شهریور
اخبار
شرط ماسک روی انویدیا؛ ابررایانه‌ی استارمایند به مدار می‌رود
ایلان ماسک تصمیمی گرفته که نقشه‌ی زیرساخت هوش مصنوعی او را برای سال‌ها تعیین می‌کند: سخت‌افزار اسپیس‌ایکس و ایکس‌ای‌آی از این پس فقط روی تراشه‌های انویدیا می‌چرخد. اما بخش عجیب ماجرا جای دیگری است؛ نسخه‌ای از همین ابررایانه قرار است به مدار زمین برود و پردازش هوش مصنوعی را از دل فضا انجام دهد.
لیست مطالب
۱) تصمیمی که مسیر را قفل می‌کند
در صنعتی که همه به دنبال کم‌کردن وابستگی به یک تأمین‌کننده هستند، انتخاب انحصاری یک سازنده‌ی تراشه تصمیم غیرمعمولی است. آنتروپیک تیم طراحی تراشه راه انداخته، گوگل سال‌هاست تی‌پی‌یو می‌سازد و اوپن‌ای‌آی هم روی سخت‌افزار اختصاصی کار می‌کند. ماسک اما مسیر دیگری را انتخاب کرده است.
دلیلی که خودش اعلام کرده ساده است: تراشه‌های انویدیا در حال حاضر بهترین‌اند. او به‌طور مشخص از نسل وِرا رابین ان‌وی‌ال۷۲ نام برده و یکی از مزیت‌های آن را طراحی بدون کابل دانسته؛ ویژگی‌ای که خطای انسانی در مرحله‌ی نصب و راه‌اندازی را تا حد زیادی حذف می‌کند.
این نکته در ظاهر فنی و کم‌اهمیت به نظر می‌رسد، اما در مقیاس ده‌ها هزار سرور، هر خطای نصب به ساعت‌ها عیب‌یابی و توقف تبدیل می‌شود. وقتی هدف، راه‌اندازی سریع ظرفیت در مقیاس گیگاواتی است، سادگی نصب به‌اندازه‌ی سرعت پردازش اهمیت پیدا می‌کند.
۲) استارمایند؛ مرکز داده‌ای که به مدار می‌رود
جسورانه‌ترین بخش این خبر، پروژه‌ی استارمایند است. طبق گزارش‌ها، اسپیس‌ایکس قصد دارد نسخه‌ای بهینه‌شده از همان سامانه‌ی وِرا رابین ان‌وی‌ال۷۲ را به مدار زمین ببرد و پرتاب‌ها از سال آینده آغاز شود.
ایده‌ی مرکز داده‌ی مداری تازه نیست، اما تا امروز بیشتر در حد طرح پژوهشی باقی مانده بود. آنچه این پروژه را متفاوت می‌کند، دسترسی هم‌زمان یک مجموعه به هر دو قطعه‌ی پازل است: راکت ارزان و تکرارشونده برای پرتاب، و تقاضای واقعی برای توان پردازشی.
چرا اصلاً فضا
دو انگیزه‌ی اصلی مطرح شده است. نخست انرژی خورشیدی که در مدار بدون وقفه‌ی شب و ابر در دسترس است، و دوم دورزدن محدودیت‌های زمینی مثل کمبود برق شبکه و مجوزهای ساخت مرکز داده. در مقابل، مسئله‌ی خنک‌سازی در خلأ، تشعشع و تعمیرناپذیری سخت‌افزار، چالش‌های جدی‌ای هستند که هنوز پاسخ عملیاتی روشنی برایشان اعلام نشده است.
۳) گروک و پردازنده‌های تازه
بخش دیگری از این توافق به پردازنده‌های مرکزی برمی‌گردد. طبق گزارش‌ها، مجموعه‌ی ماسک از پردازنده‌های وِرا انویدیا به‌صورت مستقل برای بارهای کاری عاملانه‌ی گروک استفاده خواهد کرد؛ یعنی همان کارهایی که مدل در آن‌ها به‌جای پاسخ‌دادن ساده، زنجیره‌ای از اقدام‌ها را انجام می‌دهد.
