Anthropic برنامه‌های خود را برای توسعه تراشه هوش مصنوعی سفارشی خود تأیید کرده است و به آخرین آزمایشگاه هوش مصنوعی تبدیل می‌شود که به این نتیجه می‌رسد که اتکا به تامین‌کنندگان سخت‌افزار خارجی دیگر برای همگام شدن با تقاضای فرار کافی نیست.

بر اساس فهرست مشاغل و تاییدیه گزارش شده توسط TechCrunch، Reuters، Quartz و Business Insider، این شرکت فاش کرد که در حال مونتاژ یک "تیم سیلیکون سفارشی" برای طراحی مشترک پردازنده در کنار مدل‌های زبان بزرگ آینده خود است. این حرکت نشان می‌دهد که Anthropic قصد دارد کنترل بیشتری بر پشته سخت‌افزاری که کلود، خانواده مدل‌های پرچم‌دار آن را قدرت می‌دهد، در دست بگیرد. برای کسانی که [پوشش صنعت هوش مصنوعی] (https://aibuzzwire.news) را ردیابی می کنند، این تصمیم با یک الگوی واضح مطابقت دارد: هر آزمایشگاه بزرگ مرزی اکنون در حال رقابت برای داشتن یک قطعه از سیلیکون است که مدل های آن را اجرا می کند.

طراحی مشترک تراشه برای کلود

جزئیات بیشتر به یک استراتژی طراحی مشترک اشاره می‌کنند تا خرید سریع. همانطور که SiliconANGLE گزارش داد، یک سخنگوی به Business Insider گفت که Anthropic این پردازنده را با مدل های زبان بزرگ آینده خود طراحی خواهد کرد. ابتکارات طراحی مشترک معمولاً بر روی تطبیق یک تراشه با حجم کاری خاص متمرکز می‌شوند - محاسبات و الگوهای حافظه خاصی که یک مدل به آنها تکیه می‌کند - و چنین سفارشی‌سازی می‌تواند کارایی سخت‌افزار را به میزان قابل توجهی افزایش دهد.

شتاب‌دهنده‌های هوش مصنوعی آماده ارائه خدمات به طیف گسترده‌ای از مشتریان و حجم کاری هستند، به این معنی که آنها دارای مصالحه هستند. تراشه ای که به طور خاص برای معماری کلود تنظیم شده است، در تئوری می تواند عملکرد بیشتری را به ازای هر دلار و هر وات نسبت به سخت افزار همه منظوره ارائه دهد. این در مقیاسی که Anthropic عمل می‌کند بسیار مهم است، جایی که حتی افزایش بازده کوچک به صرفه‌جویی عظیم در هزینه تبدیل می‌شود.

استخدام مهندسان، نه فقط خرید چیپس

TechCrunch گزارش داد که Anthropic به دنبال مهندسین با تجربه در طراحی تراشه برای تیم سیلیکونی سفارشی خود، بر اساس فهرست مشاغل است. این مقاله خاطرنشان کرد که این شرکت به‌روزرسانی شده است تا تأییدیه آنتروپیک را در بر بگیرد و این طرح را به جای حدس و گمان رسمی می‌کند.

فشار استخدام در حالی صورت می‌گیرد که تقاضا برای کلود افزایش می‌یابد و شرکت‌های هوش مصنوعی تلاش می‌کنند تا بیشترین تعداد معاملات زیرساختی را که می‌توانند امضا کنند. به نوبه خود، Anthropic با AWS، Google، Nvidia و AMD برای دسترسی به سخت افزار محاسباتی هوش مصنوعی قراردادهایی امضا کرده است. اما برای مقیاس واقعی و برآورده کردن سطح تقاضا، اتکا به دیگران به وضوح دیگر کافی نیست - محاسباتی که اکنون Anthropic را به سمت طراحی سیلیکون خود سوق داده است.

این یک تغییر استراتژیک قابل توجه است. Anthropic مدت‌هاست که خود را به عنوان یک آزمایشگاه متمرکز بر تحقیقات و ایمنی معرفی کرده است، اما اعلام تراشه نشان می‌دهد که در حال ساخت زیرساخت‌های سنگینی است که معمولاً با بزرگترین مقیاس‌کننده‌های بزرگ مرتبط است.

پیوستن به یک میدان شلوغ

Anthropic اولین شرکت هوش مصنوعی نیست که تصمیم می گیرد ساخت تراشه خود ارزش هزینه و پیچیدگی هنگفت را دارد. این شرکت مسیری را دنبال می‌کند که بزرگ‌ترین رقبای خود آن را پیموده‌اند.

در ماه ژوئن، OpenAI از تراشه "Jalapeño" ساخته شده توسط Broadcom رونمایی کرد که به طور خاص برای بارهای کاری استنتاج طراحی شده است - مرحله ای که یک مدل آموزش دیده در واقع به سوالات کاربر پاسخ می دهد. Google DeepMind مدت‌هاست که برای تقویت مدل‌های Gemini خود به واحدهای پردازش تنسور (TPU) سفارشی Alphabet متکی بوده است و یکی از بالغ‌ترین برنامه‌های سیلیکونی داخلی در صنعت را به آن می‌دهد. در همین حال، متا در حال توسعه شتاب دهنده های MTIA خود برای بار کاری هوش مصنوعی است.

این روند فراتر از آزمایشگاه های مدل گسترش می یابد. ارائه‌دهندگان ابری مانند آمازون، با تراشه‌های Trainium و Inferentia، سرمایه‌گذاری زیادی روی سیلیکون سفارشی کرده‌اند تا وابستگی خود را به Nvidia کاهش دهند. موضوع مشترک تمایل به فرار از محدودیت های یک تامین کننده مسلط و به دست آوردن بیشتر زنجیره ارزش است.

چرا سیلیکون سفارشی در حال حاضر؟

اقتصاد محرک این موج ساده است. پردازنده‌های گرافیکی انویدیا دارای حاشیه‌های بسیار زیادی هستند، زیرا تقاضا برای آنها بسیار بیشتر از عرضه است و مدل‌های هوش مصنوعی مرزی برای آموزش و ارائه نیاز به محاسبات سرسام‌آوری دارند. هر آزمایشگاهی که به آن پردازنده‌های گرافیکی وابسته است، در عین رقابت برای عرضه محدود، به یک فروشنده مالیات می‌پردازد.

طراحی یک تراشه سفارشی یک شرط گران و چند ساله است – می‌تواند صدها میلیون دلار هزینه داشته باشد و به استعدادهای نادر مهندسی نیاز دارد – اما سه مزیت را ارائه می‌دهد که آزمایشگاه‌ها به طور فزاینده‌ای آن را وجودی می‌دانند. اولاً، می‌تواند هزینه‌های استنتاج بلندمدت را کاهش دهد، که هزینه اصلی مدل محبوبی مانند کلود است. دوم، آسیب پذیری استراتژیک نسبت به کمبود عرضه و کنترل صادرات را کاهش می دهد. سوم، یک خندق قابل دفاع ایجاد می کند: یک مدل و یک تراشه که برای یکدیگر طراحی شده اند برای رقبا سخت تر است.

تصمیم آنتروپیک همچنین نشان دهنده روابط عمیق آن با شرکای ابری و محاسباتی است. این شرکت قبلاً تأمین مالی گسترده ای را برای زیرساخت های هوش مصنوعی تضمین کرده است و یک برنامه تراشه داخلی گام طبیعی بعدی در تبدیل این تأمین مالی به ظرفیت اختصاصی و بهینه است.

بعد چه می آید

ساخت یک تراشه هوش مصنوعی رقابتی معمولاً از طراحی تا تولید حجمی سال ها طول می کشد، بنابراین بعید است که سیلیکون سفارشی Anthropic در آینده نزدیک به کلود قدرت دهد. این شرکت همچنان به Nvidia، AMD و شتاب‌دهنده‌های ارائه‌دهنده ابر وابسته است، در حالی که تیم جدیدش برای اولین بار در تلاش است.

با این حال، این اعلامیه یک نشانه معنادار از قصد است. آنتروپیک را محکم در رقابت سخت افزاری OpenAI و گوگل قرار می دهد و نشان می دهد که مرحله بعدی رقابت بین آزمایشگاه های مرزی نه فقط بر سر الگوریتم ها و داده ها، بلکه بر سر سیلیکون زیر آنها خواهد بود.

از هوش مصنوعی جلوتر بمانید

نبرد برای سخت افزار هوش مصنوعی در حال تغییر شکل کل صنعت است. در مرکز [آخرین پیشرفت‌های هوش مصنوعی] (https://aibuzzwire.news) با همه راه‌اندازی تراشه‌های مهم، دور تأمین مالی و قرارداد زیرساخت همراه باشید.

اخبار هوش مصنوعی را بیشتر بخوانید →