انویدیا در سکوت خبری کامل روی نسل بعدی تراشههای هوش مصنوعی خود به نام «فاینمن» کار میکند؛ پلتفرمی که قرار است جانشین روبین شود و همین حالا، سالها پیش از عرضه رسمی، صنعت نیمهرسانا را وادار به دویدن کرده است.

لیست مطالب
۱. فاینمن چیست و چرا اینقدر زود دربارهاش حرف میزنند؟
معمولاً شرکتهای تراشهساز تا وقتی محصولی به مرحله تولید نزدیک نشود، جزئیات فنی آن را فاش نمیکنند. اما درباره فاینمن، وضعیت متفاوت است. تراشه روبین انویدیا که قرار بود پرچمدار امسال و سال آینده باشد، هنوز کاملاً وارد فاز تولید انبوه نشده، در حالی که گزارشهای صنعتی از جزئیات معماری نسل بعدی، یعنی فاینمن، خبر میدهند. این همپوشانی زمانی بهتنهایی نشان میدهد رقابت در بازار تراشههای هوش مصنوعی دیگر روی چرخههای سالانه معمول نمیچرخد.
فاینمن قرار است جای روبین را بگیرد، اما نه بهعنوان یک ارتقای تدریجی. طبق توصیف گزارشها، این پلتفرم یک «جهش معماری بزرگ» محسوب میشود؛ عبارتی که معمولاً برای نسلهایی به کار میرود که در آنها چند فناوری بنیادین همزمان تغییر میکنند، نه فقط سرعت ساعت یا تعداد هستهها.
نکته دیگری که این خبر را قابل توجهتر میکند، فاصله زمانی کوتاه بین نسلهاست. تا چند سال پیش، فاصله بین دو نسل تراشه هوش مصنوعی انویدیا معمولاً حدود دو سال بود. اما با ورود روبین و سپس فاینمن به این چرخه، به نظر میرسد شرکت در حال فشردهکردن این بازه زمانی است تا بتواند با سرعت رشد تقاضای بازار همگام بماند. این تصمیم ریسک بالایی هم دارد؛ چون هر نسل جدید باید همزمان با آمادهشدن زیرساخت تولید، ثابت کند که واقعاً جهشی محسوس نسبت به نسل قبل ارائه میدهد.
۲. سه فناوریای که قلب فاینمن را میسازند
سه عنصر فنی در مرکز طراحی فاینمن قرار دارند. اول، چیپلتهای سهبعدی که بهجای ساخت یک تراشه یکپارچه بزرگ، چند بلوک پردازشی کوچکتر را روی هم انباشته میکنند تا هم بازده تولید بالاتر برود و هم توان پردازشی در واحد سطح افزایش یابد. دوم، حافظه پهنایباند بالا که داده را با سرعتی بسیار فراتر از حافظههای معمولی به هستههای پردازشی میرساند. سوم، و شاید مهمترین بخش، فناوری نوری یکپارچه که ارتباط بین تراشهها را از سیم مسی به نور منتقل میکند.
این فناوری نوری، همان چیزی است که باعث میشود پهنایباند شبکه ارتباطی NVLink در فاینمن از مرز یک پتابایت بر ثانیه عبور کند. برای درک این عدد، کافی است بدانیم پهنایباند بالاتر یعنی خوشههای بزرگتری از پردازندهها میتوانند مثل یک ابرپردازنده واحد رفتار کنند، بدون آنکه تأخیر ارتباطی بین تراشهها گلوگاه آموزش مدلهای هوش مصنوعی عظیم شود.
چرا این عدد برای مدلهای هوش مصنوعی مهم است؟
آموزش مدلهای بزرگ زبانی، از جمله مدلهایی که پشت ابزارهایی مثل اوپنایآی یا رقبای آن قرار دارند، به هزاران پردازنده نیاز دارد که باید همزمان و بدون تأخیر محسوس با هم داده رد و بدل کنند. هرچه پهنایباند ارتباطی بین این پردازندهها بیشتر باشد، مدلهای بزرگتر و پیچیدهتری قابل آموزش خواهند بود؛ همان روندی که در چند سال اخیر پشت جهشهای پیاپی هوش مصنوعی بوده است. برای آشنایی بیشتر با اینکه هوش مصنوعی امروز واقعاً چه کاری از پس آن برمیآید و چه چیزهایی هنوز فراتر از توان آن است، میتوانید سری مطالب پتانسیل و محدودیتهای واقعی هوش مصنوعی را در سایت ما بخوانید.

۳. TSMC چرا باید سریعتر بدود؟
شریک اصلی تولید تراشههای انویدیا، شرکت تایوانی TSMC است. طبق گزارشها، جدول زمانی توسعه فاینمن آنقدر فشرده است که TSMC مجبور شده فرآیند تولید نسل A16 در مقیاس ۲ نانومتر را زودتر از برنامه اصلی آماده کند. این یعنی سرمایهگذاری میلیاردی، ساختوساز همزمان در چند کارخانه و فشار مضاعف روی زنجیره تأمین تجهیزات نیمهرسانا.
هدف اعلامشده TSMC رساندن ظرفیت ماهانه فناوری بستهبندی پیشرفته SoIC به حدود ۵۰ هزار ویفر تا پایان سال ۲۰۲۷ است؛ رقمی که بهطور قابل توجهی از برنامههای قبلی این شرکت فراتر میرود. در کنار SoIC، دو فناوری دیگر یعنی CoWoS-L و نسل بعدی CoPoS نیز باید همزمان توسعه پیدا کنند تا بتوانند نیازهای فاینمن را پوشش دهند.
یک زنجیره تأمین که همهچیز را با هم جابهجا میکند
وقتی یک تراشهساز مثل انویدیا جدول زمانی خود را جلو میاندازد، این فشار مثل موج به کل زنجیره تأمین منتقل میشود؛ از تولیدکنندگان تجهیزات لیتوگرافی گرفته تا شرکتهای بستهبندی و حتی تأمینکنندگان برق مراکز داده. این الگو یادآور روندی است که پیشتر هم در گسترش زیرساختهای ملی هوش مصنوعی دیده شده و نشان میدهد رقابت تراشه دیگر محدود به یک شرکت یا یک کشور نیست.
این وضعیت یادآور دورههایی است که کشورها برای ساخت زیرساختهای بزرگ صنعتی، از جمله شبکههای برق یا راهآهن، ناچار به سرمایهگذاریهای هماهنگ در چند بخش همزمان بودند. تفاوت اینجا در سرعت است: در حالی که ساخت زیرساختهای صنعتی کلاسیک دههها طول میکشید، زنجیره تأمین تراشه هوش مصنوعی باید در عرض دو تا سه سال خود را با نیازهای نسل بعدی وفق دهد.
۴. پول پشت این پروژه: پلتفرم مالی ۵۰۰ میلیارد دلاری
ساخت این حجم از ظرفیت تولید و توسعه، هزینهای نجومی دارد. به همین دلیل انویدیا همزمان با پیشبرد فاینمن، در حال راهاندازی یک پلتفرم مالی تازه است که هدف آن جذب بیش از ۵۰۰ میلیارد دلار سرمایه از بازارهای جهانی برای تأمین مالی زیرساخت هوش مصنوعی است. این رقم نشان میدهد ساخت نسل بعدی تراشههای هوش مصنوعی دیگر صرفاً یک پروژه مهندسی نیست، بلکه یک پروژه مالی در مقیاس کشورهاست.
در همین راستا، تحلیلگران بانک آمریکا درآمد فصلی انویدیا را در بازه ۹۴ تا ۹۵ میلیارد دلار برآورد کردهاند، با پیشبینی رشد تا ۱۰۷ تا ۱۰۸ میلیارد دلار در فصل بعد. این ارقام، در کنار خبر فاینمن، تصویری از شرکتی میسازند که همزمان در حال دویدن روی دو مسیر است: توسعه فناوری در آزمایشگاه و جذب سرمایه در وال استریت.
۵. این خبر برای کسبوکارها یعنی چه؟
برای کسبوکارهایی که روی هوش مصنوعی سرمایهگذاری میکنند، خبر فاینمن یک پیام روشن دارد: چرخه ارتقای زیرساخت هوش مصنوعی کوتاهتر و کوتاهتر میشود. شرکتی که امروز روی یک نسل خاص از تراشهها سرمایهگذاری میکند، باید بداند نسل بعدی احتمالاً زودتر از چیزی که فکر میکند از راه میرسد. این موضوع بهویژه برای تیمهایی که استراتژی هوش مصنوعی خود را برای سالهای آینده برنامهریزی میکنند اهمیت دارد؛ موضوعی که در مطلب چرا هوش مصنوعی برای کسبوکار مهم است هم به آن پرداختهایم.
از سوی دیگر، رقابت فشرده روی سختافزار مستقیماً روی قیمت و دسترسی به قدرت پردازشی ابری اثر میگذارد؛ چیزی که دیر یا زود به کاربر نهایی هم میرسد، از قیمت اشتراک ابزارهای هوش مصنوعی گرفته تا سرعت پاسخگویی مدلها.

۶. فاینمن در برابر رقبا: بازی که هنوز تمام نشده
انویدیا سالهاست در بازار تراشههای هوش مصنوعی جایگاه غالب دارد، اما این به معنای نبود رقیب نیست. شرکتهای دیگر هم روی سختافزار اختصاصی هوش مصنوعی کار میکنند و مدلهای زبانی بزرگ، از جمله رقبایی که گاهی در تستهای عملکردی با یکدیگر مقایسه میشوند، پیوسته در حال پیشرفتاند. برای نمونه میتوانید نگاهی به مقایسهای مثل چتجیپیتی در برابر دیپسیک بیندازید تا ببینید رقابت مدلها چطور به رقابت زیرساخت هم کشیده میشود.
نکته اینجاست که هرچه مدلهای زبانی بزرگتر و توانمندتر شوند، وابستگی آنها به سختافزاری مثل فاینمن هم بیشتر میشود. به همین دلیل، اخباری که در نگاه اول صرفاً «خبر یک تراشه» به نظر میرسند، در واقع پیششرط نسل بعدی جهشهای هوش مصنوعی هستند.
در کنار انویدیا، شرکتهای بزرگ فناوری هم در حال ساخت تراشههای اختصاصی خود برای هوش مصنوعی هستند تا وابستگیشان به تأمینکنندگان بیرونی را کاهش دهند. این روند نشان میدهد آینده صنعت هوش مصنوعی احتمالاً به یک بازار چندقطبی از تراشهسازها تبدیل خواهد شد، نه یک بازار تکقطبی که فقط یک شرکت آن را هدایت کند. با این حال، تا زمانی که فاینمن وارد بازار شود، انویدیا همچنان جایگاه پیشرو خود را در اختیار دارد.
۷. زمانبندی: از امروز تا ۲۰۲۸
طبق گزارشها، عرضه رسمی فاینمن برای سال ۲۰۲۸ برنامهریزی شده است؛ یعنی هنوز چند سال با ورود این پلتفرم به بازار فاصله داریم. اما همانطور که در بخشهای قبلی اشاره شد، آمادهسازی زیرساخت تولید، از جمله ظرفیتسازی TSMC، از همین امروز آغاز شده. این فاصله زمانی، فرصتی است برای توسعهدهندگان و کسبوکارها تا خود را برای موج بعدی آماده کنند، بهجای آنکه غافلگیر شوند.
اگر تازه میخواهید با مفاهیم پایه هوش مصنوعی و نحوه استفاده مؤثر از ابزارهای آن آشنا شوید، مطلب راهنمای نوشتن پرامپت برای مبتدیها نقطه شروع خوبی است؛ و برای دنبالکردن آخرین اخبار این حوزه هم میتوانید سری اخبار هوش مصنوعی ما را دنبال کنید.
۸. پرسشهای پرتکرار
فاینمن دقیقاً چیست؟ نام رمزی نسل بعدی پلتفرم تراشههای هوش مصنوعی انویدیا است که قرار است جانشین تراشه روبین شود.
فاینمن چه زمانی عرضه میشود؟ طبق گزارشهای فعلی، عرضه رسمی آن برای سال ۲۰۲۸ برنامهریزی شده است.
چرا TSMC باید سریعتر کار کند؟ چون جدول زمانی توسعه فاینمن فشردهتر از حد معمول است و TSMC باید ظرفیت بستهبندی پیشرفته خود را زودتر از برنامه بالا ببرد.
ارتباط این خبر با کاربران عادی چیست؟ رقابت سختافزاری روی قیمت، سرعت و دسترسی به ابزارهای هوش مصنوعی که کاربران روزانه استفاده میکنند اثر مستقیم دارد.
۹. جمعبندی
خبر فاینمن، حتی پیش از رونمایی رسمی، نشان میدهد رقابت تراشههای هوش مصنوعی وارد فاز تازهای شده که در آن مرز بین برنامهریزی مهندسی و برنامهریزی مالی از بین رفته است. از چیپلتهای سهبعدی گرفته تا پلتفرم مالی ۵۰۰ میلیارد دلاری، همه این قطعات نشان میدهند صنعت هوش مصنوعی برای سالهای آینده در حال ساختن زیرساختی است که ابعاد آن با هیچ نسل قبلی قابل مقایسه نیست.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
