รายงานดังกล่าวครอบคลุมเมื่อวันที่ 16 สิงหาคมโดย Tom's Hardware และ Firstpost ท่ามกลางการแข่งขันที่เข้มข้นเพื่อออกแบบโครงสร้างพื้นฐาน AI ใหม่สำหรับโมเดลการให้เหตุผลและตัวแทนอัตโนมัติ ซึ่งเป็นการเปลี่ยนแปลงที่เราติดตามในการรายงานข่าว ข่าวด่วน AI ของเรา จากข้อมูลของ SemiAnalysis นั้น Google และลูกค้ากำลังผลักดัน TPU ที่มีคอร์ CPU บนแพ็คเกจสำหรับการเรียนรู้เสริม (RL) และเวิร์กโหลดอื่น ๆ ที่ต้องใช้ CPU จำนวนมาก และ AMD ก็เป็นตัวเลือกที่แข็งแกร่งในการจัดหาชิ้นส่วนที่ขาดหายไป
เหตุใด Google จึงไม่ต้องการให้ AMD ออกแบบ TPU
นักวิเคราะห์เทน้ำเย็นให้กับการอ่านเรื่องราวที่ง่ายที่สุด Google มีความเชี่ยวชาญภายในองค์กรอย่างมากในด้านสถาปัตยกรรมตัวเร่งความเร็ว ซึ่งได้รับการฝึกฝนมามากกว่าแปดรุ่นของ TPU และไม่จำเป็นต้องใช้ AMD ในการออกแบบ TPU ทั่วไปอื่น โอกาสที่ AMD จะใช้ชิปอนุมานถัดไปของ Google (TPU V10i) หรือชิปฝึกอบรม (TPU V10t) ถือว่าต่ำ
นักวิเคราะห์เชื่อว่า Google อาจต้องการสิ่งที่ผู้ผลิต CPU เช่น AMD สามารถให้ได้: ทรัพย์สินทางปัญญาของ CPU, ตรรกะที่ตั้งโปรแกรมได้, การเชื่อมต่อระหว่างกัน หรือความเชี่ยวชาญด้านบรรจุภัณฑ์ขั้นสูง กล่าวอีกนัยหนึ่ง เรื่องราวไม่ค่อยเกี่ยวกับ AMD ที่สร้างตัวเร่งความเร็ว AI ของ Google และเพิ่มเติมเกี่ยวกับสิ่งที่ชิปไฮบริด - การคำนวณเทนเซอร์ของ Google ที่แต่งงานกับแกนประมวลผลทั่วไปของ AMD - สามารถปลดล็อคได้
การเรียนรู้แบบเสริมกำลังเปลี่ยน AI Silicon จากภายในสู่ภายนอก
ตัวขับเคลื่อนคือการเปลี่ยนแปลงอย่างแท้จริงต่อวิธีที่ระบบ AI ใช้การประมวลผล การฝึกอบรมโมเดลภาษาขนาดใหญ่แบบเดิมๆ ยังคงต้องใช้ตัวเร่งจำนวนมากอย่างท่วมท้น: คณิตศาสตร์เมทริกซ์ ตลอดทั้งวันบน GPU และ TPU แต่การเรียนรู้แบบเสริมกำลังสำหรับการให้เหตุผลและแบบจำลองเชิงตัวแทนนั้นแตกต่างกัน ไปป์ไลน์ RL แทรกแซงการดำเนินการเร่งความเร็วด้วยการคำนวณแบบสเกลาร์ แบบแยกสาขา และวัตถุประสงค์ทั่วไปจำนวนมาก — การจำลองสภาพแวดล้อม การคำนวณรางวัล การจัดเรียบเรียงการเปิดตัวแบบขนานจำนวนมาก ซึ่งทำงานได้ดีกว่ามากบน CPU
การออกแบบระบบของ Google สะท้อนถึงการเปลี่ยนแปลงดังกล่าวแล้ว ตามรายงาน ระบบ TPU 8i ที่เน้นการอนุมานของ Google ซึ่งสร้างขึ้นเพื่อการอนุมาน การใช้เหตุผล และปริมาณงาน RL จะจัดเตรียม Google Axion CPU หนึ่งตัวสำหรับทุกๆ สอง TPU จากการเปรียบเทียบ เซิร์ฟเวอร์ที่ใช้ TPU รุ่นที่ 7 ใช้โปรเซสเซอร์ Intel Xeon "Emerald Rapids" หนึ่งตัวต่อทุกๆ สี่ TPU การเพิ่มอัตราส่วน CPU ต่อการเร่งความเร็วเป็นสองเท่าเป็นสัญญาณที่ชัดเจนว่า Google เห็นส่วนหัวของปริมาณงานอย่างไร และการรวมแกน CPU ไว้ข้างๆ ตัวเร่งความเร็วโดยตรงนั้นเป็นขั้นตอนถัดไปที่เป็นตรรกะ: เส้นทางข้อมูลที่สั้นลง การเคลื่อนย้ายข้อมูลน้อยลง และประสิทธิภาพการใช้พลังงานที่ดีขึ้นสำหรับปริมาณงานที่ AI แบบตัวแทนต้องการ
แบบอย่าง MI300A
AMD นำประสบการณ์ที่เกี่ยวข้องโดยตรงมาสู่โครงการดังกล่าว Instinct MI300A — ใช้งานในซูเปอร์คอมพิวเตอร์ระดับหัวกะทิ — เป็น APU ที่แท้จริงตัวแรกในระดับศูนย์ข้อมูล ซึ่งรวมชิปเล็ต Zen CPU x86 และชิปเล็ตประมวลผล GPU เข้ากับหน่วยความจำที่ใช้ร่วมกันในแพ็คเกจเดียว การออกแบบในอนาคตของ Google อาจมีรูปร่างคล้ายกัน นั่นคือชิปประมวลผล TPU ของ Google ที่จับคู่กับเทคโนโลยี CPU ของ AMD และหน่วยความจำแบนด์วิธสูง โดยที่ AMD อาจจัดการบางส่วนของบรรจุภัณฑ์และการบูรณาการ
ทั้งสองบริษัทมีเหตุผลที่จะพูดคุย สำหรับ Google ความเคลื่อนไหวดังกล่าวจะขยายกลยุทธ์ซิลิคอนที่ครอบคลุมพันธมิตรหลายรายอยู่แล้ว — กลุ่มผลิตภัณฑ์ TPU รุ่นที่แปดซึ่งประกาศในเดือนเมษายน 2569 แบ่งออกเป็นชิปการฝึกอบรมเฉพาะ (8t) และการอนุมาน (8i) และการรายงานเมื่อต้นปีนี้อธิบายว่า Google รวบรวมห่วงโซ่อุปทานซิลิกอนแบบกำหนดเองหลายพันธมิตรซึ่งครอบคลุม Broadcom, MediaTek และ Marvell เพื่อท้าทาย Nvidia ในการอนุมาน สำหรับ AMD ชัยชนะในการออกแบบของ Google จะเป็นการรับรองกระโจมของชิปเล็ตและเทคโนโลยีบรรจุภัณฑ์ และการตั้งหลักในซิลิคอน AI แบบกำหนดเอง ซึ่งเป็นตลาดที่การครอบงำของ Nvidia ยังคงไม่มีใครทักท้วงเป็นส่วนใหญ่
คำเตือนที่สำคัญ
SemiAnalysis เน้นย้ำว่ายังคงมีความไม่แน่นอนที่สำคัญอยู่ ลักษณะที่แท้จริงของการมีส่วนร่วมที่รายงานของ AMD นั้นไม่ชัดเจน ความเป็นหุ้นส่วนยังไม่ได้รับการยืนยันจากบริษัทใดบริษัทหนึ่ง และนักวิเคราะห์วางกรอบเหตุผลของพวกเขาว่าเป็นการเก็งกำไรที่ได้รับข้อมูลมาว่าเหตุใดความร่วมมือดังกล่าวจึงสมเหตุสมผลมากกว่าแผนงานผลิตภัณฑ์ที่ได้รับการยืนยัน
แต่สัญญาณที่ลึกกว่านั้นมีความสำคัญมากกว่าตัวข้อตกลงเอง หากรายงานมีความถูกต้อง การพัฒนาที่สำคัญที่สุดไม่ใช่ Google และ AMD ที่ทำงานร่วมกัน Google กำลังสำรวจตัวแปร TPU ที่หนักหน่วงของ CPU ที่ออกแบบมาโดยเฉพาะสำหรับการเสริมการเรียนรู้ การใช้เหตุผล และ AI แบบตัวแทน อุตสาหกรรมใช้เวลาหนึ่งทศวรรษในการปรับปรุงชิปให้เหมาะสมสำหรับการคูณเมทริกซ์ขนาดยักษ์หนึ่งตัว ฮาร์ดแวร์ AI รุ่นต่อไปได้รับการกำหนดรูปแบบตามปริมาณงานที่ดูไม่เหมือนคนคิดคนเดียวมากนัก และเหมือนกับเจ้าหน้าที่หลายพันคนที่สำรวจ ล้มเหลว และเรียนรู้ไปพร้อมๆ กัน
สิ่งที่ต้องดู
สำหรับอุตสาหกรรมในวงกว้าง มีสามสิ่งที่จะเปลี่ยนรายงานนี้จากการเก็งกำไรให้เป็นแนวโน้ม ประการแรก สัญญาณใดๆ ของข้อตกลงซิลิคอนแบบกำหนดเองที่จับคู่ตัวเร่งความเร็วและผู้จำหน่าย CPU แทนที่จะแข่งขันกันเอง ซึ่งเป็นตรรกะเดียวกับที่ผลักดัน AMD เข้าสู่ MI300A และ Nvidia ไปสู่ระบบบูรณาการแบบ Grace-Hopper ในขณะนี้ ดูเหมือนจะกำลังกำหนดแผนงาน ASIC แบบไฮเปอร์สเกลเลอร์ ประการที่สอง อัตราส่วนการปรับใช้ TPU 8i ของ Google ยังคงลอยไปสู่ CPU ต่อตัวเร่งมากขึ้นหรือไม่ ซึ่งจะยืนยันวิทยานิพนธ์ปริมาณงาน RL อย่างเป็นอิสระ ประการที่สาม ความเห็นเกี่ยวกับรายได้ของ AMD: การออกแบบที่กำหนดเองที่ชนะในระดับของ Google จะมีสาระสำคัญเพียงพอที่จะเปิดเผยข้อมูลทางการเงินในที่สุด
ทั้ง Google และ AMD ไม่ได้ให้ความเห็นเกี่ยวกับรายงานนี้ และ SemiAnalysis ตั้งข้อสังเกตว่าการวิเคราะห์นั้นขึ้นอยู่กับตรรกะเชิงกลยุทธ์ของการจับคู่มากกว่าสัญญาที่ได้รับการยืนยัน แต่ในปีที่ Google ได้แบ่งกลุ่มผลิตภัณฑ์ TPU ออกเป็นผลิตภัณฑ์การฝึกอบรมและการอนุมาน ลงนามข้อตกลงการจัดหาซิลิคอนจากพันธมิตรหลายราย และกักตุนความจุของ CPU รอบตัวเร่งความเร็วใหม่ล่าสุด ตัวแปร TPU ที่ใช้ CPU หนักนั้นไม่น่าประหลาดใจน้อยกว่าการเคลื่อนไหวเชิงตรรกะครั้งต่อไป
ก้าวนำหน้า AI
ความครอบคลุมแบบชิปต่อชิปของการแข่งขัน AI ซิลิคอน ส่งมอบทันทีที่เกิดขึ้น บุ๊กมาร์กฮับของเราสำหรับ การพัฒนา AI ล่าสุด และไม่พลาดชัยชนะด้านการออกแบบ
อ่านข่าว AI เพิ่มเติม →
