رقائق الذكاء الاصطناعي من Google تنطلق: إطلاق TPU 8t و8i لتحدي هيمنة Nvidia

BitcoinWorld

شرائح Google AI المُطلَقة: إطلاق TPU 8t و8i لتحدي هيمنة Nvidia

في خطوة استراتيجية لاستحواذ على حصة أكبر من سوق الذكاء الاصطناعي المتنامي، أعلنت Google Cloud يوم الأربعاء 30 أبريل في سان فرانسيسكو بولاية كاليفورنيا عن إطلاق شرائح الذكاء الاصطناعي المخصصة من الجيل الثامن. وكشفت الشركة عن نهج مزدوج بإطلاق شريحتين متخصصتين: TPU 8t لتدريب نماذج الذكاء الاصطناعي، وTPU 8i لأحمال عمل الاستدلال. يمثّل هذا التطور أقوى دفعة لـ Google حتى الآن لتقديم بديل قوي وفعّال من حيث التكلفة لوحدات معالجة الرسوميات من Nvidia المعيارية في الصناعة، وإن كانت الشركة تؤكد أن شراكتها مع الشركة الرائدة في مجال الشرائح أقوى من أي وقت مضى.

شرائح Google AI: استراتيجية ثنائية للتدريب والاستدلال

يُمثّل قرار Google تقسيم وحدة معالجة الموتر (TPU) من الجيل الثامن إلى نموذجين مختلفين تطوراً جوهرياً في استراتيجيتها للأجهزة. تاريخياً، كانت وحدات TPU تتولى مهام التدريب والاستدلال معاً، غير أن الطلب المتزايد على الحوسبة المتخصصة للذكاء الاصطناعي دفع نحو هذا التحول المعماري. تم تصميم TPU 8t خصيصاً للعملية المكثفة حاسوبياً المتمثلة في تدريب النماذج اللغوية الكبيرة وأنظمة الذكاء الاصطناعي الأخرى. في المقابل، يُحسَّن TPU 8i للاستدلال، وهو العملية المستمرة لتشغيل النماذج المدرَّبة لتوليد استجابات لمطالبات المستخدمين.

وفقاً لمعايير أداء Google، تُقدّم الشرائح الجديدة تحسينات جوهرية مقارنةً بسابقاتها. وتدّعي الشركة أن TPU 8t يوفر سرعة تدريب نماذج ذكاء اصطناعي أسرع بما يصل إلى 3 أضعاف وأداءً أفضل بنسبة 80% لكل دولار. علاوةً على ذلك، باتت هندسة Google تتيح عمل أكثر من مليون وحدة TPU معاً في كتلة واحدة ضخمة. يتيح هذا الحجم تدريب نماذج الجيل القادم المتقدمة التي كانت غير قابلة للتنفيذ سابقاً. والنتيجة لعملاء الحوسبة السحابية هي قدرة حوسبية أكبر بكثير مع انخفاض استهلاك الطاقة والتكلفة.

سباق شرائح مزودي الخدمات السحابية الكبار يشتد

يضع إعلان Google الشركةَ بحزم ضمن الاتجاه الأشمل لمزودي الخدمات السحابية الكبار في تطوير شرائح مخصصة. تمتلك Amazon Web Services (AWS) شرائح Graviton وTrainium، فيما تطوّر Microsoft Azure معجّلات Maia. هذه الحركة، التي كثيراً ما تُسمى "سباق شرائح مزودي الخدمات السحابية الكبار"، تنبع من رغبة في تحقيق قدر أكبر من السيطرة على سلسلة التوريد، وتحسين الأداء لحزم برمجية محددة، وتحسين هوامش التكلفة. غير أن المحللين يحذّرون من أن هذه ليست لعبة صفرية ضد Nvidia.

