អង្គភាពដំណើរការ tensor របស់ Google ឥឡូវនេះកំពុងដំណើរការនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យរបស់ Meta នេះបើយោងតាមរបាយការណ៍ពី Tom's Hardware ចេញផ្សាយនៅថ្ងៃទី 22 ខែតុលា ឆ្នាំ 2026 — ជាលើកដំបូងដែល Google បានលក់បន្ទះឈីប AI ផ្ទាល់ខ្លួនទៅឱ្យអតិថិជនខាងក្រៅជាផ្នែករឹងដែលបានដាក់ពង្រាយជាជាងតាមរយៈ cloud របស់ខ្លួន។ ការផ្លាស់ប្តូរនេះគឺជាការផ្លាស់ប្តូរជាប្រវត្តិសាស្ត្រនៅក្នុងទីផ្សារផ្នែករឹង AI ដែល GPUs របស់ Nvidia ជាជម្រើសលំនាំដើមជាយូរមកហើយសម្រាប់ការបណ្តុះបណ្តាល និងបម្រើម៉ូដែលធំៗ។

អស់រយៈពេលជាច្រើនឆ្នាំ ការសន្មតនៅក្នុងឧស្សាហកម្មនេះគឺថាប្រព័ន្ធអេកូសូហ្វវែរ CUDA របស់ Nvidia បានធ្វើឱ្យ GPUs របស់វាមិនអាចជំនួសបាន ទោះបីជាមានជម្រើសជំនួសក៏ដោយ។ ការសន្មត់នោះឥឡូវនេះកំពុងត្រូវបានសាកល្បងដោយក្រុមហ៊ុនទាំងពីរដែលមានទីតាំងល្អបំផុតដើម្បីបំបែកវា។ កិច្ចព្រមព្រៀងដែលមកលើការចំណាយលើហេដ្ឋារចនាសម្ព័ន្ធ AI ដ៏ធំសម្បើមរបស់ Meta ក្នុងត្រីមាសនេះ បង្ហាញពីរបៀបដែលអ្នកធ្វើមាត្រដ្ឋានខ្ពស់កំពុងស្វែងរកឯករាជ្យភាពនៃកុំព្យូទ័រ ដែលជារឿងដែលអ្នកអាចតាមដានកាន់តែស៊ីជម្រៅជាមួយនឹងការអភិវឌ្ឍន៍ AI ចុងក្រោយបំផុតដែលគ្របដណ្តប់ជារៀងរាល់ថ្ងៃនៅលើគេហទំព័ររបស់យើងនៅ aibuzzwire.news។

ពី TorchTPU ទៅដែក និងស៊ីលីកុន

មូលដ្ឋានគ្រឹះសម្រាប់ពេលនេះត្រូវបានដាក់ជាសាធារណៈកាលពីពីរថ្ងៃមុន។ នៅថ្ងៃទី 20 ខែតុលា Google និង Meta បានរួមគ្នាបើកប្រភព TorchTPU ដែលជាកម្មវិធីខាងក្រោយ PyTorch សម្រាប់ TPUs របស់ Google បានប្រកាសនៅលើប្លក់ PyTorch ផ្លូវការដោយក្រុម TorchTPU ។ គម្រោងនេះបានចាប់ផ្តើមនៅ Google នៅពាក់កណ្តាលឆ្នាំ 2025 ដោយសហការជាមួយក្រុម PyTorch របស់ Meta ហើយវាធ្វើអ្វីមួយដែលមិនមានការប្រឹងប្រែងពីមុនដែលគ្រប់គ្រងបានស្អាតនោះទេ៖ វាអនុញ្ញាតឱ្យបន្ទុកការងារ PyTorch ដែលមានស្រាប់ដំណើរការលើ TPUs ជាមួយនឹងការផ្លាស់ប្តូរកូដមិនសំខាន់ ដោយប្តូរ `.to("cuda")` សម្រាប់ `.to("tpu")`។

នោះជាបញ្ហាដោយសារតែការប៉ុនប៉ងមុនរបស់ Google គឺ PyTorch/XLA ដែលបានចាប់ផ្តើមនៅឆ្នាំ 2020 ទាមទារការកែប្រែកូដប្រភពដែលរំខាន រងទុក្ខពីការចងក្រងជាយូរ និងខ្វះការគាំទ្រសម្រាប់របៀបប្រតិបត្តិយ៉ាងអន្ទះសាររបស់ PyTorch ។ ក្រុមជាច្រើនដែលបានពិសោធជាមួយ TPUs បានបញ្ចប់ការត្រលប់ទៅ Nvidia GPUs ដោយហេតុថាបទពិសោធន៍របស់អ្នកអភិវឌ្ឍន៍គឺឈឺចាប់ពេក។ TorchTPU ត្រូវបានរចនាឡើងយ៉ាងច្បាស់លាស់ដើម្បីជួសជុលនោះ ដោយមិនមាន JAX អាស្រ័យនៅក្នុងពេលដំណើរការ និងការរួមបញ្ចូល torch.compile ដែលបង្កើតឡើងនៅលើ Torch Dynamo ជាជាងវិធីសាស្រ្ត Lazy Tensor ចាស់។

