انویدیا


نوشته و ویرایش شده توسط مجله ی دریای تکنولوژی

امروزه دسترسی به کاٰرت‌های گرافیکی به‌منظور گسترش قابلیت‌های AI پیش‌نیاز مهمی در عموم شرکت‌های گسترش‌دهنده است؛ مخصوصاً اگر آن کارت‌ها ساخت انویدیا باشند. برتری انویدیا جهت شده تعداد بسیاری از شرکت‌های کوچک و بزرگ این حوزه شرایط ساخت و اجرای قطعات گرافیکی را با کارکرد سریع تر و قیمت ارزان‌تر فراهم کنند. این چنین رویکردی جهت می‌بشود این شرکت‌ها با مشتری‌ها ربط بهتری برقرار کنند؛ در نتیجه کارت‌‌های بیشتری فروخته بشود. در ادامه، حالت و شرایط این شرکت‌ها را زیاد تر بازدید می‌کنیم. تا انتها همراه دیجیاتو باشید. 

کارشناسان این بازار شرکت‌ها را بر پایه موجودی و کیفیت قطعاتشان طبقه‌بندی می‌کنند. در همین دسته‌بندی، بار دیگر نام انویدیا را در صدر جدول می‌بینیم؛‌ شرکتی که به ارزشی نزدیک به ۳.۳ تریلیون دلار دست اشکار کرد و توانست بالاتر از ردموندی‌ها و اپل، گفتن باارزش‌ترین شرکت دنیا را از آن خود کند. این چنین در ماه میلادی قبل، فروش انویدیا در قیاس با زمان شبیه در ۲۰۲۳، با رشد ۲۶۲ درصدی روبه رو شده که خبر از برتری مطلق هوانگ و تیمش در این بازار می‌دهد.

ادامه مطلب
دانشمند چینی موفق‌ به ساخت نسخه واقعی شنل نامرئی فیلم‌های هری پاتر شد

چالش‌های عملکردی GPU و راهکارها 

برخلاف پردازنده‌های معمولی، کارت‌های گرافیکی تجهیز‌ به تعداد بسیاری هسته‌اند که تسک‌های گوناگون را هم‌زمان اجرا می‌کنند؛ این چنین تنظیم کدهای هوش مصنوعی روی کارت‌های گرافیکی برای اجرای بهینه دستورات از با اهمیت ترین عوامل رشد جاری هوش مصنوعی بوده است. بااین‌حال، یکی از با اهمیت ترین فاکتورها برای سنجش کارکرد پردازشگرها شدت آن‌ها در انتقال داده‌ها است تا پردازش با بیشترین کیفیت ممکن انجام بشود. در زمان آموزش مدل‌های زبانی بزرگ،‌ امکان پذیر برخی هسته‌های GPU زمان بسیاری را در انتظار رسیدن داده‌ها بی‌حرکت بمانند. 

برای حل این چنین مشکلی، متخصصان سریباس ۹۰۰ هزار هسته را همراه حافظه قابل‌توجهی روی یک تراشه بزرگ قرار داده‌اند تا تأثیر دیگر عوامل را در افت شدت داده‌ها کمتر کنند؛ برای مثال تراشه CS-3 این شرکت در قیاس با نیرومندترین تراشه انویدیا، به‌علت نوع اتصال هسته‌ها داده‌ها را صدها برابر سریع تر انتقال می‌دهد و حدوداً ۵۰ درصد انرژی کمتری مصرف می‌کند. 

ادامه مطلب
چک 4 دلاری استیو جابز در یک حراجی بیشتر از 20,000 دلار قیمت خورد
آخرین مطالب

اما شرکت Groq رویکرد متغیری را در پیش گرفته و واحدهای پردازشی اختصاصی‌اش (LPU) را برای اجرای مدل‌های زبانی بزرگ بهینه کرده‌ است. این تراشه‌ها در کنار حافظه مناسب،‌ داده‌ها را بین واحدهای متصل به‌ هم انتقال خواهند داد. از طرفی نرم‌افزاری هوشمند برای کنترل واحدها در نظر گرفته شده که تأخیر وقتی را در انتقال داده‌ها افت می‌دهد و با هماهنگی کل سیستم کارآمدی دستگاه را تحکیم می‌کند. این چنین مطابق ادعای کارشناسان شرکت، LPUهای آن‌ها می‌توانند دستورات را در مدل‌های زبانی ده برابر سریع تر از دیگر مدل‌های حاضر اجرا کنند. 