"كثيراً ما يُبالَغ في رواية 'مزودو الخدمات السحابية الكبار مقابل Nvidia'"، يوضح باتريك مور، المحلل البارز لسوق الشرائح. "هذه الشركات تبني طاقة تكميلية وتحسّن أنظمتها البيئية الخاصة. لا تهدف إلى إزاحة Nvidia بالكامل، لا سيما على المدى القصير." وقد تنبّأ مور بشكل مشهور في عام 2016 بأن وحدة TPU الأولى من Google قد تهدد Nvidia وIntel، وهو تنبؤ ثبت أنه مبكر لأوانه إذ ارتفعت القيمة السوقية لـ Nvidia منذ ذلك الحين إلى ما يقارب 5 تريليون دولار. الواقع الحالي أكثر تكاملاً. فعلى سبيل المثال، أكدت Google أنها ستوفر شريحة Vera Rubin القادمة من Nvidia في سحابتها في وقت لاحق من هذا العام.

مستقبل تعاوني لا تنافسي

في الواقع، تُركّز Google على تعاونها المستمر مع Nvidia. إذ يعمل العملاقان التقنيان معاً على هندسة حلول شبكات الحاسوب لجعل الأنظمة القائمة على Nvidia تعمل بكفاءة أكبر على بنية Google Cloud التحتية. يتضمن أحد المشاريع الرئيسية تطوير Falcon، وهي تقنية شبكات قائمة على البرمجيات أنشأتها Google وجعلتها مفتوحة المصدر في عام 2023. يُبرز هذا التعاون رؤية صناعية جوهرية: إن نمو خدمات الذكاء الاصطناعي السحابية يوسّع إجمالي السوق القابل للاستهداف لجميع الشرائح عالية الأداء، سواء أكانت تحمل علامة Nvidia أم علامة أحد مزودي الخدمات السحابية.

المنطق المالي واضح. مع تزايد نقل المؤسسات لأحمال عمل الذكاء الاصطناعي إلى السحابة، يتصاعد الطلب على الحوسبة بشكل متسارع. يمكن لمزودي الخدمات السحابية حينئذٍ توجيه أحمال عمل معينة ومُحسَّنة إلى شرائحهم المخصصة مع تقديم التوافق الواسع لوحدات معالجة الرسوميات من Nvidia للبقية. يُتيح هذا النموذج الهجين تحسين الربحية على بعض أحمال العمل مع الحفاظ على حرية الاختيار الكاملة للعملاء. بالنسبة لـ Nvidia، تمثّل كل تطبيق ذكاء اصطناعي جديد مستضاف على Google Cloud عميلاً محتملاً لمعداتها الشبكية وتراخيص برامجها، وفي كثير من الحالات، لوحدات معالجة الرسوميات الخاصة بها.

تحليل الأداء وتأثير السوق

تُشير المواصفات التقنية لوحدات TPU الجديدة من Google إلى تضييق فجوة الأداء مع أفضل وحدات معالجة الرسوميات في فئتها. يعالج التركيز على الأداء لكل دولار وكفاءة الطاقة نقطتي الألم الرئيسيتين للمؤسسات التي توسّع نطاق الذكاء الاصطناعي: الارتفاع الحاد في التكاليف والأثر البيئي. كما يتحدى قدرة Google على ربط أكثر من مليون وحدة TPU مباشرةً إحدى المزايا الرئيسية لـ Nvidia، وهي تقنية NVLink الرائدة في السوق لربط أعداد ضخمة من وحدات معالجة الرسوميات.

المزايا الرئيسية لوحدات TPU الجديدة من Google:

• التخصص: شرائح مخصصة للتدريب (TPU 8t) والاستدلال (TPU 8i) مُحسَّنة لمهام محددة.
• كفاءة التكلفة: أداء أفضل بنسبة 80% لكل دولار يمكن أن يخفّض بشكل ملحوظ حاجز الدخول لمشاريع الذكاء الاصطناعي.
• الحجم: كتل من ملايين الشرائح تُتيح تدريب نماذج ذكاء اصطناعي غير مسبوقة.
• التكامل: تكامل برمجي عميق مع أطر عمل الذكاء الاصطناعي من Google مثل TensorFlow وJAX.

مع ذلك، يظل النظام البيئي لـ Nvidia، ولا سيما منصة برامج CUDA الخاصة بها، حاجزاً منيعاً. يتدرّب ملايين مطوري الذكاء الاصطناعي على CUDA، وتُبنى عليها تطبيقات لا حصر لها. وبينما تشغّل شرائح Google أطر العمل الشائعة، فإن الحاجة المحتملة لنقل التطبيقات تُشكّل عائقاً. قد تكون المعركة على المدى البعيد أقل تعلقاً بسرعة الترانزستورات الخام وأكثر تعلقاً بالمنصة التي تقدّم الحل الإجمالي الأكثر جاذبية للمطورين والمؤسسات.