អ្វីដែល Meta ទទួលបានចេញពីកិច្ចព្រមព្រៀង

លទ្ធផលបច្ចេកទេសដែល Google និង Meta បានផ្សព្វផ្សាយជាសាធារណៈគឺគួរឱ្យកត់សម្គាល់។ យោងតាមព័ត៌មានលម្អិតដែលបានរាយការណ៍ដោយ Yahoo Tech ជង់ TorchTPU ត្រូវបានធ្វើឱ្យមានសុពលភាពប្រឆាំងនឹងម៉ូដែល Hugging Face ចំនួន 5,000 ហើយរបៀបប្រតិបត្តិ DeferAndFuse របស់ Google ផ្តល់នូវការកើនឡើងនៃការអនុវត្ត 50 ភាគរយ ឬច្រើនជាងនេះលើការប្រតិបត្តិយ៉ាងតឹងរ៉ឹង។ ករណីសិក្សារបស់អ្នកលក់បង្ហាញថាម៉ូដែល Llama 3 405B របស់ Meta ឈានដល់ការប្រើប្រាស់ FLOPs គំរូ 57 ភាគរយនៅលើចង្កោមពី 128 ទៅ 1,024 Ironwood TPUs ដែលជាតួលេខដែលខណៈពេលដែលរាយការណ៍ដោយខ្លួនឯងបង្ហាញថាបន្ទះឈីបអាចដំណើរការបន្ទុកបណ្តុះបណ្តាលកម្រិតព្រំដែនប្រកបដោយសមត្ថភាព។

សេដ្ឋកិច្ចគឺជារឿងធំជាង។ TPUs មានពាក្យចចាមអារ៉ាមជាយូរមកហើយថាមានតម្លៃទាបជាង Nvidia GPUs កំពូលៗ ហើយក្រុមហ៊ុនដែលមានចំណង់ក្នុងការគណនារបស់ Meta ដែលគ្របដណ្តប់ទាំងមហិច្ឆតាស្រាវជ្រាវ AI និងប្រព័ន្ធណែនាំរបស់វា — មានរាល់ការលើកទឹកចិត្តក្នុងការធ្វើពិពិធកម្មឆ្ងាយពីអ្នកផ្គត់ផ្គង់តែមួយ។ Bloomberg បានរាយការណ៍កាលពីខែវិច្ឆិកាឆ្នាំ 2025 ថា Meta និង Google កំពុងពិភាក្សាអំពីការដាក់ពង្រាយ TPUs នៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យរបស់ Meta ហើយការសហការលើ TorchTPU ត្រូវបានរាយការណ៍ដោយ Reuters ក្នុងខែធ្នូ ឆ្នាំ 2025។ អ្វីដែលបានផ្លាស់ប្តូរនៅពេលនេះគឺថាកិច្ចព្រមព្រៀងបានផ្លាស់ប្តូរពីការពិភាក្សាទៅជាការដាក់ពង្រាយ ដោយ Tom's Hardware បានរាយការណ៍ថាបន្ទះឈីបត្រូវបានដំឡើង និងដំណើរការនៅក្នុងឧបករណ៍។

ការបង្ក្រាបនៅក្នុងពាសដែករបស់ Nvidia

Nvidia នៅតែគ្រប់គ្រងទីផ្សារឧបករណ៍បង្កើនល្បឿន AI ភាគច្រើនលើសលប់ ហើយចំណូលពីមជ្ឈមណ្ឌលទិន្នន័យរបស់វានៅតែជាគោលដែលគ្រប់ដៃគូប្រកួតប្រជែងដេញតាម។ ប៉ុន្តែថាមវន្តកំពុងផ្លាស់ប្តូរ។ ដូចដែល TechCrunch ដាក់វានៅក្នុងការគ្របដណ្តប់របស់ខ្លួននៃការបើកដំណើរការ TorchTPU ក្រុមហ៊ុន Google បានចូលរួមជាមួយក្រុមហ៊ុន Amazon ក្នុងការវាយប្រហារយ៉ាងរឹងមាំរបស់ Nvidia នៅលើស្រទាប់ផ្នែកទន់ដែលរក្សាអ្នកអភិវឌ្ឍន៍ភ្ជាប់ជាមួយផ្នែករឹងរបស់វា។ ទន្ទឹមនឹងនេះដែរ Meta ទទួលបានអានុភាពចរចា៖ រាល់ rack TPU ដែលវាដំឡើងគឺជា rack នៃ GPU ដែលវាមិនចាំបាច់ទិញតាមតម្លៃរបស់ Nvidia ទេ។

សម្ពាធគឺមកពីទិសដៅជាច្រើនក្នុងពេលតែមួយ។ Amazon មានបន្ទះឈីប Trainium របស់ខ្លួន Google មាន TPUs ហើយរលកនៃការចាប់ផ្តើមអាជីវកម្មកំពុងបង្កើតឧបករណ៍បង្កើនល្បឿនជាក់លាក់។ អ្វី​ដែល​ធ្វើ​ឱ្យ​ការ​ដាក់​ពង្រាយ​មេតា​ខុស​គ្នា​គឺ​មាត្រដ្ឋាន និង​ភាព​មើល​ឃើញ។ Meta គឺជាអតិថិជនដ៏ធំបំផុតរបស់ Nvidia ហើយប្រសិនបើក្រុមវិស្វកម្មរបស់ខ្លួនសន្និដ្ឋានថា TPUs អាចទទួលបានចំណែកដ៏មានអត្ថន័យនៃទាំងការបណ្តុះបណ្តាល និងបន្ទុកការងារ នោះអ្នកទិញធំៗផ្សេងទៀតនឹងយកចិត្តទុកដាក់។

ការព្រមាន

គ្មាននេះមានន័យថាទីតាំងរបស់ Nvidia ដួលរលំពេញមួយយប់។ ប្លក់ PyTorch ខ្លួនវាព្រមានថា ខណៈពេលដែលម៉ូដែលអាចអស់ប្រអប់នៅលើ TPUs ការសម្រេចបាននូវដំណើរការខ្ពស់បំផុតនៅតែតម្រូវឱ្យមានការបង្កើនប្រសិទ្ធភាពផ្នែករឹង ពីព្រោះរូបរាងគំរូ យុទ្ធសាស្ត្របំបែក និងការអនុវត្តខឺណែលជាធម្មតាត្រូវបានសម្រួលសម្រាប់ស្ថាបត្យកម្ម GPU ។ សំណុំការណែនាំ TPU ខុសពីរបស់ Nvidia ហើយប្រព័ន្ធអេកូឡូស៊ីនៃឧបករណ៍ បណ្ណាល័យ និងវិស្វករដែលមានបទពិសោធន៍នៅតែមាន GPU-centric យ៉ាងខ្លាំង។

ក៏មានសំណួរនៃការផ្គត់ផ្គង់ផងដែរ។ Google បានបម្រុងទុក TPUs ជាប្រវត្តិសាស្ត្រសម្រាប់បន្ទុកការងារខាងក្នុង និងអតិថិជនពពករបស់វា ហើយសមត្ថភាពផលិតសម្រាប់ឧបករណ៍បង្កើនល្បឿនផ្ទាល់ខ្លួនមិនមានដែនកំណត់ទេ។ ថាតើ Google អាចឬចង់ផ្គត់ផ្គង់ TPUs ក្នុងទំហំដែលមានន័យចំពោះការគណនាសរុបរបស់ Meta — ដែលធ្វើអោយក្រុមហ៊ុនភាគច្រើនធ្លាក់ចុះ — នៅតែជាសំណួរបើកចំហ។

អ្វីដែលត្រូវមើលបន្ទាប់

សញ្ញាភ្លាមៗដែលត្រូវត្រួតពិនិត្យគឺថាតើអ្នកធ្វើមាត្រដ្ឋានខ្ពស់ផ្សេងទៀតធ្វើតាមការនាំមុខរបស់ Meta របៀបដែល Nvidia ឆ្លើយតបលើតម្លៃ និងថាតើសន្ទុះប្រភពបើកចំហរបស់ TorchTPU បកប្រែទៅជាការផ្លាស់ប្តូរពិតប្រាកដនៃបន្ទុកការងារ PyTorch ទៅលើហេដ្ឋារចនាសម្ព័ន្ធ TPU ដែរឬទេ។ ទីផ្សារផ្នែករឹង AI បានកំពុងរង់ចាំជាច្រើនឆ្នាំសម្រាប់ជម្រើសដែលអាចជឿទុកចិត្តបានចំពោះ Nvidia នៅចុងកំពូល។ ជាមួយនឹង TPUs ឥឡូវនេះកំពុងដំណើរការនៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យរបស់ក្រុមហ៊ុនទីពីរ ការរង់ចាំនោះអាចនឹងត្រូវបញ្ចប់។

នាំមុខ AI

ការប្រណាំងផ្នែករឹងរបស់ AI កំពុងបង្កើនល្បឿនយ៉ាងឆាប់រហ័ស ហើយអ្នកឈ្នះ និងអ្នកចាញ់នៅទសវត្សរ៍ក្រោយកំពុងត្រូវបានសម្រេចនៅពេលនេះ។ បន្តនាំមុខ AI ជាមួយនឹងការគ្របដណ្តប់ឯករាជ្យនៃបន្ទះឈីប ម៉ូដែល និងកិច្ចព្រមព្រៀងផ្លាស់ប្តូររូបរាងឧស្សាហកម្ម។

អានព័ត៌មាន AI បន្ថែម →