طبق گزارشی از The Information، OpenAI در ماه های اخیر ده ها هزار دسکتاپ مک مینی و مک استودیو خریداری کرده است و دلیل آن ارتباط چندانی با محاسبات دسکتاپ ندارد. از این ماشین‌ها برای یادگیری تقویتی و آموزش عوامل استفاده از رایانه استفاده می‌شود - سیستم‌های هوش مصنوعی که یاد می‌گیرند کامپیوتر را به روشی که شخص انجام می‌دهد، کلیک کردن روی نرم‌افزار، مدیریت فایل‌ها و تکمیل وظایف چند مرحله‌ای با مداخله محدود انسانی، کار کند.

این گزارش که توسط MacRumors و 24/7 Wall St. دریافت شد، در همان هفته منتشر شد که اپل به‌روزرسانی‌های زمان‌بندی‌شده غیرمعمول مک مینی و مک استودیو را اعلام کرد. MacRumors گزارش داد که این اعلامیه ناشی از اشتهای غیرمنتظره سازمانی برای بارهای کاری هوش مصنوعی بوده است، و بحث Hacker News در مورد این خبر صدها رأی موافق را به همراه داشت زیرا توسعه دهندگان در مورد آنچه که خریدهای انبوه در مورد چگونگی ساخت زیرساخت های آموزشی توسط آزمایشگاه های مرزی نشان می دهد بحث می کردند. For more context on this story, see our ongoing AI trends.

چرا یک آزمایشگاه هوش مصنوعی به جای خوشه های GPU دسکتاپ می خواهد

آموزش یک مدل مرزی یک کار برای خوشه‌های GPU عظیم و به هم پیوسته باقی می‌ماند - نوعی از نصب که در آن شتاب‌دهنده‌های Nvidia غالب هستند و یک دوره آموزشی می‌تواند شامل ده‌ها هزار تراشه مرتبط باشد. با این حال، هوش مصنوعی Agentic مشخصات سخت افزاری متفاوتی دارد.

عاملی که در حال یادگیری استفاده از رایانه است، می‌تواند در یک دسکتاپ مجازی یا فیزیکی قرار داده شود، به آن وظیفه داده شود، در نتیجه امتیاز بگیرد و بر اساس آن اصلاح شود. اجرای هزاران جلسه به طور همزمان به وسعت پاداش می دهد - بسیاری از ماشین های مستقل که به طور موازی کار می کنند - به جای اسب بخار اتصال خام که پیش تمرین در مقیاس مرزی را تعریف می کند. در این ترتیب، یک انبار از دسکتاپ های مصرف کننده بسیار شبیه زیرساخت ها می شود.

اینجاست که طراحی سیلیکونی اپل مرتبط می شود. معماری حافظه یکپارچه اپل به CPU و GPU اجازه می دهد تا به جای تکیه بر کارت های گرافیک مجزا با حافظه سیستم جداگانه، از یک مخزن حافظه کار کنند. برای بارهای کاری اتوماسیون دسکتاپ، که در آن هر دستگاه باید یک محیط محاسباتی کامل را ارائه کند و به سرعت پاسخ دهد، این طراحی به نظر عملی می رسد.

یک به‌روزرسانی غیرمعمول زمان‌بندی‌شده، بر اساس تقاضای سازمانی

این خریدها به توضیح تقویم فرد اپل در این هفته کمک می کند. این شرکت مدل‌های جدید مک مینی و مک استودیو را خارج از ریتم معمول محصول-رویداد خود اعلام کرد و MacRumors گزارش داد که این حرکت به دلیل تقاضای غیرمنتظره سازمانی برای برنامه‌های هوش مصنوعی انجام شده است. سخت‌افزار اپل معمولاً به‌عنوان زیرساخت هوش مصنوعی توصیف نمی‌شود - این عبارت متعلق به قفسه‌های سرور و غلاف‌های پردازشگر گرافیکی خنک‌شونده با مایع است - اما مرز بین دستگاه‌های مصرف‌کننده و تجهیزات مرکز داده تار می‌شود که آموزش ماموران افزایش می‌یابد.

این زمان همچنین با یک کشش خشن برای روایت عمومی اپل تلاقی کرد. پوشش CNBC از انتقال رهبری این شرکت، اپل را وارد «عصر جان ترنوس» در میان چالش‌های هوش مصنوعی و تشدید تنگنای حافظه می‌داند که اشاره‌ای به کمبود قطعاتی است که صنعت گسترده‌تر الکترونیک را تحت فشار قرار داده است. طبق گزارش CNBC، سامسونگ در ماه ژوئیه هشدار داد که انتظار دارد بحران فعلی تراشه تا سال 2028 ادامه داشته باشد - پس زمینه ای که خرید سخت افزارهای بزرگ و پایدار توسط آزمایشگاه هوش مصنوعی را دوچندان می کند.

