سخت‌افزار هوش مصنوعی NVIDIA: معضل نرم‌افزاری که هر شش ماه تغییر می‌کند

خلاصه کوتاه: NVIDIA معتقد است که طراحی سخت‌افزار برای هوش مصنوعی نیازمند طراحی مشترک در تمام لایه‌های فناوری است. سخنرانی در کنفرانس Humax X در سانفرانسیسکو سه نکته را برجسته کرد: تکامل مشترک بین تراشه و نرم‌افزار، خطر انتخاب آنچه باید تسریع شود و نقش Nemotron به عنوان یک پروژه باز برای خواندن روندهای هوش مصنوعی.

در سخنرانی افتتاحیه کنفرانس Humax X، در سانفرانسیسکو، یک سوال اساسی برای این بخش مطرح شد: چگونه می‌توان سخت‌افزار هوش مصنوعی NVIDIA را در چشم‌اندازی طراحی کرد که نرم‌افزار آن هر شش ماه یکبار به طور اساسی تغییر می‌کند؟

برای NVIDIA این موضوع تئوری نیست. طبق توضیحات ارائه شده در سخنرانی، این موضوع هسته اصلی کار این شرکت از بیش از 30 سال پیش را نشان می‌دهد. در حوزه هوش مصنوعی، در واقع، مدل‌ها، فریم‌ورک‌ها، کتابخانه‌ها و رویکردهای استقرار به سرعت در حال تکامل هستند. به همین دلیل، دیدگاهی محدود به تراشه کافی نیست.

در عوض، به استراتژی نیاز است که سخت‌افزار و نرم‌افزار را در تمام لایه‌های فناوری هماهنگ کند. این تز اصلی است که از سخنرانی استخراج شده است.

سخت‌افزار هوش مصنوعی NVIDIA و طراحی مشترک در تمام لایه‌ها

پاسخ ارائه شده توسط NVIDIA طراحی مشترک است، یعنی طراحی مشترک سخت‌افزار و نرم‌افزار. این فقط یک سطح از زیرساخت را شامل نمی‌شود. برعکس، ترانزیستورها، تراشه‌ها، معماری‌های محاسباتی، کامپایلرها، کتابخانه‌ها، فریم‌ورک‌های نرم‌افزاری، مجموعه داده‌ها، الگوریتم‌های هوش مصنوعی و شبکه را شامل می‌شود.

از نظر صنعتی، کارایی فقط از قدرت سیلیکون ناشی نمی‌شود. همچنین به توانایی هماهنگ کردن تمام اجزایی بستگی دارد که یک مدل را به یک سیستم واقعاً قابل اجرا، قابل بهینه‌سازی و قابل توزیع در مقیاس تبدیل می‌کنند.

در نتیجه، مزیت رقابتی فقط از ساخت سخت‌افزار پیشرفته ناشی نمی‌شود. همچنین از توانایی تکامل آن همراه با نرم‌افزاری که باید از آن استفاده کند، ناشی می‌شود.

سخت‌افزار هوش مصنوعی NVIDIA: تصمیم استراتژیک انتخاب آنچه باید تسریع شود است

یکی از مهم‌ترین بخش‌های سخنرانی مربوط به انتخاب اولویت‌ها است. طراحی سخت‌افزار برای هوش مصنوعی فقط به معنای افزایش عملکرد به معنای عمومی نیست. به معنای تصمیم‌گیری در مورد اینکه کدام مشکلات را تسریع کنیم، کدام فناوری‌ها را اولویت دهیم و کدام جهت را برای تکامل آینده هوش مصنوعی محتمل‌تر در نظر بگیریم است.

این انتخاب ریسک بالایی دارد. اگر بازار و تحقیقات در جهتی متفاوت از آنچه پیش‌بینی شده حرکت کنند، سرمایه‌گذاری بر روی یک معماری خاص یا بهینه‌سازی‌های مشخص می‌تواند خیلی سریع ارزش خود را از دست بدهد.

طبق آنچه در سخنرانی مطرح شد، NVIDIA استراتژی با تمرکز بالا را اتخاذ می‌کند. شرکت بر تنوع گسترده تمرکز ندارد. برعکس، منابع را بر یک جهت دقیق متمرکز می‌کند. فرمول ذکر شده در سخنرانی صریح است: یا پروژه موفق می‌شود، یا به طور کامل شکست می‌خورد.

برای متخصصان این بخش، این نکته حیاتی است. طراحی سخت‌افزار برای هوش مصنوعی دیگر فقط یک مسئله مهندسی نیست. همچنین یک تمرین تخصیص استراتژیک سرمایه، استعداد و زمان توسعه است.

چرا تمرکز ریسک فقط یک شرط‌بندی نیست

در نگاه اول، یک استراتژی غیرمتنوع ممکن است بیش از حد در معرض خطر به نظر برسد. با این حال، NVIDIA معتقد است که تکامل مشترک بین نرم‌افزار و سخت‌افزار بخشی از این ریسک را کاهش می‌دهد.

اگر توسعه‌دهندگان، فریم‌ورک‌ها و سیستم‌های کاربردی به تدریج با انتخاب‌های معماری سخت‌افزار هماهنگ شوند، یک اثر تقویت متقابل ایجاد می‌شود. به عبارت دیگر، سخت‌افزار بر نرم‌افزار تأثیر می‌گذارد و نرم‌افزار اهمیت سخت‌افزار را تقویت می‌کند.