ادامه مطلب
مایکروسافت و OpenAI به گمان زیادً روی یک شرکت رباتیک اندوخته‌گذاری می‌کنند
انویدیا

یکی دیگر از استارتاپ‌های این حوزه MatX است که روش فرد دیگر را برای حل این مشکل دارند. مطابق حرف های «رینر پوپ»، یکی از بنیان‌گذاران این شرکت، پردازشگرهای گرافیکی مدارها و قابلیت‌هایی دارند که حضورشان برای گسترش مدل‌های زبانی بزرگ چندان الزامی نیست. باتوجه‌به این رویکرد، آشکار است که در پردازشگرهای MatX از وجود اجزای غیرضروری صرف‌نظر شده که با بهبود کیفیت قطعات مهم، کارکرد بهتری اراعه خواهند داد. شرکت آمریکایی Tenstorrent نیز معماری متن‌باز RISC-V را در ساخت و گسترش تراشه‌ها به‌ کار می‌گیرد. 

چالش‌های رقابت با انویدیا

تمرکز بیشتر از حد شرکت‌ها برای اختصاصی‌کردن کارکرد پردازشگرها آن‌ها را با موانعی روبه رو کرده است. مطابق حرف های «کریستوس کوزیرکیس»، دانشمند حوزه کامپیوتر در دانشگاه استنفورد، طراحی تراشه طبق معمولً دو تا سه سال طول می‌کشد که باتوجه‌به شدت بالای پیشرفت هوش مصنوعی، دیگر زمان‌ها را از سازندگان می‌گیرد؛ در نتیجه باوجود ساخت تراشه‌های بعضاً نیرومندتر از محصولات انویدیا، این شرکت‌ها نتوانستند به دوام و تشکیل خود ادامه بدهند. 

ادامه مطلب
نقش هوش مصنوعی در جنگ های آینده؛ زمان ساز یا تهدید آفرین_دریای تکنولوژی

چالش دیگر ساختار نرم‌افزاری انویدیا موسوم به CUDA است که در نوع خود یک استاندارد صنعتی واقعی برداشت می‌بشود؛ به این علت دیگر پردازشگرهای هوش مصنوعی فقط درصورتی موفق خواهند می بود که بتوانند برنامه‌نویسان را قانع کنند کدهایشان را روی تراشه‌های تازه تنظیم کنند. اگرچه استارتاپ‌های فعال در این حوزه ابزارهای مختلفی برای تسهیل این فرایند و مطمعن از سازگاری با چهارچوب‌‌های مهم یادگیری ماشین اراعه خواهند داد، بهینه‌سازی سیستم نرم‌افزاری برای معماری تازه کار سختی است و این نوشته انویدیا را چند قدم جلوتر از دیگر سازندگان قرار می‌دهد. 

انویدیا

مشتریان این قطعات زیاد تر شرکت‌های گسترش‌دهنده LLM همانند آنتروپیک و OpenAI و دیگر غول‌های فناوری ازجمله گوگل، متا، مایکروسافت و آمازون می باشند؛ به این علت احتمالا منطقی باشد که یکی از این شرکت‌های بزرگ استارتاپ‌های فعال در حوزه هوش مصنوعی را بخرد تا با نگهداری و گسترش فناوری‌های نرم‌افزاری، از دیگر رقیب ها پیشی بگیرد. 

نتیجه‌گیری

مدیران شرکت‌های کوچک‌تر وجود بین برترین‌های بازار تراشه را در سر دارند؛ برای مثال، رینر پوپ امیدوار است همراه همکارانش در MatX بتوانند قطعات یا حتی سهام شرکت را به شرکت‌هایی، همانند گوگل، OpenAI و آنتروپیک، بفروشند. اگرچه آن‌ها برای وجود اندوخته‌گذاران در شرکت آماده‌اند، اعتقاد دارند MatX پتانسیل پیروزی و فروش زیاد تر را به‌صورت جدا گانه و بدون نیاز به فروش سهام دارد. از طرفی سران سریباس نیز در حال آماده‌سازی شرایطی برای اراعه اولیه و عمومی سهام شرکت است و گمان می‌رود دیگر استارتاپ‌ها نیز به فروش کل یا حداقل بخشی از سهامشان روی بیاورند. 

ادامه مطلب
این الیاف ابریشمی چسبان الهام‌گرفته از مرد عنکبوتی، ۸۰ برابر وزن خود را بلند می‌کنند_دریای تکنولوژی

دسته بندی مطالب
مقالات کسب وکار

مقالات تکنولوژی

مقالات آموزشی

تندرستی و سلامتی