تصویر خبری تراشه هوش مصنوعی اختصاصی آنتروپیک برای مدل کلود

آنتروپیک تیم طراحی تراشه‌ی اختصاصی کلود را راه‌اندازی کرد

اخبار · هوش مصنوعی

آنتروپیک، شرکت سازنده‌ی Claude، رسماً تیم داخلی طراحی تراشه‌ی هوش مصنوعی راه‌اندازی کرده تا از وابستگی سنگین به Nvidia، AWS و Google فاصله بگیرد و هزینه‌ی هر توکن پردازش‌شده را تا نیمی کاهش دهد.

چکیده. آنتروپیک تأیید کرده که در حال ساخت تیمی اختصاصی برای طراحی تراشه‌های هوش مصنوعی است؛ پروژه‌ای که هدفش هم‌طراحی سخت‌افزار و مدل کلود است. سامسونگ با فرآیند ۲ نانومتری گزینه‌ی اصلی تولید است، اما تولید انبوه زودتر از سال ۲۰۲۸ آغاز نمی‌شود. این حرکت، آنتروپیک را در کنار اوپن‌ای‌آی، گوگل و متا در باشگاه شرکت‌هایی قرار می‌دهد که دیگر منتظر تأمین‌کننده‌های بیرونی نمی‌مانند.

تصویر خبری تراشه هوش مصنوعی اختصاصی آنتروپیک برای مدل کلود

دگرگونی ساکت در راهبرد آنتروپیک

تا همین چند ماه پیش، تصور غالب این بود که آنتروپیک صرفاً یک شرکت مدل‌ساز است؛ شرکتی که مغز متفکر آن روی الگوریتم و داده متمرکز است و کار سخت‌افزار را به شرکای بزرگی مثل Nvidia، آمازون و گوگل می‌سپارد. اما گزارش‌های اخیر نشان می‌دهد این تصویر دیگر کامل نیست. آنتروپیک اکنون به‌صورت رسمی اعلام کرده که یک «تیم سیلیکون اختصاصی» تشکیل داده و به‌دنبال مهندسانی با تجربه‌ی طراحی تراشه است. این یعنی شرکتی که تا دیروز فقط مصرف‌کننده‌ی سخت‌افزار دیگران بود، حالا می‌خواهد وارد بازی طراحی فیزیکی تراشه هم بشود. برای درک عمق این تغییر، بد نیست نگاهی هم به مسیر رشد رقیب اصلی آنتروپیک یعنی اوپن‌ای‌آی بیندازیم که مدت‌هاست روی پروژه‌ی مشابهی کار می‌کند.

۱. چرا آنتروپیک اکنون سراغ تراشه‌ی اختصاصی رفت؟

پاسخ کوتاه: مقیاس. آنتروپیک این روزها با نرخ سالانه‌ای نزدیک به ۴۷ میلیارد دلار درآمد فعالیت می‌کند، رقمی که چند سال پیش حتی برای خوش‌بین‌ترین تحلیل‌گران هم دست‌نیافتنی به نظر می‌رسید. وقتی حجم درخواست‌های Claude این‌قدر بالا می‌رود، هر درصد کاهش در هزینه‌ی پردازش، به میلیون‌ها دلار صرفه‌جویی واقعی تبدیل می‌شود. تا امروز، آنتروپیک برای تأمین قدرت پردازشی خود کاملاً به چهار شریک وابسته بوده: AWS، Google، Nvidia و AMD. این وابستگی، اگرچه در کوتاه‌مدت کارساز بوده، اما در بلندمدت ریسک‌های جدی دارد؛ از نوسان قیمت گرفته تا محدودیت در زمان‌بندی تولید و نبود کنترل کامل بر نقشه‌ی راه فنی. به همین دلیل، بسیاری از تحلیل‌گران این حرکت را نه یک تصمیم لحظه‌ای، بلکه گامی طبیعی در مسیر رشد یک شرکت هوش مصنوعی بزرگ می‌دانند؛ مسیری که پیش‌تر گوگل و آمازون هم طی کرده بودند.

۲. مفهوم هم‌طراحی؛ وقتی سخت‌افزار و مدل با هم رشد می‌کنند

مفهوم کلیدی پشت این پروژه، اصطلاحی است که در صنعت به آن «co-design» یا هم‌طراحی می‌گویند. در روش سنتی، شرکت‌ها ابتدا یک تراشه‌ی همه‌منظوره می‌خرند و بعد نرم‌افزار و مدل خود را با محدودیت‌های آن تراشه تطبیق می‌دهند. اما در هم‌طراحی، مسیر برعکس می‌شود: مهندسان سخت‌افزار و پژوهشگران مدل از همان روز اول کنار هم می‌نشینند تا چیدمان حافظه، مسیر جریان داده و فرمت‌های محاسباتی تراشه را دقیقاً بر اساس نیازهای واقعی مدل کلود طراحی کنند. نتیجه‌ی این هماهنگی، حذف بخش زیادی از سربار غیرضروری تراشه‌های عمومی است؛ همان سرباری که در پردازنده‌های گرافیکی معمولی برای پشتیبانی از هزاران کاربرد مختلف وجود دارد اما برای یک مدل زبانی خاص هیچ فایده‌ای ندارد. اگر بخواهیم این موضوع را ساده‌تر توضیح دهیم، می‌توان آن را با تفاوت بین یک ابزار همه‌کاره و یک ابزار تخصصی مقایسه کرد؛ موضوعی که در بحث توانمندی‌ها و محدودیت‌های واقعی هوش مصنوعی هم به شکل دیگری مطرح شده است.

۳. سامسونگ و فرآیند ۲ نانومتری؛ شریک احتمالی تولید

وقتی صحبت از طراحی تراشه می‌شود، سوال بعدی همیشه این است: چه کسی آن را تولید می‌کند؟ بر اساس گزارش‌های منتشرشده، سامسونگ گزینه‌ی اصلی برای تولید تراشه‌های آنتروپیک است، آن هم با فرآیند ساخت پیشرفته‌ی ۲ نانومتری موسوم به SF2P. نکته‌ی جالب این‌جاست که سامسونگ پیش‌تر، در دور سرمایه‌گذاری سری H آنتروپیک هم به‌عنوان سرمایه‌گذار حضور داشته؛ رابطه‌ای که می‌تواند مسیر همکاری فنی را هموارتر کند. با این حال باید تأکید کرد که تا لحظه‌ی انتشار این خبر، هیچ قرارداد رسمی و امضاشده‌ای بین دو طرف اعلام نشده و همه‌چیز هنوز در مرحله‌ی مذاکره و برنامه‌ریزی است. انتخاب یک فرآیند تولید در مقیاس ۲ نانومتری به‌خودی‌خود نشان می‌دهد آنتروپیک قصد ندارد با نیمی از راه قانع شود؛ این شرکت دنبال جدیدترین و کارآمدترین فناوری موجود در صنعت نیمه‌هادی است.

مقایسه تراشه اختصاصی آنتروپیک با پروژه تراشه جالاپینیوی اوپن‌ای‌آی

۴. مسیر هزینه؛ چرا کاهش ۵۰ درصدی هزینه‌ی هر توکن مهم است؟

عددی که بیشترین توجه را در این خبر به خود جلب کرده، وعده‌ی کاهش تا ۵۰ درصدی هزینه‌ی هر توکن پردازش‌شده است. برای درک اهمیت این رقم باید به مدل کسب‌وکار شرکت‌های هوش مصنوعی نگاه کرد: هرچه هزینه‌ی پردازش هر درخواست پایین‌تر بیاید، شرکت می‌تواند یا قیمت اشتراک را رقابتی‌تر کند، یا سود بیشتری از همان قیمت فعلی به دست آورد، یا امکانات پیشرفته‌تری مثل مدل‌های استدلالی سنگین‌تر را با هزینه‌ی معقول در اختیار کاربران بگذارد. جالب است که این رقم ۵۰ درصدی دقیقاً همان چیزی است که اوپن‌ای‌آی هم برای تراشه‌ی اختصاصی خودش به نام Jalapeño وعده داده است؛ به نظر می‌رسد در این مرحله از رشد صنعت، نیمی از هزینه، یک خط قرمز مشترک برای همه‌ی بازیگران بزرگ شده است. با این حال، باید محتاط بود؛ این اعداد معمولاً در بهترین سناریوی ممکن اعلام می‌شوند و در عمل ممکن است با شرایط واقعی بازار فاصله داشته باشند، نکته‌ای که در بحث‌های مربوط به اهمیت واقعی هوش مصنوعی در کسب‌وکار هم بارها یادآوری شده است.

۵. جدول زمانی؛ چرا باید تا ۲۰۲۸ صبر کرد؟

یکی از نکاتی که این خبر را از یک اعلامیه‌ی تبلیغاتی صرف متمایز می‌کند، صداقت نسبی در جدول زمانی است. بر اساس گزارش‌ها، تولید انبوه این تراشه‌ها زودتر از سال ۲۰۲۸ آغاز نخواهد شد و بازه‌ی واقع‌بینانه‌تر برای بهره‌برداری کامل، بین سال‌های ۲۰۲۸ تا ۲۰۳۰ تخمین زده می‌شود. این زمان‌بندی تصادفی نیست؛ درست همزمان با دوره‌ای است که کمپ داده‌ی جدید آنتروپیک در ایالت تگزاس آمریکا وارد مدار بهره‌برداری می‌شود. به بیان دیگر، آنتروپیک این پروژه را نه به‌عنوان راه‌حلی برای مشکل امروز، بلکه به‌عنوان سرمایه‌گذاری روی زیرساخت نسل بعدی خود طراحی کرده است. این رویکرد بلندمدت نشان می‌دهد شرکت‌های بزرگ هوش مصنوعی دیگر فقط برای فصل بعدی برنامه‌ریزی نمی‌کنند، بلکه افق دیدشان چند سال جلوتر رفته است.

۶. آنتروپیک در کنار رقبا؛ اوپن‌ای‌آی، گوگل و متا

وقتی این خبر را در کنار حرکت‌های مشابه سایر غول‌های هوش مصنوعی قرار می‌دهیم، الگویی واضح شکل می‌گیرد. اوپن‌ای‌آی با همکاری Broadcom روی تراشه‌ی Jalapeño کار می‌کند، گوگل سال‌هاست نسل‌های پیاپی تراشه‌ی TPU خودش را عرضه می‌کند و متا هم شتاب‌دهنده‌های اختصاصی MTIA را توسعه داده است. حالا آنتروپیک هم رسماً به این جمع پیوسته است. این یعنی چهار بازیگر اصلی صنعت هوش مصنوعی مولد، هرکدام به‌نوعی در حال کاهش وابستگی خود به Nvidia هستند؛ شرکتی که تا امروز عملاً بازار تراشه‌های هوش مصنوعی را در انحصار خود داشت. البته این به معنای پایان دوران Nvidia نیست؛ حتی خود آنتروپیک هم تأکید کرده همکاری با این شرکت همچنان ادامه دارد. اما روشن است که موازنه‌ی قدرت در حال تغییر است و هر شرکتی که بتواند بخشی از زنجیره‌ی تأمین سخت‌افزار خود را کنترل کند، در رقابت آینده دست بالاتر را خواهد داشت.

مقایسه تراشه‌های اختصاصی گوگل تی‌پی‌یو، متا و آنتروپیک در بازار هوش مصنوعی

۷. پول پشت این پروژه؛ درآمد ۴۷ میلیارد دلاری

طراحی و ساخت یک تراشه‌ی اختصاصی از صفر، پروژه‌ای ارزان نیست. برآوردهای منتشرشده نشان می‌دهد چنین پروژه‌ای می‌تواند بین ۵۰۰ تا ۷۵۰ میلیون دلار هزینه در بر داشته باشد؛ رقمی که تنها شرکت‌هایی در مقیاس آنتروپیک می‌توانند از عهده‌اش برآیند. با درآمد سالانه‌ای نزدیک به ۴۷ میلیارد دلار، آنتروپیک اکنون در جایگاهی قرار دارد که چنین سرمایه‌گذاری بلندمدتی برایش قابل توجیه است. این رشد سریع درآمد، خودش داستان جداگانه‌ای است؛ داستانی که نشان می‌دهد چطور یک شرکت پژوهش‌محور در عرض چند سال به یکی از بزرگ‌ترین بازیگران اقتصاد فناوری جهان تبدیل شده است. برای کسانی که می‌خواهند این تحولات را دقیق‌تر دنبال کنند، پیگیری بخش اخبار هوش مصنوعی سایت می‌تواند مسیر خوبی باشد.

۸. این تصمیم برای کاربران عادی Claude چه معنایی دارد؟

شاید در نگاه اول به نظر برسد این خبر فقط یک تصمیم فنی و مدیریتی است که ربطی به کاربر معمولی ندارد؛ اما واقعیت این‌طور نیست. اگر هزینه‌ی پردازش هر توکن واقعاً نصف شود، بخشی از این صرفه‌جویی می‌تواند به شکل قیمت‌های رقابتی‌تر، پاسخ‌های سریع‌تر یا دسترسی گسترده‌تر به قابلیت‌های پیشرفته‌تر مدل کلود به کاربران عادی برسد. از سوی دیگر، کنترل بیشتر آنتروپیک بر سخت‌افزار خودش می‌تواند به معنای پایداری بیشتر سرویس و کاهش قطعی‌ها هم باشد؛ موضوعی که برای کسب‌وکارهایی که روزانه از Claude برای وظایف حیاتی خود استفاده می‌کنند اهمیت زیادی دارد. اگر تازه با نحوه‌ی نوشتن درخواست‌های بهینه برای این مدل‌ها آشنا نیستید، پیشنهاد می‌کنیم نگاهی هم به راهنمای نوشتن پرامپت برای مبتدیان بیندازید تا از همین امروز بیشترین بهره را از کلود ببرید.

۹. نگاه کارشناسی؛ ریسک‌ها و چالش‌های پیش رو

با این حال، این مسیر بدون ریسک نیست. طراحی تراشه یک تخصص کاملاً متفاوت از آموزش مدل زبانی است و نیاز به جذب مهندسانی دارد که در بازار بسیار کمیاب و گران‌قیمت هستند؛ همان بازاری که این روزها درگیر یک جنگ استعداد واقعی میان مهندسان و توسعه‌دهندگان هوش مصنوعی شده است. علاوه بر این، فاصله‌ی زمانی تا سال ۲۰۲۸ به این معناست که تا آن زمان، رقبا هم بی‌کار نمی‌نشینند و ممکن است تراشه‌های نسل بعدی خودشان را زودتر عرضه کنند. ریسک دیگر، وابستگی به یک شریک تولیدی واحد مثل سامسونگ است؛ اگر این همکاری به مشکل بخورد یا با تأخیر مواجه شود، کل جدول زمانی پروژه می‌تواند به هم بریزد. در نهایت، باید در نظر داشت که وعده‌های کاهش هزینه در مرحله‌ی برنامه‌ریزی همیشه خوش‌بینانه‌تر از واقعیت نهایی هستند و باید منتظر ماند تا این تراشه‌ها واقعاً وارد خط تولید شوند تا بتوان درباره‌ی موفقیت یا شکست این استراتژی قضاوت دقیق‌تری داشت.

سوالات متداول

آیا آنتروپیک دیگر از تراشه‌های Nvidia استفاده نمی‌کند؟
خیر. آنتروپیک تأکید کرده همکاری با Nvidia، AWS، Google و AMD همچنان ادامه دارد و تراشه‌ی اختصاصی صرفاً یک لایه‌ی مکمل برای آینده خواهد بود، نه جایگزین کامل شرکای فعلی.

چه زمانی تراشه‌ی اختصاصی آنتروپیک عرضه می‌شود؟
بر اساس گزارش‌ها، تولید انبوه زودتر از سال ۲۰۲۸ آغاز نمی‌شود و بازه‌ی واقعی بهره‌برداری کامل، بین سال‌های ۲۰۲۸ تا ۲۰۳۰ پیش‌بینی شده است.

آیا سامسونگ رسماً قرارداد تولید این تراشه را امضا کرده؟
نه هنوز. سامسونگ با فرآیند ۲ نانومتری SF2P گزینه‌ی اصلی مورد بحث است، اما تا امروز هیچ قرارداد تولیدی رسمی اعلام نشده است.

این پروژه چه تأثیری روی قیمت اشتراک کلود دارد؟
هنوز اعلام رسمی درباره‌ی قیمت‌گذاری نشده، اما اگر کاهش ۵۰ درصدی هزینه‌ی هر توکن محقق شود، این صرفه‌جویی می‌تواند در آینده به شکل قیمت رقابتی‌تر یا امکانات بیشتر به کاربران منتقل شود.

در یک جمع‌بندی کوتاه، تشکیل تیم طراحی تراشه‌ی اختصاصی توسط آنتروپیک نشان می‌دهد رقابت هوش مصنوعی دیگر فقط بر سر مدل‌های زبانی نیست، بلکه به عمیق‌ترین لایه‌ی ممکن یعنی سیلیکون رسیده است. برای دنبال‌کردن این‌گونه اخبار داغ و تحلیل‌های دقیق از دنیای هوش مصنوعی، کانال تلگرام @MrChatGPT_IR را همین امروز دنبال کنید.

نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید

(0 رأی)

دیدگاهتان را بنویسید

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