آنتروپیک نیز ظاهراً سیلیکون اپل را اجاره کرده است

OpenAI تنها آزمایشگاه مرزی نیست که با سخت افزار اپل آزمایش می کند. طبق گزارش 24/7 Wall St.، گزارش شده است که Anthropic ظرفیت سیلیکون اپل را از طریق خدمات وب آمازون برای بارهای کاری مشابه اجاره کرده است. هیچ‌کدام از جزئیات این واقعیت را تغییر نمی‌دهند که انویدیا مرکز ثقل محاسبات هوش مصنوعی باقی می‌ماند، اما با هم به یک نتیجه عملی در صنعت اشاره می‌کنند: آزمایشگاه‌ها در جستجوی محاسبات هستند، هر جا که اقتصاد و شکل حجم کار منطقی باشد.

برای اپل، این اثر یک باد تقاضا است که هرگز برای آن برنامه ریزی نکرده بود. 24/7 Wall St. اشاره کرد که درآمد مک در سه ماهه اخیر اپل 29 درصد رشد داشته است و سفارشات انبوه آزمایشگاه هوش مصنوعی را به عنوان یک افزایش تصادفی درآمد چند میلیارد دلاری در نظر گرفته است - رشدی که بدون صرف میلیاردها دلار اپل برای ساخت مرکز داده به دست می‌آید.

چه معنایی برای بازار محاسبات هوش مصنوعی دارد

این داستان به سه دلیل فراتر از صورت درآمد اپل اهمیت دارد.

اول، تایید می کند که مرحله بعدی رقابت هوش مصنوعی عاملی است. مشکل گران دیگر فقط آموزش مدلی برای پاسخگویی به سوالات نیست. این سیستم های آموزشی برای تکمیل وظایف در محیط های نرم افزار واقعی است. این کلاس حجم کاری با تعداد محیط‌هایی که می‌توانید شبیه‌سازی کنید، مقیاس می‌شود، که به نفع ناوگان توزیع‌شده ماشین‌های معمولی نسبت به خوشه‌های یکپارچه منفرد است.

دوم، نقشه تامین کننده را گسترش می دهد. در طول سال‌های 2025 و 2026، مکالمه سخت‌افزاری هوش مصنوعی تحت سلطه کمبود پردازنده گرافیکی، هزینه‌های سرمایه‌ای فرامقیاس‌کننده و مشکلات عرضه بر اساس گمرک بوده است. اگر هزاران رایانه رومیزی خارج از قفسه بتوانند سهم معناداری از بار آموزشی عامل را حمل کنند، عرضه مؤثر محاسبات با قابلیت هوش مصنوعی بزرگتر - و پراکنده تر - از روایت مرکز داده است.

سوم اینکه وابستگی های عجیبی ایجاد می کند. آزمایشگاه های مرزی اکنون سهم واقعی در آهنگ انتشار، قیمت گذاری و در دسترس بودن قطعات خطوط سخت افزاری مصرف کننده دارند. کمبود حافظه که قیمت دسکتاپ را افزایش می‌دهد یا چرخه به‌روزرسانی که سیلیکون داخل مک مینی را تغییر می‌دهد، اکنون مستقیماً در برنامه‌های آموزشی هوش مصنوعی موج می‌زند.

بعد چه چیزی را تماشا کنیم

نه OpenAI و نه اپل به طور عمومی مقیاس این برنامه را توضیح نداده‌اند، بنابراین اعداد کلیدی - شمارش دقیق ماشین‌ها، هزینه‌ها و نحوه مقایسه نتایج آموزشی با جایگزین‌های مبتنی بر GPU - تایید نشده باقی می‌مانند. سؤالاتی که ارزش ردیابی دارند این است که آیا آزمایشگاه‌های دیگر با ناوگان دسکتاپ خود دنبال می‌کنند، آیا اپل به تقاضای هوش مصنوعی سازمانی با پیکربندی‌هایی که به طور خاص برای بار کاری نماینده‌ها هدف قرار می‌گیرند متمایل است یا خیر، و اینکه آیا مزیت حافظه یکپارچه زمانی که عامل‌ها از کنترل یک دسکتاپ به سازماندهی همزمان بسیاری از دسکتاپ‌ها می‌روند، وجود دارد یا خیر.

در حال حاضر، تصویر به اندازه کافی واضح است: ساختار هوش مصنوعی یک سطح جدید رشد کرده است و به جای مراکز داده، روی میزها قرار دارد. برای اطلاعات بیشتر در مورد چگونگی پیشرفت رقابت زیرساختی صنعت، به پوشش مداوم ما در مورد سخت افزار هوش مصنوعی و شرکت های سازنده آن مراجعه کنید.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →