Nvidia سود قابل توجهی را تجربه کرد 24.7 درصد در هفته گذشتهکه بخشی از بیانیهای توسط جنسن هوانگ، مدیر عامل شرکت جنسن هوانگ، یک روز قبل از جهش سهام بزرگ است که بر نیاز به جایگزینی تجهیزات قدیمی مرکز داده با تراشههای جدید تأکید میکند، زیرا شرکتهای بیشتری هوش مصنوعی را ادغام میکنند.
هوانگ در خلال گفت: «صنعت رایانه در حال گذر از دو مرحله انتقال همزمان است: محاسبات شتابزده و هوش مصنوعی مولد». بیانیه درآمد سه ماهه دوم انویدیا به سرمایه گذاران در 24 مه: «تریلیون دلار زیرساخت مرکز داده جهانی نصب شده از محاسبات همه منظوره به محاسبات تسریع شده منتقل میشود، زیرا شرکتها برای به کارگیری هوش مصنوعی مولد در هر محصول، خدمات و فرآیند تجاری رقابت میکنند.“
تجهیزات قدیمی جایگزین خواهند شد: اما به چه قیمتی؟
با این حال، سؤالاتی در مورد مقیاس و هزینه این جایگزینی وجود دارد. در حالی که اجرای هوش مصنوعی ممکن است برای عملکرد بهینه نیاز به ارتقاء سخت افزار یا پردازنده های تخصصی داشته باشد، هزینه و مقیاس چنین جایگزینی به نیازهای خاص هر شرکت بستگی دارد. بنگاه ها باید نیازها و هزینه ها را به صورت موردی ارزیابی کنند.
بردلی شیمین، تحلیلگر صنعت داده و هوش مصنوعی در گروه تحقیقاتی و مشاوره فناوری Omdia، پتانسیل شرکت ها را برای سرمایه گذاری بر روند مولد هوش مصنوعی، که می تواند رویکردهای جدیدی را برای سخت افزار شتاب طلب کند، تصدیق می کند. با این حال، شیمین اعتقاد هوانگ مبنی بر اینکه مراکز داده باید جایگزین همه تجهیزات شوند را به طور کامل تایید نمی کند.
شیمین گفت: «برای بسیاری از موارد استفاده، بهویژه مواردی که شامل الزامات آموزشی مدلهای بسیار سخت است، شرکتها به دنبال کاهش هزینهها و سرعت بخشیدن به بازار با سرمایهگذاری در جدیدترین و بهترین شتاب سختافزار هوش مصنوعی هستند.» با این حال، در حال حاضر یک روند مقابله ای در جریان است که در آن محققان می آموزند که چگونه با مدل کمتر با پارامترهای کمتر، مجموعه داده های بسیار مدیریت شده و آموزش/تنظیم دقیق تر با استفاده از PEFT کارهای بیشتری انجام دهند. [Parameter Efficient Fine-tuning] و LoRa، برای مثال.”
موانع مالی و محدودیت های فیزیکی مرکز داده
علاوه بر محدودیت های فیزیکی مراکز داده، هر گونه پیگیری برای بهبود تراکم ترانزیستور در مراکز داده بدون مانع نیست. ساخت فابریک های ساختمانی با هزینه بالایی همراه است، به خصوص زمانی که با هزینه های فزاینده برای گره های پیشرفته همراه باشد. رهبران مراکز داده باید ضمن تلاش برای پاسخگویی به تقاضای روزافزون برای زیرساخت های پیشرفته تر مرکز داده، این نگرانی های مالی را برطرف کنند.
از آنجایی که صنعت مرکز داده به تکامل خود ادامه می دهد، یافتن راه حل های مقرون به صرفه برای دستیابی به تراکم ترانزیستور همراه با حفظ کارمندان، تمرکز بسیار مهمی برای اپراتورهای مرکز داده خواهد بود.
گسترش اکوسیستم ها و معماری تراشه ها
Shimmin خاطرنشان کرد که سازندگان تراشه همچنین برای پشتیبانی از موارد استفاده از هوش مصنوعی در پلتفرمهای هدف کوچکتر مانند تلاشهای سامسونگ برای اجرای مدلهای تماممقیاس روی تراشه و داخل تلفن عجله دارند. این نشان میدهد که اکوسیستم کلی در انواع مختلف تراشه و پیکربندیهای استقرار، از جمله آموزش back-end، و استنتاج روی لبه یا درون دستگاه گسترش خواهد یافت. معماریهای تراشههای متعدد، مانند RISC-V، FPGA، پردازندههای گرافیکی و راهحلهای تخصصی مانند AWS Trainium و Inferentium، نقش مهمی در این چشمانداز در حال تکامل خواهند داشت.
شیمین گفت: «به راحتی می توان دید که اکوسیستم کلی در حال انفجار است.
هوش مصنوعی به دلیل افزایش تقاضای مقیاس از هوش مصنوعی به کانون توجه سرمایه گذاران و مدیریت زیرساخت مرکز داده تبدیل شده است. این به دلیل موفقیت بینظیر مدلهای مختلف GPT OpenAI است.
اما ایجاد زبان یا مدل های تصویری قدرتمند کاری است که تنها چند شرکت می توانند انجام دهند. در گذشته، امکان مشاهده پیشرفت های قابل توجهی توسط مدل های مقیاس کوچکتر برای کار بر روی سیستم های اندازه مرکز داده وجود داشت. برای ادامه دادن به مرزهای فناوری، شرکتها باید روی سختافزار بهتر و پیشرفتهتر سرمایهگذاری کنند که اعتبار زیادی به بیانیه هوانگ میدهد.
کارل فروند، بنیانگذار و تحلیلگر اصلی در Cambrian-AI Research، در بیانیه ای به دانش مرکز داده که او هرگز روی اشتباه جنسن شرط نمیبندد.
فروند گفت: «او بیننده بی بدیل است. جنسن سالهاست که میگوید مرکز داده تسریع میشود و این اتفاق میافتد. بر اساس پردازنده، بخش GPU بیشترین سهم درآمد 46.1٪ را در سال 2021 به خود اختصاص داد“
با این حال، سرمایهگذاران انویدیا ممکن است بخواهند انتظارات خود را از افزایش درآمد مستمر کاهش دهند. مفهوم این است که جرم گیری قبلا متوقف شده است و به زودی فلات خواهد شد. در حالی که پیاده سازی هوش مصنوعی ممکن است برای عملکرد بهینه نیاز به ارتقاء سخت افزار یا پردازنده های تخصصی داشته باشد، میزان جایگزینی ها احتمالاً در شرکت ها متفاوت است. با تکامل اکوسیستم فناوری، انتظار میرود بهینهسازیها و پیشرفتها در مدلهای هوش مصنوعی راهحلهای جایگزینی را ارائه دهند که تقاضاهای سختافزاری را متعادل میکند.
سام آلتمن، OpenAI مدیر عامل – که اخیراً از کنگره خواسته است تا پیشنهادات نظارتی هوش مصنوعی را در نظر بگیرد – گفت پیشرفت بیشتر هوش مصنوعی از بزرگتر کردن مدل ها حاصل نخواهد شد.
“من فکر می کنم ما در پایان دوره ای هستیم که در آن این مدل های غول پیکر و غول پیکر وجود خواهند داشت.” همانطور که توسط Wired گزارش شده است، آلتمن در یک رویداد در MIT در اوایل آوریل به حضار گفت. “ما آنها را از راه های دیگر بهتر خواهیم کرد.”