گوگل تراشه‌های TPU را برای آموزش هوش مصنوعی اپل و جمینای گسترش می‌دهد

در آزمایشگاه واقع در مقر گوگل در مانتین‌ویو، کالیفرنیا، صدها رک سرور در چندین راهرو فعال هستند و وظایفی را انجام می‌دهند که فرا‌تر از اجرای موتور جستجوی جهان است. این سرور‌ها در حال تست ریز‌تراشه‌های اختصاصی گوگل با نام واحد پردازش تنسور (TPU) می‌باشند.

<figcaption class="wp-element-caption"امین وحدت، معاون رئیس قسمت یادگیری ماشین، سیستم‌ها و هوش مصنوعی ابری در گوگل، درحال نمایش نسخه چهارم TPU در دفتر مرکزی گوگل در مانتین ویو

واحد‌های پردازش تنسور گوگل ابتدا برای مدیریت بار‌های داخلی آموزش دیده و از سال ۲۰۱۸ برای مشتریان ابری در دسترس قرار گرفتند. اپل در ماه ژوئیه اعلام کرد که از این تراشه‌ها برای آموزش مدل‌های هوش مصنوعی که پایه پلتفرم اپل هستند، استفاده می‌کند. گوگل نیز برای آموزش و اجرای چت‌بات جمینای خود بر روی TPU متکی است.

دانیل نیومن، مدیرعامل گروه فیوچرم، در خصوص رقابت انویدیا و گوگل در آموزش هوش مصنوعی بیان کرد که در سراسر جهان باوری وجود دارد که تمام مدل‌های بزرگ زبان روی انویدیا آموزش داده می‌شوند. انویدیا سهم بزرگی از آموزش AI را بر عهده دارد، اما گوگل از زمان راه‌اندازی تراشه‌های ابری سفارشی در سال ۲۰۱۵ مسیر خود را جداگانه طی کرده است.

گوگل اولین ارائه‌دهنده خدمات ابری بود که تراشه‌های هوش مصنوعی سفارشی ساخت. سه سال بعد، آمازون وب سرویس تراشه اینفرنتیا و مایکروسافت تراشه مایا را معرفی کردند. با این حال، اولین بودن در تراشه‌های AI به معنای دستیابی به جایگاه برتر در هوش مصنوعی مولد نبوده است. گوگل به دلیل محصولات ناموفق با انتقادات روبرو شد و جمینای بیش از یک سال پس از ChatGPT عرضه گردید.

با این حال، گوگل کلود در حوزه AI شتاب گرفته است. آلفابت گزارش داد که درآمد بخش ابری در آخرین سه‌ماهه ۲۹ درصد افزایش یافته و برای اولین بار از ۱۰ می‌لیارد دلار گذشته است. نیومن معتقد است که عصر ابر هوش مصنوعی نحوه ارزیابی شرکت‌ها را متحول کرده و تفاوت‌های سیلیکونی یکی از دلایل اصلی ارتقای جایگاه گوگل در میان سه ارائه‌دهنده ابری برتر بوده است.

<figcaption class="wp-element-caption"امین وحدت، معاون رئیس قسمت یادگیری ماشین، سیستم‌ها و هوش مصنوعی ابری در گوگل، درحال نمایش نسخه چهارم TPU در دفتر مرکزی گوگل در مانتین ویو

در ماه ژوئیه، سی‌ان‌بی‌سی اولین تور دوربینی از آزمایشگاه تراشه گوگل برگزار و با امین وحدت، رئیس بخش تراشه‌های ابری سفارشی، گفتگو کرد. وحدت اشاره کرد که همه چیز با یک آزمایش فکری آغاز شد اگر کاربران گوگل تنها ۳۰ ثانیه در روز از طریق صدا تعامل داشته باشند، چه مقدار قدرت محاسباتی لازم است؟ برآورد‌ها نشان می‌داد گوگل باید تعداد کامپیوتر‌های مراکز داده را دو برابر کند.

وحدت افزود ما فهمیدیم که می‌توانیم سخت‌افزار سفارشی، نه عمومی، بسازیم تا از کاربران بهتر پشتیبانی کنیم؛ در واقع ۱۰۰ برابر کارآمد‌تر. مراکز داده گوگل تا به حال بر روی واحد‌های پردازش مرکزی (CPU) و پردازش گرافیکی انویدیا (GPU) متکی بودند. TPU نوعی مدار مجتمع خاص برنامه (ASIC) متمرکز بر هوش مصنوعی است. گوگل یک ASIC دیگر متمرکز بر ویدیو با نام واحد کدگذاری ویدئو (VCU) نیز ساخته است.

