اتچ و آغاز رقابت تازه در بازار تراشه‌های هوش مصنوعی

شرکت اتچ با خروج از حالت پنهانی، خود را به‌عنوان یکی از جدی‌ترین مدعیان تازه‌نفس در بازاری معرفی کرده که تا امروز زیر سایه سنگین انویدیا قرار داشته است. تمرکز این شرکت نه بر آموزش مدل‌های هوش مصنوعی، بلکه بر مرحله‌ای است که اهمیت اقتصادی آن هر روز بیشتر می‌شود: اجرای مدل‌ها یا همان زیرساخت هوش مصنوعی. با گسترش استفاده از مدل‌های زبانی، تصویری و چندوجهی، هزینه پاسخ‌گویی به کاربران، سرعت تولید خروجی و مصرف انرژی به میدان اصلی رقابت تبدیل شده است؛ جایی که اتچ تلاش دارد با معماری سخت‌افزاری متفاوت، خود را از سازندگان سنتی GPU متمایز کند.

اتچ هم‌زمان با معرفی عمومی خود اعلام کرده که ۸۰۰ میلیون دلار سرمایه جذب کرده است؛ رقمی چشمگیر برای شرکتی جوان که هنوز در ابتدای مسیر تجاری‌سازی گسترده قرار دارد. در میان حامیان مالی این شرکت نام‌هایی مانند Jane Street و VentureTech Alliance، شرکت سرمایه‌گذاری مرتبط با TSMC، دیده می‌شود. گزارش‌ها ارزش‌گذاری این جذب سرمایه را حدود ۵ میلیارد دلار دانسته‌اند؛ عددی که نشان می‌دهد سرمایه‌گذاران فنی و بازار سرمایه، دست‌کم فعلاً، روی تغییر بزرگ در اقتصاد اجرای هوش مصنوعی شرط بسته‌اند.

از آموزش مدل‌ها تا اقتصاد اجرای هوش مصنوعی

در سال‌های اخیر بخش عمده توجه بازار تراشه‌های هوش مصنوعی بر آموزش مدل‌های بزرگ متمرکز بود. ساخت مدل‌هایی با میلیاردها یا حتی تریلیون‌ها پارامتر نیازمند خوشه‌های عظیم پردازشی، مصرف انرژی بسیار بالا و زیرساخت‌هایی بود که انویدیا در آن به جایگاه مسلط رسید. اما با بلوغ مدل‌ها، مرکز ثقل رقابت به‌تدریج به سمت زیرساخت هوش مصنوعی حرکت می‌کند؛ یعنی همان مرحله‌ای که مدل آموزش‌دیده باید به درخواست میلیون‌ها کاربر پاسخ دهد. در همین تغییر پارادایم، روندهایی شکل گرفته‌اند که در آینده می‌توانند مسیر اقتصاد فناوری را بازتعریف کنند، از جمله تحولاتی که در روندهای آینده هوش مصنوعی و اقتصاد تکنولوژی بررسی شده‌اند.

در این مرحله، چالش اصلی فقط قدرت خام پردازش نیست. مسئله مهم‌تر این است که هر توکن خروجی با چه هزینه‌ای تولید می‌شود، چند کاربر هم‌زمان می‌توانند از یک سامانه استفاده کنند، تأخیر پاسخ‌گویی چقدر است و زیرساخت تا چه اندازه در مصرف انرژی کارآمد عمل می‌کند. اتچ دقیقاً همین نقطه را هدف گرفته و محصول خود را نه صرفاً یک تراشه، بلکه یک سامانه کامل rack-scale برای اجرای مدل‌های هوش مصنوعی معرفی می‌کند.

معماری رک‌اسکیل و ۳۲ تراشه در نسل نخست

محصول اصلی اتچ یک سامانه رک‌اسکیل برای زیرساخت هوش مصنوعی است که در نسل نخست با ۳۲ تراشه از پیش در یک رک مونتاژ می‌شود. ایده محوری این طراحی آن است که چندین تراشه نه به‌صورت واحدهای جداگانه، بلکه به‌عنوان بخشی از یک سامانه یکپارچه عمل کنند. در چنین معماری‌ای، ارتباط میان تراشه‌ها باید با تأخیر بسیار پایین انجام شود؛ زیرا هر وقفه در انتقال داده می‌تواند سرعت پاسخ‌گویی مدل را کاهش دهد.

اتچ برای حل این مسئله از فناوری‌ای با عنوان «حافظه در مقیاس خوشه‌ای» استفاده می‌کند. این فناوری به تراشه‌ها اجازه می‌دهد با تأخیر پایین به حافظه تراشه‌های دیگر در همان سیستم دسترسی داشته باشند. نتیجه این است که یک تراشه می‌تواند از HBM و SRAM موجود در تراشه‌های دیگر نیز استفاده کند. این رویکرد، در صورت موفقیت در مقیاس تولید، می‌تواند ظرفیت مؤثر حافظه را برای اجرای مدل‌های بزرگ‌تر افزایش دهد و محدودیت‌های رایج در معماری‌های متکی بر حافظه محلی هر تراشه را کاهش دهد.

مسئله حافظه؛ گلوگاه اصلی زیرساخت هوش مصنوعی

اجرای مدل‌های بزرگ معمولاً با دو مرحله کلیدی همراه است: prefill و decode. در مرحله prefill، ورودی کاربر و زمینه مورد نیاز مدل خوانده و پردازش می‌شود. در مرحله decode، مدل توکن‌های خروجی را یکی پس از دیگری تولید می‌کند. هر دو مرحله به حافظه سریع و ارتباط کارآمد میان واحدهای پردازشی وابسته‌اند. هرچه مدل‌ها بزرگ‌تر شوند و طول زمینه افزایش یابد، فشار بر حافظه و پهنای باند بیشتر می‌شود.

در معماری‌های سنتی، HBM یکی از گران‌ترین و محدودکننده‌ترین اجزای سامانه است. حتی اگر قدرت پردازشی کافی وجود داشته باشد، محدودیت در پهنای باند یا ظرفیت حافظه می‌تواند مانع استفاده کامل از تراشه شود. اتچ ادعا می‌کند که با طراحی حافظه در سطح خوشه و دسترسی کم‌تأخیر میان تراشه‌ها، می‌توان از همان حجم HBM و SRAM بهره بیشتری گرفت و کاربران بیشتری را روی یک زیرساخت واحد پشتیبانی کرد.

کاهش ولتاژ و وعده صرفه‌جویی بزرگ در انرژی

دومین فناوری کلیدی اتچ «استنتاج با ولتاژ پایین» است. منطق این رویکرد ساده اما از نظر مهندسی دشوار است: اگر تراشه بتواند در ولتاژی بسیار پایین‌تر از GPUهای رایج کار کند، مصرف انرژی و گرمای تولیدی کاهش می‌یابد و سیستم دیرتر به محدودیت حرارتی می‌رسد. اتچ می‌گوید تراشه‌هایش با ولتاژی کمتر از نصف ولتاژ معمول GPUهای انویدیا کار می‌کنند.

این کاهش ولتاژ می‌تواند پیامد اقتصادی مهمی داشته باشد. در بسیاری از مراکز داده، محدودیت اصلی فقط تعداد تراشه یا فضای فیزیکی نیست؛ مصرف برق و دفع حرارت نیز به همان اندازه تعیین‌کننده‌اند. اگر یک سامانه بتواند با مصرف انرژی کمتر، تعداد بیشتری توکن تولید کند یا کاربران بیشتری را هم‌زمان پاسخ دهد، هزینه هر کاربر و هزینه هر توکن کاهش می‌یابد. این موضوع به‌طور مستقیم بر چشم‌انداز اقتصاد جهانی در سال ۲۰۲۶ و روند سرمایه‌گذاری در فناوری‌های زیرساختی اثرگذار است.

رقابت با انویدیا؛ سخت اما وسوسه‌انگیز

بازار فعلی تراشه‌های هوش مصنوعی هنوز به‌شدت در اختیار انویدیاست. اکوسیستم نرم‌افزاری، تجربه عملیاتی، روابط عمیق با مشتریان بزرگ و زنجیره تأمین تثبیت‌شده، مزیتی ایجاد کرده که صرفاً با ساخت یک تراشه بهتر از بین نمی‌رود. برای هر رقیب تازه‌وارد، مسیر واقعی رقابت باید از آزمایشگاه عبور کرده و به تولید انبوه، پایداری سیستم، پشتیبانی نرم‌افزاری و پذیرش مشتری برسد.

اتچ می‌کوشد این فاصله را با تمرکز دقیق بر زیرساخت هوش مصنوعی کاهش دهد. برخلاف رقابت مستقیم در تمام حوزه‌های پردازش شتاب‌یافته، این شرکت روی یک مسئله مشخص دست گذاشته است: اجرای مدل‌های بزرگ با هزینه کمتر و مقیاس‌پذیری بالاتر. اگر بازار هوش مصنوعی همان‌طور که بسیاری انتظار دارند از مرحله ساخت مدل به مرحله استفاده گسترده از مدل‌ها منتقل شود، چنین تمرکزی می‌تواند جذابیت زیادی برای مشتریان سازمانی و ارائه‌دهندگان زیرساخت ابری داشته باشد.

سرمایه‌گذاران فنی و شرط‌بندی روی بازار آینده

حضور سرمایه‌گذارانی مانند Jane Street در دور جذب سرمایه اتچ فقط از زاویه مالی قابل توجه نیست. چنین سرمایه‌گذارانی معمولاً تیم‌های فنی قوی دارند و تصمیم‌گیری آن‌ها درباره سخت‌افزارهای پیچیده بر پایه بررسی عمیق فناوری انجام می‌شود. برای شرکتی در این مرحله، جذب سرمایه سنگین بدون ارائه نشانه‌های فنی قانع‌کننده دشوار است.

اتچ استدلال می‌کند که سرمایه جذب‌شده با وضعیت فعلی فناوری شرکت هم‌خوانی دارد. این شرکت اعلام کرده سامانه‌های رک‌اسکیل زیرساخت هوش مصنوعی در حال اجرا هستند و فناوری‌های اصلی آن اثبات شده‌اند. ارزش‌گذاری چند میلیارد دلاری برای یک شرکت جوان همچنان پرریسک است، اما بازار تراشه‌های هوش مصنوعی آن‌قدر بزرگ شده که سرمایه‌گذاران حاضرند روی معماری‌هایی شرط ببندند که شاید بتوانند بخشی از سلطه انویدیا را به چالش بکشند.

آزمون‌های عملکرد و مسیر تولید

اتچ می‌گوید در آزمون‌های داخلی به عملکردی در سطح بهترین‌های جهان دست یافته است. با این حال، نقطه تعیین‌کننده برای چنین شرکتی، نتایج آزمایشگاهی نیست؛ بلکه توانایی تولید محصول در مقیاس واقعی و اجرای بارهای کاری مشتریان است. برخی مشتریان سامانه اتچ را آزمایش کرده‌اند و شرکت بر این نکته تأکید دارد که تفاوت واقعی زمانی ایجاد می‌شود که بتوان تعداد زیادی از این محصولات را ساخت و در محیط‌های عملیاتی به کار گرفت.

این موضوع توضیح می‌دهد چرا سرمایه جذب‌شده تا این اندازه بزرگ است. ساخت تراشه، تولید سیستم‌های رک‌اسکیل، ایجاد زنجیره تأمین، پشتیبانی نرم‌افزاری، جذب مشتریان بزرگ و رقابت با شرکت‌هایی مانند انویدیا سرمایه‌بر است. در بازار سخت‌افزار هوش مصنوعی، داشتن ایده فنی کافی نیست؛ شرکت باید بتواند آن ایده را به محصولی قابل اعتماد، قابل تولید و قابل استقرار تبدیل کند.

تیمی با تجربه مستقیم از قلب صنعت

یکی از نقاط اتکای اتچ، ترکیب تیم فنی آن است. طبق اعلام شرکت، حدود نیمی از تیم پلتفرم اتچ سابقه فعالیت در انویدیا دارند. حضور افرادی که با معماری سامانه‌های پیشرفته هوش مصنوعی و الزامات عملیاتی مراکز داده آشنا هستند، برای یک شرکت نوپا اهمیت زیادی دارد. همچنین اتچ به حضور مدیری اشاره کرده که پیش‌تر تیم‌های DGX و HGX انویدیا را هدایت کرده است؛ دو خط محصولی که نقش مهمی در گسترش زیرساخت‌های هوش مصنوعی ایفا کرده‌اند.

این سابقه می‌تواند به اتچ کمک کند شکاف میان طراحی تراشه و ساخت سیستم کامل را بهتر مدیریت کند. در بازار امروز، مشتریان بزرگ صرفاً به دنبال یک قطعه سخت‌افزاری نیستند؛ آن‌ها سامانه‌ای می‌خواهند که در مقیاس بالا کار کند، با نرم‌افزارهای موجود سازگار باشد، پایدار بماند و هزینه عملیاتی آن قابل پیش‌بینی باشد.

اقتصاد هر توکن؛ معیار تازه رقابت

شاید مهم‌ترین پیام اتچ این باشد که رقابت آینده هوش مصنوعی بر سر «هزینه هر توکن» شدت خواهد گرفت. هرچه مدل‌ها بزرگ‌تر، کاربران بیشتر و کاربردها پیچیده‌تر شوند، هزینه پاسخ‌گویی به درخواست‌ها به موضوعی راهبردی تبدیل می‌شود. شرکت‌هایی که بتوانند با همان میزان انرژی، حافظه و زیرساخت، توکن‌های بیشتری تولید کنند، مزیت اقتصادی مستقیمی خواهند داشت.

اتچ این مزیت را با ترکیب دو ایده دنبال می‌کند: استفاده کارآمدتر از حافظه در سطح خوشه و کاهش مصرف انرژی از طریق ولتاژ پایین. اگر این دو فناوری در محیط تولید همان‌طور که وعده داده شده عمل کنند، می‌توانند به کاهش هزینه عملیاتی ارائه‌دهندگان خدمات هوش مصنوعی کمک کنند. اما اگر محصول در مقیاس بزرگ با مشکلات تولید، نرم‌افزار، پایداری یا پذیرش مشتری روبه‌رو شود، ارزش فنی آن به‌تنهایی کافی نخواهد بود.

نتیجه‌گیری؛ یک رقیب تازه در حساس‌ترین نقطه بازار

اتچ در زمانی وارد صحنه شده که بازار هوش مصنوعی از مرحله هیجان اولیه آموزش مدل‌ها به مرحله دشوارتر و اقتصادی‌تر اجرای گسترده آن‌ها حرکت می‌کند. این شرکت با سرمایه قابل توجه، تیمی باتجربه و معماری‌ای متمرکز بر زیرساخت هوش مصنوعی می‌خواهد نشان دهد که سلطه انویدیا، هرچند قدرتمند، لزوماً در تمام بخش‌های بازار غیرقابل چالش نیست.

با این حال، مسیر پیش روی اتچ ساده نیست. انویدیا نه‌تنها تراشه می‌فروشد، بلکه یک اکوسیستم کامل از نرم‌افزار، سخت‌افزار، توسعه‌دهندگان و مشتریان سازمانی ساخته است. برای رقابت واقعی، اتچ باید فراتر از ادعای عملکرد بالا برود و ثابت کند می‌تواند محصولی پایدار، مقیاس‌پذیر و اقتصادی را در اختیار مشتریان بزرگ قرار دهد.

اگر بازار زیرساخت هوش مصنوعی همان‌قدر رشد کند که بسیاری پیش‌بینی می‌کنند، شرکت‌هایی مانند اتچ می‌توانند نقشی مهم در بازتعریف اقتصاد هوش مصنوعی داشته باشند. پرسش اصلی دیگر فقط این نیست که چه کسی سریع‌ترین تراشه را می‌سازد؛ پرسش این است که چه کسی می‌تواند اجرای هوش مصنوعی را برای میلیون‌ها کاربر، با هزینه کمتر، انرژی پایین‌تر و مقیاس بزرگ‌تر ممکن کند.

منبع: Bloomberg Technology