در آزمایشگاهی در مقر گوگل در مانتینویو، کالیفرنیا، صدها رک سرور با تراشههای واحد پردازش تنسور (TPU) فعال هستند تا وظایف آموزش مدلهای هوش مصنوعی را انجام دهند. این تراشهها که ابتدا برای بارهای داخلی گوگل طراحی شده بودند، از سال ۲۰۱۸ برای مشتریان ابری در دسترس قرار گرفتند. اپل در ماه ژوئیه اعلام کرد که از های گوگل برای آموزش مدلهای پایه پلتفرم Apple استفاده میکند. گوگل نیز برای آموزش و اجرای چتبات جمینای خود به این تراشهها متکی است.
<figcaption class="wp-element-caption"امین وحدت، معاون رئیس قسمت یادگیری ماشین، سیستمها و هوش مصنوعی ابری در گوگل، درحال نمایش نسخه چهارم TPU در دفتر مرکزی گوگل در مانتین ویو
جایگاه گوگل در حوزه تراشههای هوش مصنوعی سفارشی ابری
گوگل اولین ارائهدهنده خدمات ابری بود که تراشه هوش مصنوعی سفارشی ساخت. سه سال بعد آمازون وبسرویس تراشه را معرفی کرد و اولین تراشه سفارشی مایکروسافت به نام تا اواخر ۲۰۲۳ رونمایی نشد. با این حال، پیشگامی در تراشهها به معنای برتری در رقابت هوش مصنوعی مولد نبوده است. گوگل به دلیل محصولات ناموفق با انتقادات روبرو شد و جمینای بیش از یک سال پس از ChatGPT عرضه گردید.
با این حال، گوگل کلود با ارائه محصولات هوش مصنوعی شتاب یافته است. آلفابت، شرکت مادر گوگل، گزارش داد که درآمد بخش ابری در آخرین سهماهه ۲۹ درصد رشد کرده و برای اولین بار از ۱۰ میلیارد دلار فراتر رفته است. دانیل نیومن، مدیرعامل فیوچروم، معتقد است که قابلیتهای سیلیکونی گوگل میتواند آن را از جایگاه سومین ارائهدهنده ابری به سطح رقبا یا بالاتر برسانند.
در ماه ژوئیه، سیانبیسی اولین تور تصویری از آزمایشگاه تراشه گوگل برگزار و با امین وحدت، رئیس بخش تراشههای ابری سفارشی، گفتگو کرد. وحدت اشاره کرد که ایده ساخت تراشه در سال ۲۰۱۴ با یک آزمایش فکری آغاز شد اگر کاربران گوگل روزانه ۳۰ ثانیه با صدا تعامل داشته باشند، چه قدر قدرت محاسباتی نیاز است؟ برآوردها نشان میداد گوگل باید تعداد سرورها را دو برابر کند، بنابراین به راهحلی اساسی نیاز داشت.
وحدت بیان کرد ما فهمیدیم میتوانیم سختافزار سفارشی بسازیم، نه عمومی، بلکه مخصوص (TPU) تا از کاربران بهتر پشتیبانی کنیم؛ در واقع ۱۰۰ برابر کارآمدتر. مراکز داده گوگل تا کنون به پردازندههای مرکزی (CPU) و پردازندههای گرافیکی انویدیا (GPU) متکی بودند. TPU نوعی مدار مجتمع خاص برنامه (ASIC) است که برای هوش مصنوعی بهینه شده. گوگل همچنین واحد کدگذاری ویدیو (VCU) برای پردازش ویدیو ساخته است.
گوگل در رویکردی مشابه استراتژی سیلیکون سفارشی اپل، تراشههای برای پیکسل ۹ و برای Pixel ۲ میسازد. با این حال، TPU گوگل پیشگام است؛ اولین نسل در ۲۰۱۵ عرضه شد. بر اساس گزارش فیوچروم، ها با ۵۸ درصد سهم بازار، بیشترین سهم میان شتابدهندههای ابری سفارشی AI را دارند. گوگل نام تنسور را بر پایه ضرب ماتریسهای بزرگمقیاس در جبر انتخاب کرده است. با نسل دوم در ۲۰۱۸، تمرکز از استنتاج به سمت آموزش مدلها سوق یافت.
استیسی راسگون، تحلیلگر برنسین ریسرچ، میگوید پردازندههای گرافیکی برنامهپذیرتر و انعطافپذیرتر هستند؛ اما عرضه آنها محدود بوده است. شکوفایی هوش مصنوعی باعث شد ارزش بازار انویدیا در ژوئن به ۳ تریلیون دلار برسد، بیش از آلفابت. نیومن تأکید کرد که شتابدهندههای تخصصی AI انعطافپذیری و قدرت پلتفرم انویدیا را ندارند و بازار منتظر است ببیند آیا رقیبی در این فضا ظاهر میشود. آزمین واقعی وقتی خواهد بود که ویژگیهای هوش مصنوعی اپل در سال آینده به طور کامل روی آیفون و مک عرضه شوند.
همکاری گوگل با برادکام و TSMC
توسعه جایگزینهای مناسب برای موتورهای انویدیا کار آسانی نیست. نسل ششم TPU به نام قرار است اواخر امسال عرضه شود. راسگون میگوید توسعه جایگزینها پرهزینه و دشوار است؛ کاری نیست که همه بتوانند انجام دهند؛ اما مراکز داده بزرگ، توانایی، پول و منابع لازم را دارند. حتی مراکز داده بزرگ نمیتوانند به تنهایی این مسیر را طی کنند. گوگل از اولین TPU با برادکام همکاری کرده که متا را نیز در طراحی تراشههای AI پشتیبانی میکند. برادکام ادعا میکند بیش از ۳ میلیارد دلار برای این همکاریها هزینه کرده است.
راسگون توضیح میدهد برادکام کارهای جانبی را انجام میدهد دریافت ورودیها، ارائه خروجیها، مدارهای فرستنده-گیرنده، تبدیل دادههای موازی به سریال و بالعکس، و محافظت مدار. طراحی نهایی برای تولید به کارخانههای TSMC ارسال میشود که ۹۲ درصد تراشههای پیشرفته جهان را تولید میکند. وحدت در مورد ریسکهای ژئوپلیتیک چین و تایوان گفت قطعا برای چنین اتفاقاتی آماده شدهایم، اما امیدواریم نیازی به اقدام نباشد. قانون CHIPS آمریکا ۵۲ میلیارد دلار بودجه برای کارخانههای تراشه در آمریکا اختصاص داده که اینتل، TSMC و سامسونگ بیشترین سهم را دریافت کردهاند.
آیا گوگل در ساخت پردازنده عمومی موفق خواهد شد؟
گوگل با وجود ریسکها، اولین پردازنده عمومی خود به نام را تا پایان سال عرضه میکند. گوگل دیر به رقابت CPU وارد شده؛ آمازون را در ۲۰۱۸، علیبابا تراشه سرور در ۲۰۲۱ و مایکروسافت CPU خود در نوامبر معرفی کردند. وحدت دلیل تأخیر را توضیح داد تمرکز ما روی حوزهای بود که بیشترین ارزش را برای مشتریان ایجاد کنیم، واحدهای کدگذاری ویدیو و شبکه. پس از اینها، زمان پردازنده فرا رسیده بود.
ساخت این پردازندهها با معماری ARM امکانپذیر شده که جایگزین سفارشیسازیپذیر و کارآمدتر از نظر انرژی نسبت به معماری اینتل و AMD است. کارایی انرژی حیاتی است؛ پیشبینی میشود تا ۲۰۲۷ سرورهای AI سالانه برق معادل کشوری مانند آرژانتین مصرف کنند. گزارش محیطزیستی گوگل نشان میدهد انتشار گازهای گلخانهای از ۲۰۱۹ تا ۲۰۲۳ نزدیک ۵۰ درصد افزایش یافته، بخشی به دلیل رشد مراکز داده برای AI. وحدت تأکید کرد ما شبانهروز برای کاهش انتشار کربن تلاش میکنیم و به سمت صفر حرکت میکنیم.
خنکسازی سرورهای AI نیازمند آب فراوان است. نسل سوم TPU از سیستم خنککننده مستقیم به تراشه استفاده میکند که آب کمتری مصرف میکند؛ روشی که انویدیا نیز برای پردازندههای به کار میبرد. گوگل با چالشهای ژئوپلیتیک، برق و آب، همچنان متعهد به عرضه ابزارهای هوش مصنوعی مولد و ساخت تراشههای خود است. وحدت نتیجه گرفت من هیچگاه عزم راسختری از گوگل ندیدهام و شدت حرکت این شرکت کاسته نشده؛ سختافزار نقش بسیار مهمی در این عرصه ایفا خواهد کرد.
<figcaption class="wp-element-caption"امین وحدت، معاون رئیس قسمت یادگیری ماشین، سیستمها و هوش مصنوعی ابری در گوگل، درحال نمایش نسخه چهارم TPU در دفتر مرکزی گوگل در مانتین ویو
<figcaption class="wp-element-caption"نسخه ششم تراشه TPU به نام تریلیوم (Trillium) که در اواخر ۲۰۲۴ اراعه خواهد شد
<figcaption class="wp-element-caption"تراشه آکسیون (Axion) گوگل
