הדו"ח, שציטט אנשים בעלי ידע ישיר על התוכניות, מעיד על האצה בדחיפה של מיקרוסופט לעצב מאיצי בינה מלאכותית משלה ולהפחית את התלות הרבה שלה במעבדים היקרים של Nvidia. המהלך הוא חלק מגל רחב יותר של חדשות בינה מלאכותית שבו מפעילי הענן הגדולים בעולם דוהרים לבנות סיליקון מותאם אישית לעומסי העבודה שלהם.
תשובה ישירה לכוח התמחור של Nvidia
ה-GPUs של Nvidia מפעילים כיום את הרוב המכריע של ההכשרה וההסקות של דגמי AI גדולים אצל ספקי ענן בקנה מידה גבוה, ולתלות הזו יש מחיר יקר. מיקרוסופט, כמו גוגל, אמזון ומטה, הוציאה מיליארדים ברכישת חומרת Nvidia כדי לעמוד בקצב הביקוש לשירותי בינה מלאכותית כמו עוזר Copilot שלה ושירות Azure OpenAI.
ה-Maia 300 ממוקם כהצעה של מיקרוסופט לגבות חלק מההוצאות הללו. על ידי תכנון שבבים המותאמים במיוחד לסוגי עומסי העבודה הפועלים במרכזי הנתונים שלה, מיקרוסופט שואפת לחזק את צינור ייצור שבבי ה-AI שלה ולהפחית את הסתמכותה על החומרה המוגבלת באספקה של Nvidia ובמחיר הפרמיה.
מ- Maia 100 ל- Maia 300
מיקרוסופט הכריזה לראשונה על כניסתה לסיליקון AI מותאם אישית בנובמבר 2023, וחשפה את מאיץ ה-AI המקורי Maia 100 לצד המעבד המרכזי Cobalt 100 בכנס המפתחים שלה Ignite. ה-Maia 100 הוצג כשבב שנבנה מהיסוד כדי להריץ דגמי שפות גדולים ועומסי עבודה אחרים של AI בתוך Azure.
הקפיצה ל- Maia 300 מייצגת שדרוג דורי משמעותי. בעוד הדו"ח של The Information לא חשף מפרטים מפורטים, מוסכמות המספור - והפער הרב-שנתי מאז ה-Maia 100 המקורי - מצביעים על שיפורים מהותיים בביצועים וביעילות ההספק, שני המדדים החשובים ביותר להסקת AI בקנה מידה גבוה.
מדוע Hyperscalers עוברים התאמה אישית
מיקרוסופט רחוקה מלהיות לבד בחיפוש אחר סיליקון פנימי. האסטרטגיה הפכה למאפיין מכונן בנוף החומרה הנוכחי של AI:
- גוגל חזרה על יחידות העיבוד של Tensor (TPUs) שלה במשך כעשור וכעת מציעה אותן ללקוחות הענן.
- אמזון השקיעה רבות במשפחות שבבי ה-Trainium וה-Inferentia שלה דרך חטיבת ה-Annapurna Labs שלה.
- Meta מפתחת את קו ה-MTIA (Meta Training and Inference Accelerator) שלה.
- AMD ממשיכה להרחיב את מערך ה-Instinct GPU שלה כחלופה הסוחר המובילה ל-Nvidia.
עבור חברות אלה, החשבון הוא פשוט. ניתן לכוון את הסיליקון המותאם אישית לדגמים ולערימות התוכנה המדויקות שהחברה מפעילה, מה שעלול להוזיל את העלות לשאילתה, להפחית את זמן ההשהיה ולשחרר את האחיזה של Nvidia בשרשרת האספקה של מחשוב הבינה המלאכותית. אפילו מעבר חלקי הרחק מחומרת Nvidia יכול לתרגם לחסכון של מאות מיליוני דולרים בהיפר-סקאלה.
מה שספטמבר יכול להביא
אם מיקרוסופט אכן תחשוף את ה-Maia 300 בחודש הבא, סביר להניח שהיא תנצל את ההזדמנות כדי לפרט מדדי ביצועים, זמינות בתוך Azure, ואיזה ממוצרי ה-AI של הצד הראשון שלה יפעלו על החומרה החדשה. החברה הגדירה בעבר את הסיליקון המותאם אישית שלה כמשלימה - במקום תחליף סיטונאי ל- Nvidia GPUs, מה שמציע מודל היברידי שבו שתי משפחות השבבים מתקיימות במקביל בתשתית ה-AI של Azure.
אנליסטים בתעשייה יעקבו מקרוב אחר שני דברים: האם ה-Maia 300 מספק רווחים משמעותיים במחיר-ביצועים לעומת הדור הנוכחי של Nvidia, והאם מיקרוסופט יכולה לייצר מספיק מהם כדי לעשות חיל בהזמנות ה-Nvidia שלה. ייצור שבבים בקנה מידה זה תלוי ביכולת אריזה מתקדמת ושותפויות יציקה שנשארות הדוקות בכל התעשייה.
התמונה הגדולה יותר
הופעתו של Maia 300 מדגישה שינוי מהותי בכלכלת הבינה המלאכותית. החברות שבונות ומפעילות את מערכות הבינה המלאכותית הגדולות ביותר כבר אינן מסתפקות בהיותן רק הלקוחות הגדולים ביותר של ספק שבבים בודד. הם הופכים למעצבי שבבים בזכות עצמם, ומעצבים מחדש את שרשרת האספקה שבה שלטה Nvidia מאז החלה תנופת ה-AI הגנרטיבית.
עבור מיקרוסופט, ההימור גבוה במיוחד. החברה התחייבה להוצאות הון אדירות כדי להרחיב את תשתית הבינה המלאכותית שלה, והמשקיעים מתמקדים יותר ויותר בשאלה האם ההוצאות הללו יתורגמו למרווחים עמידים. תוכנית שבבים מוצלחת בתוך הבית היא אחד המנופים הברורים ביותר שיש למיקרוסופט כדי לשפר את כלכלת היחידה של עסקי הבינה המלאכותית שלה.
הישאר לפני AI
רוצה להתעדכן בפיתוחים האחרונים בחומרת AI, סיליקון מותאם אישית והחברות שמעצבות מחדש את התעשייה? סימנייה AI Buzz Wire לסיקור יומי של הסיפורים החשובים.
קרא עוד חדשות AI →