این تفکیک معنادار است. بارهای کاری عاملانه الگوی مصرف متفاوتی دارند: کمتر به پردازش موازی سنگین و بیشتر به هماهنگی، حافظه و تأخیر پایین وابسته‌اند. تخصیص سخت‌افزار متفاوت برای این دسته از کارها، نشانه‌ی بلوغ در طراحی زیرساخت است.
۴) عددهای ظرفیت؛ از یک‌ونیم تا ده گیگاوات
طبق گزارش‌ها، ظرفیت فعلی حدود ۱٫۴ گیگاوات است و هدف اعلام‌شده رسیدن به حدود ۱۰ گیگاوات تا پایان ۲۰۲۷ است. برای درک مقیاس، این رقم با مصرف برق یک شهر بزرگ قابل مقایسه است.
برآوردهای منتشرشده می‌گویند رسیدن به چنین هدفی ممکن است به بیش از دو میلیون پردازنده‌ی گرافیکی رابین نیاز داشته باشد. این عدد نه‌فقط از نظر هزینه، بلکه از نظر ظرفیت تولید انویدیا و زنجیره‌ی تأمین حافظه هم پرسش‌برانگیز است.
همین فشار تقاضاست که بازار تراشه را به میدان اصلی رقابت هوش مصنوعی تبدیل کرده؛ موضوعی که در بخش اخبار سایت مرتب دنبالش می‌کنیم.
۵) اقتصاد اجاره‌ی ابررایانه
پشت این خبرها یک بازار پرسود پنهان است: اجاره‌ی توان پردازشی. طبق گزارش‌ها، درآمد اجاره‌ی این ابررایانه‌ها تنها در سه‌ماهه‌ی دوم به حدود ۲٫۵۶ میلیارد دلار رسیده و یک مشتری واحد بخش عمده‌ی آن، حدود ۱٫۵۲ میلیارد دلار، را پرداخته است. هویت این مشتری رسماً اعلام نشده و گمانه‌زنی‌ها به سمت آنتروپیک رفته است.
اگر این ارقام درست باشد، نکته‌ی مهمش تمرکز است: وقتی بیش از نیمی از درآمد یک کسب‌وکار از یک مشتری بیاید، هر تغییری در تصمیم آن مشتری کل مدل مالی را تکان می‌دهد. همین ریسک، یکی از دلایلی است که شرکت‌های بزرگ به‌سرعت سراغ ساخت سخت‌افزار خودشان رفته‌اند.
چرخه‌ای که بسته می‌شود
الگوی تکرارشونده‌ی این بازار جالب است: سرمایه‌گذاری در سخت‌افزار، اجاره‌ی آن به آزمایشگاه‌های هوش مصنوعی، و بازگشت بخشی از پول به همان سازنده‌ی تراشه. هر حلقه‌ی این زنجیره سود می‌سازد، اما اگر تقاضا کند شود، فشار هم به همان سرعت در کل زنجیره پخش می‌شود.
۶) این خبر برای کاربر عادی چه معنایی دارد
در کوتاه‌مدت، تقریباً هیچ. ظرفیت پردازشی تازه معمولاً اول به مشتریان سازمانی و بارهای کاری داخلی می‌رسد و بعد به سرویس‌های عمومی. اما در میان‌مدت، ظرفیت بیشتر یعنی مدل‌های بزرگ‌تر، پاسخ‌های سریع‌تر و احتمالاً قیمت پایین‌تر برای هر واحد پردازش.
برای کسانی که از مدل‌ها در کار روزمره استفاده می‌کنند، نکته‌ی عملی این است که رقابت زیرساختی معمولاً به نفع کاربر نهایی تمام می‌شود. چرایی اهمیت این موضوع برای کسب‌وکارها را در این تحلیل بررسی کرده‌ایم.
۷) نقطه‌های ابهام
چند مسئله هنوز روشن نیست. جدول زمانی دقیق پرتاب‌های استارمایند اعلام نشده، هزینه‌ی هر واحد پردازش در مدار برآورد عمومی ندارد، و راهکار خنک‌سازی و نگهداری سخت‌افزار در فضا به‌طور فنی تشریح نشده است.
