AI အခြေခံအဆောက်အအုံ၏ စီးပွားရေးသည် ပြောင်းပြန်ဖြစ်သွားသည်။ ယနေ့ခေတ် AI အခြေခံအဆောက်အအုံများမှတစ်ဆင့် လုပ်ဆောင်နေသော အလုပ်ဝန်ပမာဏ၏ သုံးပုံနှစ်ပုံသည် လေ့ကျင့်ရေးထက် အနုမာနဖြစ်ကြောင်း Positron AI အမှုဆောင် Cameron McCaskill က SC26 စူပါကွန်ပြူတာကွန်ဖရင့်တွင် theCUBE Research နှင့် တွေ့ဆုံမေးမြန်းခန်းတွင် အဆိုပါကိန်းဂဏန်းကို မျှဝေခဲ့သည်။ လွန်ခဲ့သည့်သုံးနှစ်က ခွဲထွက်မှုသည် ဆန့်ကျင်ဘက်နီးပါးဖြစ်သည်- လေ့ကျင့်မှု 85 ရာခိုင်နှုန်းခန့်နှင့် 15 ရာခိုင်နှုန်း အနုမာနဖြစ်သည်။
ထိုပြောင်းပြန်လှန်မှုသည် AI တွက်ချက်သည့်နေရာ၏မြေပုံကို တိတ်တဆိတ်ပြန်လည်ရေးဆွဲနေသည် — နှင့် ၎င်းသည် မျိုးဆက်သစ် inference-first chipmakers များသည် ၎င်းတို့ထက်ပိုမိုကြီးမားသောကုမ္ပဏီများထံမှ cloud သဘောတူညီချက်များကို ရုတ်တရက်အနိုင်ရသည့်အကြောင်းရင်းကို ရှင်းပြသည်။
Flip နောက်ကွယ်ရှိ နံပါတ်များ
"ကျွန်ုပ်တို့သည် ဤ AI အခြေခံအဆောက်အဦများမှတဆင့် လုပ်ဆောင်နေသော အလုပ်များထဲမှ သုံးပုံနှစ်ပုံခန့်သည် ကောက်ချက်ချပြီး သုံးပုံတစ်ပုံသည် လေ့ကျင့်ရေးများဖြစ်သည်" ဟု Positron မှ အရောင်းနှင့်လုပ်ငန်းဖွံ့ဖြိုးတိုးတက်ရေးအကြီးအကဲ McCaskill က theCUBE Research ၏ Rebecca Knight နှင့် John Furrier နှင့် တွေ့ဆုံမေးမြန်းခန်းတွင် ပြောကြားခဲ့သည်။ "2023 ခုနှစ်တုန်းကတော့ 85% လေ့ကျင့်မှု၊ 15% အနုမာနနဲ့တူတယ်။ ဒါကြောင့်မို့လို့ အနုမာနက သူတို့ရဲ့ အခြေခံအဆောက်အအုံကို ဘယ်လိုတည်ဆောက်မယ်ဆိုတဲ့ စီးပွားရေးဆိုင်ရာ ဆုံးဖြတ်ချက်တွေကို တွန်းအားပေးနေတာ တွေ့ရတယ်။"
အပြောင်းအရွှေ့သည် အလိုလိုသိမြင်စေသည်။ လေ့ကျင့်ရေးသည် ဒေါ်လာဘီလီယံနှင့်ချီသော အစုအဝေးများရှိသော လက်တစ်ဆုပ်စာ နယ်နိမိတ်ရှိ ဓာတ်ခွဲခန်းများတွင် လေ့ကျင့်ပေးသည်။ ကောက်ချက်ချမှုသည် နေရာတိုင်းတွင်၊ အသုံးပြုသူတစ်ဦးက မော်ဒယ်တစ်ခုအား အချက်ပြလိုက်တိုင်း—နှင့် စားသုံးသူနှင့် လုပ်ငန်းမှ မွေးစားမှု ပေါက်ကွဲလာသည်နှင့်အမျှ တိုကင်များအတွက် အစုလိုက်ဝယ်လိုအားသည် လေ့ကျင့်ရေးခေတ်အတွက် တည်ဆောက်ထားသော အခြေခံအဆောက်အအုံများကို လွှမ်းခြုံသွားခဲ့သည်။ ယခုအခါ ပါဝါ၊ အအေးခံခြင်းနှင့် မမ်မိုရီထောက်ပံ့မှုတို့သည် တိုကင်များကို ကုန်ကြမ်းချစ်ပ်များ၏ စွမ်းဆောင်နိုင်သည်နှင့်အမျှ တိုကင်များထုတ်ပေးသည့်နေရာတွင် ပုံဖော်ထားပြီး၊ ဟာ့ဒ်ဝဲက အပေးအယူများသည့် အပြောင်းအလဲများဖြစ်သည်။
ကုန်စည်မှတ်ဉာဏ်အပေါ် Positron ၏လောင်းကြေး
စက်တင်ဘာလတွင် ဒေါ်လာ ၅ ဘီလီယံတန်ဖိုးရှိ ဒေါ်လာ ၈၇၅ သန်းဖြင့် စုဆောင်းထားသည့် Positron AI သည် အနုမာနခေတ်တလျှောက် ၎င်း၏ဗျူဟာတစ်ခုလုံးကို တည်ဆောက်ခဲ့သည်။ ကုမ္ပဏီ၏ဗဟိုဒီဇိုင်းရွေးချယ်မှု- AI အရှိန်မြှင့်စက်အများစုကို ကျောက်ချသည့် ရှားပါးပြီး စျေးကြီးသော မှတ်ဉာဏ်အမျိုးအစားကို ကျော်သွားကာ အစား ကုန်စည်မှတ်ဉာဏ်ပတ်လည်တွင် အနုမာနသုံးပစ္စည်းများကို တည်ဆောက်ပါ။
"စက်မှုလုပ်ငန်းမှာ တခြားလူတိုင်းက HBM ဒါမှမဟုတ် high bandwidth memory ကိုသုံးနေကြတယ်။ ထောက်ပံ့မှုမှာ အလွန်အကန့်အသတ်ရှိတယ်၊ အရမ်းစျေးကြီးတယ်" ဟု McCaskill မှ ပြောကြားခဲ့သည်။ "ငါတို့ ကုန်စည်မှတ်ဉာဏ်နဲ့ သွားခဲ့တယ်"
အပေးအယူလုပ်ခြင်းသည် တမင်ဖြစ်သည်။ Commodity memory သည် စျေးပိုသက်သာပြီး အရင်းအမြစ်ရှာရန် ပိုလွယ်ကူသည် နှင့် Positron ၏ ဗိသုကာလက်ရာသည် လေအေးပေးသည့်အခန်းများအတွက် ပါဝါနိမ့်နေပါသည် — ထူးခြားဆန်းပြားသော အရည်အအေးခံရန် မလိုအပ်ပါ။ Positron ဆာဗာတစ်ခုသည် 4,500 watts ခန့်ဆွဲနိုင်ပြီး ကုမ္ပဏီ၏ထွက်ရှိလာမည့် Titan ဆာဗာများ၏ အစုံအလင်သည် 40 ကီလိုဝပ်အတွင်း အံဝင်ခွင်ကျဖြစ်သည်။
လမ်းပြမြေပုံသည် လျင်မြန်စွာ တိုးတက်လာနေပါသည်။ Positron ၏ ပထမမျိုးဆက် Atlas ဆာဗာသည် ပရိုဂရမ်ထုတ်နိုင်သော ချစ်ပ်တစ်ခုပေါ်တွင် လည်ပတ်နေပြီး ကုမ္ပဏီသည် ၎င်း၏ကိုယ်ပိုင်ဆီလီကွန်ကို လာမည့်နှစ်အစောပိုင်းတွင် Titan ဆာဗာအတွက် တိပ်ခွေထုတ်ရန် စီစဉ်ထားသည်။ ကုမ္ပဏီသည် marquee ဖြန့်ကျက်မှုများကို လုပ်ဆောင်ထားပြီးဖြစ်သည်- Oracle သည် ယခုသုံးလပတ်တွင် ၎င်း၏ cloud တွင်နေထိုင်သော Atlas ဆာဗာပေါင်း 340 ခန့်ကို ယူဆောင်လာပြီး McCaskill ၏အဆိုအရ neocloud ဝန်ဆောင်မှုပေးသူတစ်ဦးသည် လာမည့် Titan မျိုးဆက်သို့ ကတိပြုနေစဉ်တွင် Atlas အတွက် လက်မှတ်ရေးထိုးထားသည်။
