کند.

اما نکته‌ی مهم این است که چنین تراشه‌هایی معمولاً برای وظیفه‌ای خاص بهینه می‌شوند و انعطاف پردازنده‌های عمومی را ندارند. سناریوی محتمل، هم‌زیستی است نه جایگزینی کامل: تراشه‌ی اختصاصی برای اجرا، و پردازنده‌ی عمومی برای آموزش و آزمایش.

۶) معنای این خبر برای اکوسیستم بریتانیا و اروپا

رسیدن یک استارتاپ بریتانیایی به ارزش‌گذاری چند میلیارد دلاری، برای اکوسیستم فناوری اروپا خبر مهمی است. سال‌ها انتقاد اصلی به این اکوسیستم، ناتوانی در پرورش شرکت‌های سخت‌افزاری در مقیاس جهانی بوده است.

در عین حال، این موفقیت وابستگی روشنی هم نشان می‌دهد: ارزش این شرکت عمدتاً بر پایه‌ی یک قرارداد با یک مشتری آمریکایی بنا شده. اگر آن قرارداد به هر دلیلی متوقف شود، ارزش‌گذاری هم زیر فشار قرار می‌گیرد.

برای درک بهتر جایگاه بازیگران اصلی این میدان، مرور معرفی کامل شرکت OpenAI و پیگیری بخش اخبار سایت کمک‌کننده است.

۷) درس‌هایی برای کسب‌وکارها و توسعه‌دهندگان

درس اول این است که هزینه‌ی اجرای مدل، نه هوشمندی آن، به مسئله‌ی اصلی صنعت تبدیل شده. هر شرکتی که بتواند هزینه‌ی هر پاسخ را پایین بیاورد، در رقابت قیمت دست بالا را دارد.

درس دوم، احتیاط در برابر اعداد تبلیغاتی است. ادعای «۱۰۰ برابر سریع‌تر» تا زمانی که در محیط واقعی و توسط طرف سوم سنجیده نشود، یک فرضیه است نه واقعیت. همین منطق درباره‌ی ادعاهای عملکردی مدل‌ها هم صدق می‌کند؛ موضوعی که در ظرفیت‌ها و محدودیت‌های واقعی هوش مصنوعی مفصل بررسی شده.

درس سوم برای مدیران کسب‌وکار: به‌جای انتظار برای سخت‌افزار ارزان فردا، امروز روی بهینه‌سازی مصرف تمرکز کنید. اهمیت هوش مصنوعی در کسب‌وکار نشان می‌دهد بیشترین بازگشت سرمایه معمولاً از فرایندهای درست می‌آید، نه از سخت‌افزار گران‌تر.

۸) پرسش پایانی؛ آیا این شرط برنده می‌شود؟

پاسخ صادقانه این است که هنوز نمی‌دانیم. اگر فرکتایل بتواند تا سال ۲۰۲۷ تراشه‌ای بسازد که بخشی از ادعایش را در دنیای واقعی محقق کند، آنتروپیک با ۲۵۰ میلیون دلار یکی از سودآورترین شرط‌های تاریخ صنعت را بسته است.

اگر پروژه به تأخیر بیفتد یا به مشکلات تولید بخورد، این مبلغ در برابر بودجه‌ی کلی آنتروپیک رقم بزرگی نیست و به‌عنوان هزینه‌ی یک گزینه‌ی احتمالی توجیه می‌شود. به بیان دقیق‌تر، این سرمایه‌گذاری بیشتر شبیه خرید یک اختیار معامله است تا شرط‌بندی کور.

برای توسعه‌دهندگانی که می‌خواهند از همین امروز هزینه‌شان را کم کنند، مسیر عملی‌تر بهبود کیفیت دستورهاست؛ راهنمای پرامپت‌نویسی از صفر و مجموعه‌ی آموزش‌های چت‌جی‌پی‌تی برای همین نوشته شده‌اند.

پرسش‌های پرتکرار درباره‌ی سرمایه‌گذاری آنتروپیک روی تراشه

آنتروپیک چقدر روی این استارتاپ سرمایه‌گذاری کرده است؟

طبق گزارش‌ها حدود ۲۵۰ میلیون دلار؛ قراردادی که پیش از تولید هر نمونه‌ی واقعی از تراشه بسته شده است.

این استارتاپ چه نامی دارد و چقدر ارزش‌گذاری شده؟

این شرکت بریتانیایی فرکتایل نام دارد و طبق گزارش‌ها ارزش‌گذاری آن در حدود ۹۰ روز به نزدیک ۶٫۵ میلیارد دلار رسیده است.

فناوری همجوشی حافظه و پردازش چه می‌کند؟

این معماری محاسبه را به همان جایی می‌برد که داده ذخیره شده تا رفت‌وبرگشت پرهزینه‌ی داده حذف شود و مصرف انرژی کاهش یابد.

ادعای ۱۰۰ برابر سریع‌تر بودن چقدر معتبر است؟

طبق گزارش‌ها این عدد بر پایه‌ی شبیه‌سازی به دست آمده و هنوز روی تراشه‌ی واقعی سنجیده نشده است؛ پس باید با احتیاط به آن نگاه کرد.

این تراشه‌ها چه زمانی آماده می‌شوند؟

طبق گزارش‌ها پیش‌بینی می‌شود تا حدود سال ۲۰۲۷ آماده نشوند؛ یعنی اثر واقعی آن بر هزینه‌ی اجرای کلود هنوز فاصله دارد.

در تصویر بزرگ‌تر، این خبر بخشی از یک روند روشن است: هر آزمایشگاه بزرگ هوش مصنوعی در تلاش است زنجیره‌ی سخت‌افزاری خودش را بسازد تا از قیمت‌گذاری و صف تحویل تأمین‌کننده‌ی غالب رها شود. آنتروپیک، اوپن‌ای‌آی، گوگل و متا هرکدام نسخه‌ای از همین راهبرد را دنبال می‌کنند و نتیجه‌ی این رقابت، سال‌های آینده مشخص خواهد شد.

جمع‌بندی. شرط آنتروپیک روی تراشه‌ی نساخته، بیش از آن‌که یک قمار باشد، خرید یک گزینه‌ی احتمالی برای کاهش هزینه در آینده است. تا اثبات ادعاها روی سیلیکون واقعی، احتیاط بهترین رویکرد است. برای پیگیری ادامه‌ی ماجرا به @MrChatGPT_IR بپیوندید.
(0 رأی)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *