گوگل چگونه با تراشههای هوش مصنوعی سفارشی اپل و جمینای خود را آموزش میدهد؟, در آزمایشگاههای گوگل در مانتین ویو، کالیفرنیا، صدها سرور مشغول به کار هستند که نه فقط موتور جستجو، بلکه آموزش مدلهای هوش مصنوعی را نیز تحت تأثیر قرار میدهند. این سرورها وظیفه تست و بهینهسازی تراشههای داخلی گوگل به نام واحد پردازش تنسور (TPU) را بر عهده دارند.
واحدهای پردازش تنسور از سال ۲۰۱۸ برای مشتریان سرویس ابری گوگل در دسترس قرار گرفتهاند و از آن زمان بهعنوان اصلی برای آموزش مدلهای هوش مصنوعی مورد استفاده قرار میگیرند. اپل در ماه ژوئیه اعلام کرد که از TPU گوگل برای آموزش مدلهای پایه Apple استفاده میکند و گوگل نیز همین را برای توسعه و اجرای چتبات جمینای خود به کار میگیرد.
دانیل نیومن، مدیرعامل گروه، در مورد رقابت گوگل و انویدیا در حوزه آموزش هوش مصنوعی میگوید در حالی که انویدیا سهم عمدهای از بازار آموزش AI را در دارد، گوگل از سال ۲۰۱۵ با طراحی تراشههای ابری سفارشی خود، خود را در این رقابت انتخاب کرده است. جایگاه گوگل در ساخت تراشههای هوش مصنوعی ابری سفارشی گوگل اولین ارائهدهنده سرویس ابری بود که تراشه هوش مصنوعی سفارشی خود را ساخته و در سال ۲۰۱۵ TPU را ارائه داد.
ق مواجه شده بود و جمینای خود با تاخیر نسبت به ChatGPT معرفی شد.
اما در حال حاضر، Google به دلیل رشد محصولات AI خود، درآمد ابری خود را در آخرین سهماهه ۲۹ درصد افزایش داده و לראשונה بزرگتر از ۱۰ میلیارد دلار در میشود.
نیومن در این باره اظهار داشته است عصر ابر هوش مصنوعی راه را برای تغییرات اساسی در شرکتها باز کرده و توانایی ساخت تراشههای سفارشی مانند TPU، یکی از بزرگترین مزیتهای رقابتی گوگل را به ارمغان آورده است؛ این امکان به گوگل اجازه میدهد تا از جایگاه سومین ارائهدهنده ابر به سطح ró با دو اصلی و حتی بالاتر_ जाए. تلاشهای فنی و في ساخت تراشه در ماه ژوئیه، CNBC یک تور ضبطشده از آزمایشگاه تراشه گوگل و با امین وحدت، رئيس تیم تراشههای ابری سفارشی گوگل، مصاحبه کرد.
وحدت توضیح داد ای از یک سوال ساده آغاز شد اگر کاربران گوگل بخواهند ۳۰ ثانیه در روز با سیستم صوتی سرویسها تعامل داشته باشند، چه قدر محاسباتی نیاز داریم؟ پاسخ این سوال باعث شد که گوگل به برسد که ساخت سختافزار سفارشی لازم است؛ وحدت میگوید فهمیدیم که با تراشههای ASIC سفارشی مانند TPU، میتوانیم éé ۱۰۰ برابر بهتر از حالت عادی داشته باشیم. تراشههای TPU از نوع ASIC هستند و بهطور خاص برای بارهای محاسباتی در هوش مصنوعی طراحی شدهاند.
عی را در دستگاههای خود tíمک مینماید.
بر اساس دادههای گروه، TPU گوگل تا به امروز ۵۸ درصد سهم بازار شتابدهندههای هوش مصنوعی ابری را در é mã دارد و رقیب اصلی در این محسوب میشود. واژه تنسور در اسم TPU از ریاضیات گرفته شده و به ضرب ماتریسهای بزرگمقیاس اشاره دارد که در الگوریتمهای هوش مصنوعی پیشرفته به استفاده میشود. در سال ۲۰۱۸، گوگل با انتشار دومین نسل TPU، تمرکز خود را صرفاً از استنتاج به سمت آموزش مدلهای هوش مصنوعی سوق داد.
استیسی راسگون، تحلیلگر ارشد در، میگوید GPUها انعطافپذیرتر باشند، اما ارائهشان محدود بوده و برای مقیاسهای کافی نیست. همکاری گوگل با برادکام و TSMC ساخت تراشههای هوش مصنوعی مناسب جایگزین برای GPUهای انویدیا کار سادهای نیست. نسل ششم TPU گوگل تحت نام قرار است در پایان این سال عرضه شود.
راسگون در این باره میگوید یافتن جایگزین مناسبی برای پردازشهای AI یک کار پیچیده و پرهزینه است که فقط مراکز داده بزرگ حاوی، á- در این مسیر، گوگل از زمان é اولین TPU در سال ۲۰۱۵، با همکاری داشته است؛ این شرکت مسئول مانندI/O، تبدیل سیریال-پارال و محافظ مدار است. اعلام کرده است که برای این همکاری بیش از ۳ میلیارد دلار هزینه کرده است.
طراحی نهایی ها پس از اتمام، به کارخانههای TSMC ارسال میشود؛ این ۹۲ ç á ção fí در خصوص ریسکهای ژئوپلیتیک بین چین و تایوان، وحدت تصریح کرده است گوگل برای این، اما امیدواریم نیازی به در این زمینه نداشته باشیم. برای مقابله با ریسکها، قانون CHIPS ایالات متحده ۵۲ میلیارد دلار را به شرکتهای, TSMC و سامسونگ ساخت fábरी الأرضخصص کرده است. آیا گوگل در پیادهسازی این استراتژی موفق خواهد شد؟
غم از ریسکها، گوگل اعلام کرده است که اولین پردازندگ عمومی خود به نام تا پایان سال در دسترس خواهد بود. اما Google دیر وارد رقابت CPU شده است؛ امازون در ۲۰۱۸، علي بابا در ۲۰۲۱ سرور خود و مایکروسافت در نوامبر ۲۰۲۳ CPU خود را ارائه دادهاند.
وحدت در پاسخ به سؤال چرا زودتر به CPUها روی نده است، میگوید تمرکز ما بر क्षेत्रهایی بود که بیشترین قیمت را برای مشتریاء ایجاد میکردیم؛ پس از TPU، VCU و شبکهها، فکر کردیم زمان انتشار CPU نرسیده است. ساخت این پردازندهها از طریق معماری شده است؛ این معماری نسبت به (اینتل و AMD) چ ț __ __,.
استفادهٔ انرژی در سرورهای AI تا سال ۲۰۲۷ á، گزارش محیط زیستی گوگل نشان داده است که های گلخانهای از ۲۰۱۹ تا ۲۰۲۳ تقریباً ۵۰٪ افزایش یافتهاند؛ قسمتی از این افزایش بهدلیل گسترش مراكز داده برای هوش مصنوعی است.
وحدت در این باره میگوید ما יסיון. برای خنک کردن سرورهای پرکاربرد، نسل سوم TPU از سیستم خنککننده مستقیم به استفاده میکند که در آن مایع خنککننده مستقیماً تراشه را میکند؛ این روش دقیقاً همان است که انویدیا در پردازندههای به کار میبرد. م้กับ وجود چالشهای پتانسیل از ژئوپلیتیک تا à و الاب، گوگل تعهد خود را به ابزارهای هوش مصنوعی مولد و پیشبرد های اختصاصی خود.
وحدت در پایان میگوید هیچگاه نظیر عزم و sự مصمم بودن گوگل را ندیدهام و پیشبینی میکنم سختافزار نقش کلیدیای در این رقابت خواهد داشت.