خلاصة

يُمثّل إطلاق Google لـ TPU 8t و TPU 8i لحظة محورية في تطور البنية التحتية للذكاء الاصطناعي. ويُثبت التزام الشركة الجدي بالمنافسة في ساحة أجهزة الذكاء الاصطناعي عالية المخاطر، مُقدِّمةً للمؤسسات شرائح Google AI الجديدة القوية للمهام المتخصصة. غير أن الإعلان يُعزّز أيضاً الطبيعة المعقدة والتعاونية لصناعة أشباه الموصلات الحديثة. بدلاً من الهجوم المباشر، تُنفّذ Google استراتيجية متطورة ثنائية المسار: تطوير شرائحها الخاصة مع تعميق شراكتها مع Nvidia. يضمن هذا النهج قدرة Google Cloud على استيعاب أوسع نطاق ممكن من أحمال عمل الذكاء الاصطناعي، من تلك المُحسَّنة لوحدات TPU المخصصة إلى تلك التي تتطلب المعيار العالمي لوحدات معالجة الرسوميات من Nvidia. والرابحون في نهاية المطاف هم المؤسسات على الأرجح، التي ستستفيد من زيادة المنافسة وتوسيع خيارات الاختيار والابتكار المستمر في الأداء والتكلفة.

الأسئلة الشائعة

س1: ما الفرق بين شريحتَي TPU 8t و TPU 8i من Google؟
تم تصميم TPU 8t خصيصاً لتدريب نماذج الذكاء الاصطناعي، وهي عملية تعليم النموذج باستخدام مجموعات بيانات ضخمة. أما TPU 8i فمُحسَّنة للاستدلال، وهي عملية استخدام النموذج المدرَّب لتقديم تنبؤات أو توليد استجابات في الوقت الفعلي.

س2: هل ستتوقف Google Cloud عن تقديم وحدات معالجة الرسوميات من Nvidia؟
لا. صرّحت Google بوضوح بأنها لا تستبدل Nvidia. وأكدت الشركة أنها ستوفر وحدات معالجة الرسوميات Vera Rubin من الجيل التالي لـ Nvidia في سحابتها في وقت لاحق من هذا العام، وأنها تتعاون بنشاط مع Nvidia في مجال تقنية الشبكات.

س3: كيف تقارن شرائح الذكاء الاصطناعي الجديدة من Google بإصدارات TPU السابقة؟
تدّعي Google أن وحدات TPU الجديدة من الجيل الثامن تتيح سرعات تدريب أسرع بما يصل إلى 3 أضعاف وتحسيناً بنسبة 80% في الأداء لكل دولار مقارنةً بالأجيال السابقة. كما تدعم كتلاً تضم أكثر من مليون شريحة، مما يُتيح تدريب نماذج على نطاق أوسع.

س4: لماذا يقوم مزودو الخدمات السحابية مثل Google ببناء شرائح الذكاء الاصطناعي الخاصة بهم؟
يطوّر مزودو الخدمات السحابية شرائح مخصصة لتحسين الأداء لبرامجهم وخدماتهم المحددة، والحصول على قدر أكبر من السيطرة على سلسلة التوريد، وتحسين كفاءة التكلفة، وتمييز عروضهم في سوق تنافسية.

س5: ماذا يعني هذا لمستقبل Nvidia؟
في حين تمثّل الشرائح المخصصة من مزودي الخدمات السحابية الكبار منافسةً لـ Nvidia، فإن النمو الإجمالي لسوق الذكاء الاصطناعي يُوسّع الطلب على جميع الحوسبة عالية الأداء. يعني النظام البيئي البرمجي المتين لـ Nvidia (CUDA) والابتكار المستمر أنها ستظل على الأرجح قوةً مهيمنة، حتى وهي تتعاون مع الشركات التي تبني شرائح بديلة.

نُشر هذا المقال Google AI Chips Unleashed: TPU 8t and 8i Launch to Challenge Nvidia's Dominance لأول مرة على BitcoinWorld.