این مکانیسم به ویژه در هوش مصنوعی مهم است. کامپایلرها، کتابخانه‌ها و فریم‌ورک‌ها در واقع می‌توانند پذیرش واقعی یک پلتفرم را به طور قاطع تعیین کنند. بنابراین طراحی مشترک فقط برای بهبود عملکرد کافی نیست، بلکه برای ساخت مسیری از اکوسیستم نیز است.

Nemotron: مدل‌های باز برای درک اینکه هوش مصنوعی به کجا می‌رود

در این چارچوب Nemotron قرار می‌گیرد، که به عنوان پروژه کلیدی برای درک تکامل هوش مصنوعی و هدایت طراحی سخت‌افزار آینده ذکر شده است. طبق سخنرانی، ایده توسعه مدل‌های باز برای مشاهده بهتر جهت‌های صنعت و تحقیق است.

یک عنصر مهم این است که مدل‌های Nemotron سپس عمومی می‌شوند. این جنبه دو ارزش دارد. از یک طرف، در دسترس بودن ابزارهای باز را گسترش می‌دهد. از طرف دیگر، به NVIDIA اجازه می‌دهد تماس مستقیم‌تری با روندهای فنی نوظهور داشته باشد.

از نظر عملی، Nemotron به عنوان یک سنسور استراتژیک علاوه بر یک ابتکار فناوری ارائه می‌شود. این فقط یک پروژه مدل نیست. همچنین روشی برای خواندن از پیش اینکه کدام بارها، معماری‌ها و الگوهای استنتاج می‌توانند در چرخه بعدی هوش مصنوعی مرکزی شوند است.

از مدل‌ها به سیستم‌های کامل برای استنتاج و استقرار

یک مرحله مهم دیگر مربوط به تغییر اولویت‌ها در صنعت هوش مصنوعی است. طبق سخنرانی، توجه در حال تغییر از ایجاد مدل‌ها به ساخت سیستم‌های کامل برای استنتاج و استقرار در مقیاس بزرگ است.

این یک انتقال مهم است. در مرحله اولیه رونق فعلی هوش مصنوعی، بخش زیادی از بحث بر روی ظرفیت آموزش و ابعاد مدل‌ها متمرکز بود. امروزه، در عوض، ارزش اقتصادی بیشتر و بیشتر بر توانایی قرار دادن آن مدل‌ها در تولید، کارکرد قابل اعتماد آنها، کنترل تأخیر و هزینه‌ها و ادغام آنها در زیرساخت‌های توزیع شده بازی می‌شود.

این جابجایی پیامدهای مستقیمی برای سخت‌افزار، شبکه و نرم‌افزار سیستم دارد. استنتاج در مقیاس در واقع به تعادل متفاوتی نسبت به آموزش نیاز دارد. کارایی انرژی، هماهنگی، بهینه‌سازی کتابخانه‌ها، مدیریت ترافیک داده و یکپارچه‌سازی عملیاتی به عوامل تعیین‌کننده تبدیل می‌شوند.

برای مهندسان و شرکت‌ها، پیام واضح است: مزیت رقابتی آینده فقط به کیفیت مدل بستگی ندارد، بلکه به کیفیت سیستمی که آن را قابل استفاده در تولید می‌کند بستگی دارد.

این استراتژی برای بخش فناوری چه مفهومی دارد

سخنرانی NVIDIA دیدگاهی از هوش مصنوعی را توصیف می‌کند که کمتر و کمتر تکه‌تکه می‌شود. تراشه، نرم‌افزار، مدل‌های باز، زنجیره ابزار و زیرساخت شبکه به عنوان بخش‌هایی از یک معماری صنعتی واحد در نظر گرفته می‌شوند.

برای تولیدکنندگان سخت‌افزار، این آستانه پیچیدگی رقابتی را افزایش می‌دهد. دیگر طراحی اجزای عالی کافی نیست. باید آنها را در یک اکوسیستم منسجم قرار داد. برای توسعه‌دهندگان نرم‌افزار، در عوض، به معنای کار نزدیک‌تر به محدودیت‌ها و فرصت‌های سطح زیرساختی است.

برای جامعه هوش مصنوعی، در نهایت، پروژه‌هایی مانند Nemotron نشان می‌دهند که چگونه توسعه مدل باز می‌تواند یک کارکرد استراتژیک جهت‌گیری فناوری نیز داشته باشد.

با این حال، یک محدودیت اطلاعاتی باقی می‌ماند. سخنرانی داده‌های کمی در مورد عملکرد، نقشه راه یا وضعیت پیشرفت پروژه‌های ذکر شده ارائه نکرده است. علاوه بر این، صداهای مستقل یا انتقادات خارجی را شامل نشده است. همچنین باید توجه داشت که نام کنفرانس به شکل غیریکسان بین Humax X و HUMANX ظاهر می‌شود.

در خلاصه

NVIDIA تأکید می‌کند که طراحی سخت‌افزار برای هوش مصنوعی به معنای تعقیب نرم‌افزار نیست. به معنای تکامل مشترک با آن در تمام لایه‌های فناوری است.

طبق سخنرانی، این استراتژی بر سه ستون استوار است: طراحی مشترک، انتخاب متمرکز اولویت‌ها و استفاده از پروژه‌های باز مانند Nemotron برای پیش‌بینی روندها.

پیام نهایی صریح است: در هوش مصنوعی، ارزش فقط به تراشه یا مدل بستگی ندارد، بلکه به سیستم کاملی که سخت‌افزار، نرم‌افزار و استقرار در مقیاس را متحد می‌کند بستگی دارد.