مایکروسافت با معرفی تراشه Maia ۳۰۰ وابستگی خود به انویدیا را کاهش می‌دهد
به گزارش خبرگزاری آنا؛ مایکروسافت با معرفی نسل جدید تراشه‌های مایا، گام دیگری برای توسعه زیرساخت‌های اختصاصی هوش مصنوعی خود برداشته است. تراشه Maia ۳۰۰ که جانشین Maia ۲۰۰ محسوب می‌شود، به‌طور ویژه برای پردازش استنتاج هوش مصنوعی طراحی شده است؛ مرحله‌ای که مدل آموزش‌دیده درخواست کاربران را پردازش می‌کند و پاسخ تولید می‌کند. مایکروسافت قصد دارد از این سخت‌افزار برای اجرای مدل‌های استدلالی پیشرفته، پردازش گفت‌و‌گو‌های طولانی و انجام وظایف چندمرحله‌ای توسط ایجنت‌های هوش مصنوعی استفاده کند. طراحی این تراشه بخشی از برنامه گسترده شرکت برای کاهش هزینه پردازش در مراکز داده است؛ موضوعی که با افزایش تعداد کاربران سرویس‌هایی مانند کوپایلت و گسترش استفاده از مدل‌های زبانی، اهمیت بیشتری پیدا کرده است.
افزایش ۴۰ درصدی بهره‌وری در مقایسه با سامانه‌های گرافیکی
یکی از مهم‌ترین ویژگی‌های اعلام‌شده برای Maia ۳۰۰، افزایش بهره‌وری انرژی هنگام تولید پاسخ‌های هوش مصنوعی است. اسکات گاتری، معاون اجرایی بخش رایانش ابری و هوش مصنوعی مایکروسافت، اعلام کرده این شرکت انتظار دارد سامانه جدید به ازای هر مگاوات برق مصرفی، ۴۰ درصد توکن بیشتری نسبت به سامانه‌های پیشرو مبتنی بر پردازنده‌های گرافیکی تولید کند. توکن واحدی است که مدل‌های زبانی برای پردازش و تولید متن از آن استفاده می‌کنند و افزایش تعداد توکن‌های تولیدشده با انرژی یکسان، امکان پاسخ‌گویی به درخواست‌های بیشتر را بدون افزایش متناسب مصرف برق فراهم می‌کند. این برتری فعلاً بر اساس ارزیابی و پیش‌بینی مایکروسافت مطرح شده است.
مایکروسافت همچنین اعلام کرده در پیکربندی کامل یک رک سرور مجهز به ۹۶ شتاب‌دهنده Maia ۳۰۰، میزان تولید توکن می‌تواند تا ۷ برابر بیشتر از رک‌های مبتنی بر نسل قبلی باشد. این مقایسه به عملکرد کل سامانه مربوط می‌شود و نباید آن را به معنی افزایش هفت‌برابری توان یک تراشه مستقل دانست. چنین افزایشی به مایکروسافت اجازه می‌دهد درخواست‌های هم‌زمان بیشتری را پردازش کند و برای اجرای مدل‌های بزرگ‌تر، استفاده مؤثرتری از ظرفیت مراکز داده داشته باشد. این موضوع به‌ویژه برای سرویس‌هایی اهمیت دارد که باید با تأخیر کم به کاربران پاسخ دهند یا وظایف پیچیده‌ای را در چندین مرحله انجام دهند.
معماری جدید با فناوری ساخت ۲ نانومتری
مایکروسافت برای دستیابی به بهره‌وری بیشتر، معماری Maia ۳۰۰ را تغییر داده و از طراحی چندچیپلتی استفاده کرده است. در این ساختار، بخش‌های مربوط به پردازش، کنترل حافظه و ورودی و خروجی از یکدیگر جدا شده‌اند تا هر بخش با فناوری متناسب با نیاز خود ساخته شود. چیپلت‌های پردازشی با استفاده از فناوری ساخت N۲P شرکت تایوانی TSMC تولید می‌شوند که در رده فناوری‌های پیشرفته ۲ نانومتری قرار می‌گیرد. جداسازی اجزای تراشه به طراحان اجازه داده فضای بیشتری را به واحد‌های پردازشی اختصاص دهند و هم‌زمان انتقال داده میان بخش‌های مختلف را بهینه کنند.
تراشه جدید به ۲۸۸ گیگابایت حافظه پرسرعت HBM۴ مجهز شده که پهنای باند آن به ۱۸ ترابایت بر ثانیه می‌رسد. مایکروسافت اعلام کرده پهنای باند حافظه در این نسل نسبت به Maia ۲۰۰ حدود ۲.۵ برابر افزایش یافته است. این قابلیت برای اجرای مدل‌های بزرگ و پردازش درخواست‌هایی با حجم بالای اطلاعات اهمیت دارد، زیرا در بسیاری از پردازش‌های هوش مصنوعی، سرعت جابه‌جایی داده میان حافظه و واحد‌های محاسباتی یکی از عوامل محدودکننده عملکرد محسوب می‌شود. معماری جدید همچنین با کاهش جابه‌جایی غیرضروری داده‌ها، تلاش می‌کند انرژی کمتری برای اجرای وظایف مصرف کند.
گسترش استفاده از تراشه‌های اختصاصی از سال ۲۰۲۷
مایکروسافت نسل قبلی این خانواده، یعنی Maia ۲۰۰، را در ژانویه امسال معرفی کرد و اکنون از آن برای اجرای بخشی از فعالیت‌های هوش مصنوعی خود استفاده می‌کند. این تراشه در پردازش‌های عملیاتی مایکروسافت کوپایلت و توسعه مدل‌های اختصاصی شرکت به کار گرفته شده و برنامه گسترش استفاده از آن به سرویس‌هایی مانند گیت‌هاب کوپایلت و مایکروسافت فاندری نیز در جریان است. گاتری اعلام کرده Maia ۲۰۰ بر اساس شاخص‌های واقعی عملکرد سرویس‌های هوش مصنوعی، یکی از کارآمدترین زیرساخت‌های پردازشی موجود در مراکز داده مایکروسافت محسوب می‌شود.
برنامه این شرکت برای نسل سوم گسترده‌تر است و قرار است استقرار عملیاتی Maia ۳۰۰ از سال ۲۰۲۷ آغاز شود. مایکروسافت قصد دارد ظرفیت سامانه‌های مبتنی بر خانواده مایا را از همان سال به مقیاس چند گیگاوات برساند و به‌تدریج آن‌ها را به زیرساخت اصلی اجرای مدل‌های هوش مصنوعی در محصولات و خدمات خود تبدیل کند. این تغییر می‌تواند نیاز شرکت به خرید شتاب‌دهنده‌های پردازشی از انویدیا و AMD را برای بخشی از فعالیت‌های هوش مصنوعی کاهش دهد، هرچند به معنی کنار گذاشتن کامل پردازنده‌های این دو شرکت از زیرساخت ابری آژور نیست.
مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، نیز بر اهمیت توسعه هم‌زمان سخت‌افزار و مدل‌های اختصاصی تأکید کرده است. به گفته وی، توسعه هوش مصنوعی در مقیاس بزرگ نیازمند هماهنگی تمام بخش‌های زیرساخت، از تراشه‌های پردازشی تا مدل‌های نرم‌افزاری است و مایکروسافت باید بستری در اختیار داشته باشد که بتواند آن را متناسب با نیاز مدل‌های خود طراحی و بهینه‌سازی کند. این رویکرد بخشی از تلاش شرکت برای رقابت جدی‌تر با توسعه‌دهندگان پیشروی هوش مصنوعی، از جمله گوگل دیپ‌مایند، اوپن‌ای‌آی و آنتروپیک محسوب می‌شود.
انتهای پیام/