در کنار این‌ها، وابستگی کامل به یک تأمین‌کننده ریسک خودش را دارد. اگر انویدیا در تحویل تأخیر کند یا قیمت‌ها را بالا ببرد، این مجموعه گزینه‌ی جایگزین آماده‌ای ندارد. تجربه‌ی سال‌های اخیر نشان داده که کمبود عرضه در این صنعت قاعده است، نه استثنا.
وعده در برابر اجرا
در پرونده‌ی هوش مصنوعی، فاصله‌ی میان اعلام و اجرا معمولاً طولانی است. بخشی از این طرح‌ها به‌موقع اجرا می‌شود و بخشی عقب می‌افتد یا تغییر شکل می‌دهد. تشخیص این دو از هم، همان مهارتی است که در بحث توان و محدودیت‌های واقعی هوش مصنوعی به آن پرداخته‌ایم.
۸) تصویر بزرگ‌تر رقابت
سه راهبرد متفاوت در برابر هم قرار گرفته‌اند. گروه اول، مثل گوگل، سال‌هاست تراشه‌ی خودش را می‌سازد. گروه دوم، مثل آنتروپیک و اوپن‌ای‌آی، تازه وارد این مسیر شده‌اند. گروه سوم، که حالا ماسک هم در آن است، ترجیح می‌دهد به‌جای صرف وقت روی طراحی تراشه، بهترین سخت‌افزار موجود را با بیشترین سرعت مستقر کند.
هیچ‌کدام از این سه مسیر آشکارا برنده نیست. ساخت تراشه‌ی اختصاصی هزینه‌ی هر توکن را پایین می‌آورد اما سال‌ها زمان می‌برد؛ خرید بهترین سخت‌افزار موجود سریع است اما حاشیه‌ی سود را به تأمین‌کننده می‌سپارد. آنچه در نهایت تعیین‌کننده خواهد بود، سرعت رسیدن به ظرفیت واقعی است، نه زیبایی نقشه‌ها. برای مقایسه‌ی عملی توان مدل‌ها در یک کار مشخص هم این نمونه خواندنی است.
پرسش‌های پرتکرار درباره‌ی استارمایند و تراشه‌های انویدیا
وِرا رابین ان‌وی‌ال۷۲ دقیقاً چیست؟
یک سامانه‌ی سروری یکپارچه از انویدیا که پردازنده‌های گرافیکی نسل رابین و پردازنده‌های مرکزی وِرا را در یک قفسه کنار هم می‌گذارد. ماسک آن را «بهترین کامپیوتر هوش مصنوعی دنیا» خوانده و به طراحی بدون کابل آن اشاره کرده است.
پردازش در فضا واقعاً ممکن است؟
از نظر فنی مانع غیرقابل‌عبوری وجود ندارد، اما چالش‌های خنک‌سازی در خلأ، تشعشع و تعمیر سخت‌افزار جدی‌اند. طبق گزارش‌ها پرتاب‌ها از سال آینده آغاز می‌شود؛ ارزیابی واقعی زمانی ممکن است که نخستین محموله در مدار کار کند.
آیا این یعنی گروک قوی‌تر می‌شود؟
ظرفیت پردازشی بیشتر یکی از عوامل مؤثر بر کیفیت مدل است، اما تنها عامل نیست. داده، روش آموزش و مهندسی مدل هم نقش تعیین‌کننده دارند. بنابراین ظرفیت بیشتر شرط لازم است، نه کافی.
آن مشتری ناشناس چه کسی است؟
رسماً اعلام نشده است. طبق گزارش‌ها گمانه‌زنی‌ها به سمت آنتروپیک رفته، اما تا زمانی که تأیید رسمی منتشر نشود، این فقط یک احتمال است.
این خبر روی قیمت سرویس‌های هوش مصنوعی اثر می‌گذارد؟
در بلندمدت، افزایش ظرفیت معمولاً هزینه‌ی هر واحد پردازش را کاهش می‌دهد. اما در کوتاه‌مدت، رقابت بر سر تراشه‌های محدود می‌تواند اثر معکوس داشته باشد. برای دنبال‌کردن این تغییرها بخش آموزش‌ها و پرونده‌ی اوپن‌ای‌آی را ببینید.
