شراکت استراتژیک و برای توسعه تراشههای هوش مصنوعی سفارشی
شرکت OpenAI با همکاری Broadcom در حال توسعه تراشههای هوش مصنوعی اختصاصی است تا کنترل سختافزاری زیرساخت مدلهای زبانی خود را در دست بگیرد. این اتحاد فراتر از ارتقای توان پردازش، گامی است به سوی استقلال از تکفروشندههای سختافزاری و بهینهسازی مصرف انرژی در مقیاس وسیع.
هدف اصلی: کاهش وابستگی به انویدیا و تسلط بر زنجیره تأمین
به گزارش رسانههای فناوری، انگیزه محوری این همکاری، کاستن از وابستگی به پردازندههای گرافیکی NVIDIA و ایجاد بستر سختافزاری انعطافپذیر برای نسلهای آتی مدلهای بزرگ زبانی (LLM) است. OpenAI با این حرکت از حوزه محض نرمافزار به طراحی سختافزار اختصاصی میروید تا بتواند معماری تراشه را مستقیماً با نیازهای آموزش و استنتاج (Inference) مدلهای خود همسازگار کند.
🔗 بیشتر بخوانید: AMD پنج کارت گرافیک RX ۹۰۷۰ XT نسخه اهدا میکند
نقش Broadcom: معماری تراشه و زیرساخت شبکهای پیشرفته
Broadcom در این اتحاد نقش کلیدی در طراحی تراشههای مخصوص بارهای کاری هوش مصنوعی و ارائه راهکارهای اتصال نوری با باندوidth بالا و تأخیر پایین برای مراکز داده ایفا میکند. این زیرساختهای شبکهای امکان مقیاسپذیری افقی کلاسترهای آموزشی را با کارایی انرژی بهتر فراهم میآورند.
برنامه زمانی و مقیاس استقرار
نخستین سیستمهای مبتنی بر این تراشههای سفارشی برای سال ۲۰۲۶ برنامهریزی شدهاند و استقرار گستردهتر تا افق ۲۰۲۹ پیشبینی میشود. این زمانبندی همچنان با استراتژی سام ألتمن، مدیرعامل OpenAI، برای تضمین ظرفیت تولید تراشه از طریق TSMC و تنوع زنجیره تأمین همسو است.
آخرین مطالب
- تامین ۱۳ میلیون تراشه LPDDR۵X توسط سامسونگ برای آیفون ۱۸: قفزه در حافظههای هوشمند
- بررسی مدیریت حرارتی و مصرف انرژی در مکبوک پرو مجهز به تراشه M۵
- توکیو و واشینگتن؛ توافق تجاری جدیدی که تویوتا و نیسان را به سمت وارد خودروهای آمریکایی میکشد
- حسادت از موفقیت دیگران: ریشهها، پیامدها و راهکارهای تبدیل به انگیزه
- تفاوتهای فنی سامسونگ و TSMC در تولید تراشههای تسلا
🔗 بیشتر بخوانید: OpenAI اولین مشتری بزرگ نسل بعدی تراشههای انویدیا خواهد بود_سیاه پوش
تفاوت رویکرد OpenAI با رقبا
برخلاف گوگل (TPU)، آمازون (Trainium/Inferentia) و متا (MTIA) که تراشههای خود را بهصورت کاملاً داخلی طراحی کردهاند، OpenAI مدل همکاری با شریک باتجربه را برگزیده تا زمان توسعه و هزینههای NRE (مهندسی غیربازگشتی) را کاهش دهد، در حالی که کنترل معماری و ویژگیهای تراشه را در دست خود نگه میدارد.
مزایای پیشبینیشده: کارایی انرژی، هزینه و مقیاسپذیری
تراشههای بهینهشده برای بارهای کاری خاص هوش مصنوعی انتظار میرود مصرف انرژی را بهشکل قابلتوجهی کاهش دهند، هزینههای آموزش مدلهای تریلیونپارامتری را پایین بیاورند و امکان استقرار شتابدهندههای سفارشی در مقیاس ۱۰ گیگاوات را برای OpenAI محقق سازند.
چالشهای پیشرو و ضرورت یکپارچهسازی سختافزار/نرمافزار
توسعه تراشه اختصاصی هوش مصنوعی نیازمند سالها تحقیق، سرمایهگذاری چندمیلیاردی و هماهنگی تنگاتنگ تیمهای سختافزار و نرمافزار برای یکپارچهسازی بینقص با پشته نرمافزاری موجود (مانند PyTorch، Triton و کتابخانههای بهینهسازی OpenAI) است. موفقیت این پروژه بستگی به مدیریت ریسکهای طراحی، تأیید سیلیکون (Silicon Validation) و پایداری زنجیره تأمین فابریکیشن دارد.
افق استراتژیک: استقلال طولانیمدت و قابلیتهای نوین
با وضع بنیاد سختافزاری مستقل، OpenAI میکوشد تا دانش حاصل از مقیاسسازی مدلها را مستقیماً در معماری سیلیکون تعبیه کند، لایههای جدیدی از هوشمندی و کارایی را باز نماید و موقعیت رقابتی خود را در عصر هوش مصنوعی عمومی (AGI) تثبیت سازد.