Modular ဒေတာစင်တာများသည် ကောက်ချက်ချရန်အတွက် သဘာဝအိမ်ဖြစ်လာသည်။
အင်တာဗျူး၏အကျိုးဆက်အကျဆုံးအပိုင်းမှာ ဝယ်လိုအားက လာနေသည်- ဟု McCaskill ကပြောသည်- အလွန်ကြီးမားသောကျောင်းဝင်းများမဟုတ်ဘဲ သေးငယ်သော၊ မြန်ဆန်သော၊ မော်ဂျူလာအဆောက်အအုံများဖြစ်သည်။
"အခုလက်ရှိမှာ ထုတ်ကုန်အတွက် ကျွန်တော်တို့ဆီ ရောက်လာတဲ့ ကုမ္ပဏီအုပ်စုတွေထဲက တစ်ခုက အဲဒီ မော်ဂျူလာဒေတာစင်တာတွေ၊ သူတို့မှာ မဂ္ဂါဝပ်တစ်ဝက် ဒါမှမဟုတ် 1 မဂ္ဂါဝပ် ဒါမှမဟုတ် 2.5 မဂ္ဂါဝပ်ရှိတဲ့ မော်ဂျူလာဒေတာစင်တာတွေဖြစ်ပြီး အဲဒါတွေကို မြန်မြန်ဆန်ဆန် အသုံးချနိုင်မှာပါ" ဟု ၎င်းက ပြောသည်။ "ဒီအနုမာနကစားသမားတွေ အများကြီးရဲ့ ပန်းတိုင်က မြေနဲ့ ပါဝါကနေ ရက်ပေါင်း 90 မှ 120 အတွင်း ငွေရှာလို့ရတဲ့ တိုကင်တွေအထိ ရချင်ပါတယ်"
ခွင့်ပြုရန်၊ တည်ဆောက်ရန်နှင့် စွမ်းအင်ရရှိရန် နှစ်ပေါင်းများစွာ ကြာနိုင်သည့် gigawatt အတိုင်းအတာ လေ့ကျင့်ရေးကျောင်းဝင်းအတွက် ထိုအချိန်ဇယား—အခြေခံမှသည် ဝင်ငွေအထိ လေးပုံတစ်ပုံခန့် မဖြစ်နိုင်ပေ။ Inference workloads များသည် သေးငယ်ပြီး၊ ပထဝီဝင်အနေအထားအရ လိုက်လျောညီထွေရှိကာ၊ အော်ပရေတာများသည် ကြီးမားသော စည်းကမ်းအတားအဆီးများမရှိဘဲ စျေးပေါသော ဓာတ်အား မဂ္ဂါဝပ်အနည်းငယ်ကို ရှာဖွေနိုင်သည့် နေရာများ၏ ခံနိုင်ရည်ရှိသည်။ ရလဒ်မှာ တယ်လီကိုဆိုက်များ၊ စက်ရုံများ နှင့် မော်ဂျူလာယူနစ်များ အမှန်တကယ်ဝယ်လိုအားရှိနေသည့်နေရာနှင့် ပိုမိုနီးကပ်စွာ တည်ရှိနေသော ဖြန့်ဝေသည့် အနုမာနအခြေခံအဆောက်အအုံ၏ ပေါ်ထွက်လာသော အဆင့်တစ်ခုဖြစ်သည်။
စက်မှုလုပ်ငန်းအတွက်ဆိုလိုသည်။
ချစ်ပ်ရောင်းချသူများအတွက် သတင်းစကားမှာ AI ဟာ့ဒ်ဝဲဈေးကွက်သည် နှစ်ခြမ်းကွဲနေပြီဖြစ်သည်။ လေ့ကျင့်ရေးသည် အဆင့်မြင့်ဆုံး အရှိန်မြှင့်စက်များနှင့် အနက်ရှိုင်းဆုံး အိတ်ကပ်များကို ဆက်လက် ဆုချီးမြှင့်ပါသည်။ Inference သည် မတူညီသော သီလများကို ချီးမြှင့်သည်- ပါဝါထိရောက်မှု၊ မှတ်ဉာဏ်ကုန်ကျစရိတ်၊ ဖြန့်ကျက်မှုအမြန်နှုန်းနှင့် သာမန်လေအေးပေးထားသည့် အဆောက်အဦများတွင် လည်ပတ်နိုင်မှုတို့ကို ပေးသည်။ လေ့ကျင့်ရေးပြိုင်ပွဲအတွက်သာ ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ထားသော ရောင်းချသူများသည် အနာဂတ်တွင် အသုံးချမှုဆုံးဖြတ်ချက်များ၏ အကြီးမားဆုံးပမာဏကို ရှာဖွေနိုင်သည် — တိုကင်များ အမှန်တကယ် ငွေရှာသည့်နေရာ — မတူညီသောကန့်သတ်ချက်များအတွက် ဒီဇိုင်းထုတ်ထားသော ဟာ့ဒ်ဝဲပေါ်တွင် ဖြစ်ပေါ်နေသည်။
လုပ်ငန်းများနှင့် cloud သုံးစွဲသူများအတွက်၊ အပြောင်းအလဲသည် အများအားဖြင့် မမြင်နိုင်သော်လည်း တိုးများလာသော အကျိုးဆက်ဖြစ်သည်- ရက် 90 မှ 120 ရက်ကြာ တိုးမြင့်လာသော အနုမာနစွမ်းရည်ဆိုသည်မှာ သုံးစွဲသူများနှင့် ဒေတာများအနီးတွင် လည်ပတ်နေသော မော်ဒယ်များအတွက် ပိုမိုပြိုင်ဆိုင်သောစျေးနှုန်းနှင့် ပထဝီဝင်ရွေးချယ်စရာများဖြစ်သည်။
ထို့အပြင် AI လုပ်ငန်း၏တည်ဆောက်ပုံဇာတ်ကြောင်းအတွက် — gigawatt ကျောင်းဝင်းများအတွက် အဆုံးမရှိပြိုင်ဆိုင်မှုအဖြစ် ဘောင်ခတ်လေ့ရှိသည် — ကောက်ချက်လှန်မှုသည် အရွယ်အစားချဲ့ရုံသာမကဘဲ ဝယ်လိုအားမျဉ်းကွေးသည် ကျယ်ပြန့်လာနေကြောင်း သတိပေးချက်တစ်ခုဖြစ်သည်။ SC26 တွင် ဖော်ပြထားသော မှတ်တိုင်သုံးပုံနှစ်ပုံသည် အမှုဆောင်တစ်ဦး၏ ခန့်မှန်းချက်ဖြစ်သော်လည်း ၎င်းသည် အဓိက cloud အော်ပရေတာတိုင်း တင်ပြသည့် လမ်းညွှန်ချက်နှင့် ကိုက်ညီသည်- AI တည်ဆောက်မှု၏ ဆွဲငင်အား၏ဗဟိုသည် မော်ဒယ်များကို လေ့ကျင့်သင်ကြားခြင်းမှ ၎င်းတို့ကို ဝန်ဆောင်မှုပေးရန် ရွေ့လျားနေသည်။
AI ထက်သာလွန်နေပါစေ AI Buzz Wire၊ AI ဟာ့ဒ်ဝဲနှင့် အခြေခံအဆောက်အအုံဆိုင်ရာ သတင်းများအတွက် သင်၏အရင်းအမြစ်ဖြစ်သော [AI Buzz Wire] (https://aibuzzwire.news) ဖြင့် ဖြစ်ပျက်လာသောအခါတွင် နောက်ဆုံးပေါ် AI တိုးတက်မှုများကို ခြေရာခံပါ။ AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →