بر اساس یادداشت جدیدی از شرکت تحقیقاتی SemiAnalysis، Google ممکن است در حال همکاری با AMD در یکی از نسل بعدی TPUهای خود باشد - جفتی که در صورت تحقق، اولین مشارکت قابل توجه AMD در یک پروژه سفارشی AI ASIC خواهد بود و به نوع جدیدی از شتابدهنده Google اشاره می کند که با یک بسته هوش مصنوعی عمومی CPU ترکیب می کند.

این گزارش که در 16 آگوست توسط Tom's Hardware و Firstpost پوشش داده شد، در بحبوحه رقابتی فزاینده برای طراحی مجدد زیرساخت هوش مصنوعی برای مدل‌های استدلالی و عوامل مستقل - تغییری که ما در پوشش [اخبار فوری هوش مصنوعی] (https://aibuzzwire.news) خود دنبال می‌کنیم. بر اساس SemiAnalysis، گوگل و مشتریانش به دنبال TPU هایی با هسته های CPU درون بسته برای یادگیری تقویتی (RL) و احتمالاً دیگر بارهای کاری سنگین CPU هستند و AMD یک کاندیدای قوی برای تامین قطعات گمشده است.

چرا گوگل برای طراحی TPU به AMD نیاز ندارد

تحلیلگران آب سردی را روی ساده ترین خواندن داستان می ریزند. گوگل در حال حاضر دارای تخصص داخلی قابل توجهی در معماری شتاب دهنده است که در هشت نسل TPU پیشرفت کرده است و لزوماً برای طراحی TPU معمولی دیگر به AMD نیاز ندارد. شانس AMD پیاده سازی تراشه استنتاج بعدی گوگل (TPU V10i) یا تراشه آموزشی (TPU V10t) کم در نظر گرفته می شود.

در عوض، تحلیلگران معتقدند گوگل ممکن است به چیزهایی نیاز داشته باشد که سازنده CPU مانند AMD می تواند ارائه دهد: مالکیت معنوی CPU، منطق قابل برنامه ریزی، اتصالات متقابل یا تخصص بسته بندی پیشرفته. به عبارت دیگر، داستان کمتر در مورد ساخت شتاب‌دهنده هوش مصنوعی گوگل توسط AMD است و بیشتر در مورد آنچه که یک تراشه ترکیبی - محاسبات تانسور Google با هسته‌های همه منظوره AMD - می‌تواند باز کند.

یادگیری تقویتی سیلیکون هوش مصنوعی را به سمت بیرون تبدیل می کند

درایور یک تغییر واقعی در نحوه استفاده سیستم های هوش مصنوعی از محاسبات است. آموزش مدل‌های زبان بزرگ معمولی بسیار سنگین است: ریاضیات ماتریسی، در تمام طول روز، روی GPU و TPU. اما یادگیری تقویتی برای مدل‌های استدلالی و عاملی متفاوت است. خطوط لوله RL عملیات شتاب دهنده را با مقادیر زیادی محاسبات اسکالر، شاخه ای و همه منظوره - شبیه سازی محیط، محاسبه پاداش، هماهنگی بسیاری از عرضه های موازی - در هم می آمیزند که در CPU ها بسیار بهتر اجرا می شود.

طراحی سیستم خود گوگل در حال حاضر منعکس کننده این تغییر است. طبق این گزارش، سیستم‌های TPU 8i گوگل که برای استنتاج، استدلال و بارهای کاری RL ساخته شده‌اند، یک CPU Google Axion را برای هر دو TPU ارائه می‌کنند. در مقام مقایسه، سرورهای مبتنی بر نسل هفتم TPU از یک پردازنده Intel Xeon "Emerald Rapids" برای هر چهار TPU استفاده می کردند. دوبرابر کردن نسبت CPU به شتاب‌دهنده سیگنالی قوی است که نشان می‌دهد گوگل بارهای کاری را به کجا می‌بیند، و بسته‌بندی هسته‌های CPU مستقیماً در کنار شتاب‌دهنده قدم منطقی بعدی است: مسیرهای داده کوتاه‌تر، جابه‌جایی داده‌های کمتر و بهره‌وری بهتر انرژی دقیقاً برای بار کاری که هوش مصنوعی مستلزم آن است.

نمونه MI300A

AMD تجربه مستقیم مرتبط با چنین پروژه ای را به ارمغان می آورد. Instinct MI300A آن - مستقر در ابررایانه های کلاس نخبه - اولین APU واقعی در مقیاس مرکز داده بود که چیپلت های CPU X86 Zen و چیپلت های محاسباتی GPU را با حافظه مشترک در یک بسته ترکیب می کرد. طراحی آینده گوگل می‌تواند شکلی مشابه داشته باشد: چیپ‌لت‌های محاسباتی TPU Google با فناوری CPU AMD و حافظه با پهنای باند بالا جفت شده‌اند و AMD به طور بالقوه بخش‌هایی از بسته‌بندی و یکپارچه‌سازی را مدیریت می‌کند.

هر دو شرکت دلیلی برای صحبت دارند. برای گوگل، این حرکت یک استراتژی سیلیکونی را گسترش می‌دهد که در حال حاضر چندین شریک را در بر می‌گیرد - نسل هشتم TPU آن، که در آوریل 2026 اعلام شد، به تراشه‌های آموزشی اختصاصی (8t) و استنتاج (8i) تقسیم می‌شود، و گزارش‌هایی که در اوایل سال جاری منتشر شد، مونتاژ یک زنجیره تامین سفارشی سیلیکونی چند شریکی را توصیف کرد که شامل Broadcom، MediaTek، و Marvi می‌شود. برای AMD، یک برنده شدن در طراحی گوگل به منزله تاییدی بی نظیر از چیپلت و فناوری بسته بندی آن خواهد بود – و جای پایی در سیلیکون هوش مصنوعی سفارشی، بازاری که تسلط انویدیا تا حد زیادی بدون چالش باقی مانده است.

هشدارهای مهم

SemiAnalysis خود تاکید می کند که عدم قطعیت قابل توجهی باقی می ماند. ماهیت دقیق دخالت گزارش شده AMD نامشخص است، این همکاری توسط هیچ یک از شرکت ها تایید نشده است، و تحلیلگران استدلال خود را به عنوان حدس و گمان آگاهانه در مورد اینکه چرا چنین همکاری منطقی است و نه یک نقشه راه محصول تایید شده، تعریف می کنند.

اما سیگنال عمیق تر از خود معامله اهمیت دارد. اگر گزارش‌ها دقیق باشند، مهم‌ترین توسعه همکاری گوگل و AMD نیست، بلکه گوگل در حال بررسی انواع TPU سنگین CPU است که به‌طور خاص برای یادگیری تقویتی، استدلال و هوش مصنوعی عاملی طراحی شده‌اند. صنعت یک دهه را صرف بهینه سازی تراشه ها برای یک ضرب ماتریس غول پیکر کرد. نسل بعدی سخت‌افزار هوش مصنوعی با حجم‌های کاری شکل می‌گیرد که بسیار کمتر شبیه تفکر یک ذهن است و بیشتر شبیه هزاران عامل در حال کاوش، شکست و یادگیری در آن واحد است.

چه چیزی را تماشا کنیم

برای صنعت گسترده تر، سه چیز این گزارش را از حدس و گمان به یک روند تبدیل می کند. اول، هر نشانه ای از معاملات سیلیکونی سفارشی که فروشندگان شتاب دهنده و پردازنده را به جای قرار دادن آنها در مقابل یکدیگر جفت می کند - به نظر می رسد همان منطقی که AMD را به سمت MI300A و Nvidia به سمت سیستم های یکپارچه سبک Grace-Hopper سوق داد، اکنون به نظر می رسد که نقشه راه های ASIC hyperscaler را شکل می دهد. دوم، اینکه آیا نسبت‌های استقرار TPU 8i گوگل به سمت CPU بیشتر در هر شتاب‌دهنده حرکت می‌کند یا خیر، که به‌طور مستقل تز بار کاری RL را تأیید می‌کند. سوم، تفسیر درآمد خود AMD: یک برنده شدن در طراحی سفارشی در مقیاس گوگل به اندازه کافی مهم است که در نهایت در افشای مالی ظاهر شود.

نه گوگل و نه AMD در مورد این گزارش اظهار نظری نکرده اند، و SemiAnalysis خاطرنشان می کند که تجزیه و تحلیل آن بر اساس منطق استراتژیک جفت سازی به جای قراردادهای تایید شده است. اما در سالی که گوگل قبلاً خط TPU خود را به محصولات آموزشی و استنباط تقسیم کرده است، قراردادهای تامین سیلیکون چند شریک امضا کرده و ظرفیت CPU را در اطراف جدیدترین شتاب دهنده‌های خود احتکار کرده است، یک نوع TPU سنگین نسبت به حرکت منطقی بعدی چندان شگفت‌انگیز نیست.

از هوش مصنوعی جلوتر بمانید

پوشش تراشه به تراشه مسابقه سیلیکونی هوش مصنوعی، به همان شکلی که اتفاق می افتد ارائه می شود. مرکز ما را برای آخرین پیشرفت‌های هوش مصنوعی علامت‌گذاری کنید و هرگز یک پیروزی طراحی را از دست ندهید.

اخبار هوش مصنوعی را بیشتر بخوانید →