گوگل تراشه هوش مصنوعی اختصاصی جمنای می‌سازد؛ سرمایه‌گذاران پیش‌دستی کردند

گوگل در حال ساخت تراشه‌ای است که تنها یک وظیفه دارد: اجرای سریع‌تر و ارزان‌تر مدل جمنای (Gemini).

تراشه اختصاصی جمنای

این تراشه که با نام رمزی Frozen v2 شناخته می‌شود، طبق گزارشی که روز دوشنبه توسط The Information منتشر شد، پاسخی بالقوه برای مشکلی است که گوگل نمی‌تواند به سرعت کافی آن را حل کند: کمبود ظرفیت برای پاسخگویی به تقاضای هوش مصنوعی که خود ایجاد کرده است.

در ماه مارس، گوگل به متا اطلاع داد که قادر به تأمین حجم محاسباتی جمنای مورد نظر متا نیست. در نتیجه، متا مجبور شد به کارمندان خود دستور دهد تا مصرف هوش مصنوعی خود را جیره‌بندی کنند. گوگل که امسال تا ۱۹۰ میلیارد دلار صرف زیرساخت‌های هوش مصنوعی کرده است، به دلیل نداشتن سرور کافی برای پاسخگویی به مشتریان، آن‌ها را رد می‌کرد.

بنابراین، اکنون گوگل در حال ساخت تراشه‌ای است که صرفاً برای مدل‌های هوش مصنوعی خود طراحی شده است.

اطلاعات زیادی در مورد این تراشه جدید وجود ندارد، اما با توجه به نام‌گذاری، این تراشه ارتقاء دیگری برای واحدهای پردازش تنسور (TPUs) گوگل محسوب نمی‌شود؛ تراشه‌های سفارشی که گوگل از سال ۲۰۱۵ آن‌ها را ساخته و جمنای و خدمات ابری خود را برای توسعه‌دهندگان خارجی با آن‌ها اجرا می‌کند.

تراشه‌های تنسور قادر به اجرای هر مدل هوش مصنوعی هستند که روی آن‌ها بارگذاری شود. اما Frozen v2 عملکرد متفاوتی دارد. طبق گزارش‌ها، این تراشه بخشی از معماری جمنای – طرح ساختاری که تعیین می‌کند مدل چگونه اطلاعات را مسیریابی و پردازش می‌کند – را مستقیماً در سخت‌افزار تعبیه می‌کند.

در یادگیری ماشین، “فریز کردن” به معنای قفل کردن دائمی چیزی است. در اینجا، آنچه فریز می‌شود معماری است، نه وزن‌های مدل (دانش واقعی که جمنای از طریق آموزش کسب می‌کند و قابل به‌روزرسانی باقی می‌ماند). با سخت‌افزاری کردن این طرح در مدارهای تراشه، تراشه از محاسبات تکراری صرف‌نظر کرده و از انتقال داده در حافظه برای هر پرس‌وجو جلوگیری می‌کند. مهندسان پیش‌بینی می‌کنند که این امر منجر به بهبود شش تا ده برابری در تولید توکن‌ها – قطعات کوچک متنی که هر پاسخ هوش مصنوعی را تشکیل می‌دهند – به ازای هر وات برق مصرفی شود.

این تفاوت به این معناست که گوگل می‌تواند ده پرس‌وجو را با هزینه برق یک پرس‌وجو انجام دهد.

اگر از جمنای استفاده می‌کنید، Frozen v2 تغییری در تجربه کاربری شما ایجاد نخواهد کرد. اما هزینه اجرای آن را تغییر می‌دهد و جمنای با هزینه اجرای کمتر، رقابت قوی‌تری با OpenAI، Anthropic و آزمایشگاه‌های چینی خواهد داشت که در حال حاضر تا ۴۵ درصد از مصرف توکن هوش مصنوعی شرکت‌های آمریکایی را به خود اختصاص داده‌اند، عمدتاً به این دلیل که ۶۰ تا ۹۰ درصد ارزان‌تر اجرا می‌شوند. ممکن است شما هوش مصنوعی ارزان‌تری نداشته باشید، اما گوگل احتمالاً سودآورتر خواهد بود.

سهام آلفابت در معاملات روز دوشنبه حدود ۳ درصد افزایش یافت و در مقطعی به ۳۵۶ دلار رسید. این شرکت قرار است در روز چهارشنبه، ۲۲ جولای، نتایج مالی سه ماهه دوم ۲۰۲۶ خود را گزارش کند و این افزایش در معاملات امروز کاهش یافت زیرا سرمایه‌گذاران منتظر آخرین نتایج گوگل هستند.

این تلاش دیگری از سوی یک شرکت بزرگ هوش مصنوعی برای کاهش وابستگی بیش از حد خود به سخت‌افزار انویدیا (Nvidia) برای توسعه محصولاتش است. انویدیا حدود ۸۵ درصد از بازار پردازنده‌های گرافیکی (GPU) برای هوش مصنوعی را در اختیار دارد و هر شرکت بزرگ فناوری به دنبال خروج از این وضعیت است.

سخت‌افزار انویدیا در اصل برای بازی‌های ویدیویی ساخته شده بود، نه مدل‌های زبانی – کار می‌کند، اما با سرباری که تراشه‌های اختصاصی فاقد آن هستند. در مقیاس گوگل، شکاف بهره‌وری ۶ تا ۱۰ برابری انتزاعی نیست؛ بلکه میلیاردها دلار است. متا، آمازون، مایکروسافت و OpenAI همگی به همین دلیل برنامه‌هایی برای سیلیکون سفارشی دارند.

همانطور که Decrypt در ماه مارس گزارش داد، حتی AWS – که متعهد به استقرار ۱ میلیون پردازنده گرافیکی انویدیا تا سال ۲۰۲۷ شده است – در حال ساخت تراشه‌های خود به طور همزمان برای کاهش این ریسک بلندمدت است.

Frozen v2 هنوز در مرحله اکتشافی قرار دارد. تصمیمات کلیدی طراحی نهایی نشده‌اند، گوگل وجود این پروژه را تأیید نکرده است، و طبق گزارش‌ها، این تراشه به مشتریان ابری خارجی ارائه نخواهد شد – سخت‌افزاری که برای یک مدل خاص سخت‌افزاری شده است نمی‌تواند مدل دیگری را اجرا کند. طبق گزارش‌ها، استقرار آن در اوایل سال ۲۰۲۸ هدف‌گذاری شده است.

در این میان، گوگل ماهانه ۹۲۰ میلیون دلار به اسپیس‌ایکس (SpaceX) می‌پردازد تا ۱۱۰,۰۰۰ پردازنده گرافیکی انویدیا را از مراکز داده xAI به عنوان یک راه حل موقت اجاره کند.