گوگل با رویکردی مشابه استراتژی سیلیکون سفارشی اپل، تراشه‌های اختصاصی برای دستگاه‌های خود می‌سازد؛ تراشه نیرو محرکه پیکسل ۹ و تراشه نیرو محرکه پیکسل ۲ از این دسته‌اند. با این حال، ها گوگل را متمایز می‌کنند؛ اولین نسل در سال ۲۰۱۵ عرضه شد. بر اساس گزارش فیوچرم، ها با ۵۸ درصد سهم بازار، بیش‌ترین سهم را در میان شتابدهندگان ابری سفارشی AI دارند.

گوگل نام TPU را بر اساس واژه جبری تنسور برگزید که به ضرب ماتریس‌های بزرگ‌مقیاس در برنامه‌های پیشرفته AI اشاره دارد. با عرضه نسل دوم در ۲۰۱۸، گوگل تمرکز را از استنتاج به سمت آموزش مدل‌های هوش مصنوعی معطوف کرد.

استیسی راسگون، تحلیلگر ارشد برنستین ریسرچ، اظهار داشت پردازنده‌های گرافیکی برنامه‌پذیر‌تر و انعطاف‌پذیر‌تر هستند، اما عرضه آن‌ها محدود بوده است. شکوفایی AI باعث افزایش شدید قیمت سهام انویدیا شد که در ژوئن به ۳ تریلیون دلار رسید، بیش از ارزش بازار آلفابت. در حالی که گوگل برای جایگاه ارزشمند‌ترین شرکت جهان با اپل و مایکروسافت رقابت می‌کرد.

نیومن تأکید کرد باید صادقانه بگوییم این شتابدهنده‌های تخصصی AI به اندازه پلتفرم انویدیا انعطاف‌پذیر یا قدرتمند نیستند و بازار منتظر است ببیند آیا رقیبی در این فضا ظهور می‌کند. اکنون که اپل از های گوگل برای آموزش مدل‌های خود بهره می‌برد، آزمون واقعی وقتی خواهد بود که ویژگی‌های AI در سال آینده به طور کامل روی آیفون و مک عرضه شوند.

همکاری گوگل با برادکام و TSMC

<figcaption class="wp-element-caption"نسخه ششم تراشه TPU به نام تریلیوم (Trillium) که در اواخر ۲۰۲۴ اراعه خواهد شد

نسل ششم TPU به نام تریلیوم قرار است اواخر امسال عرضه شود. راسگون معتقد است گسترش جایگزین‌های مناسب برای موتور‌های AI پرهزینه و دشوار است و کاری نیست که همه بتوانند انجام دهند؛ اما مراکز داده بزرگ، توانایی، پول و منابع لازم را دارند. این فرآیند آنقدر پیچیده است که حتی مراکز داده بزرگ نمی‌توانند به تنه‌ایی انجام دهند. گوگل از زمان اولین TPU با برادکام همکاری کرده که به متا در طراحی تراشه‌های AI نیز کمک می‌کند. برادکام ادعا می‌کند بیش از ۳ می‌لیارد دلار برای این همکاری‌ها هزینه کرده است.

راسگون توضیح داد برادکام کار‌های جانبی را انجام می‌دهد؛ از دریافت ورودی‌ها و ارائه خروجی‌ها، مدار‌های فرستنده‌گیرنده، تبدیل داده‌های موازی به سریال و بالعکس، تا محافظت مدار. طراحی نهایی سپس به کارخانه‌های TSMC، بزرگ‌ترین تولیدکننده تراشه‌های جهان با ۹۲ درصد سهم قطعات پیشرفته، ارسال می‌شود.

هنگام سوال از وحدت درباره خطرات ژئوپلیتیک چین و تایوان، او پاسخ داد قطعا برای چنین اتفاقاتی آماده هستیم و به آن فکر می‌کنیم، اما امیدواریم نیازی به اقدام نباشد. حفاظت در برابر این خطرات، دلیل اختصاص ۵۲ می‌لیارد دلار از قانون CHIPS به شرکت‌های سازنده تراشه در آمریکا توسط کاخ سفید است. تا به امروز اینتل، TSMC و سامسونگ بیش‌ترین بودجه‌ها را دریافت کرده‌اند.

آیا گوگل در این مسیر موفق خواهد شد؟

<figcaption class="wp-element-caption"تراشه آکسیون (Axion) گوگل

گوگل با وجود ریسک‌ها، گامی بزرگ دیگر برداشته و اعلام کرد که اولین پردازنده عمومی خود به نام آکسیون تا پایان سال در دسترس خواهد بود. گوگل دیر به رقابت CPU وارد شده است؛ آمازون گراویتون را در ۲۰۱۸، علی‌بابا تراشه سرور را در ۲۰۲۱ و مایکروسافت CPU خود را در نوامبر معرفی کردند.

وحدت دلیل تأخیر را چنین تشریح کرد تمرکز ما بر حوزه‌ای بود که بیش‌ترین ارزش را برای مشتریان ایجاد کنیم و کار را با، واحد‌های کدگذاری ویدئو و شبکه آغاز کردیم. پس از عرضه این سخت‌افزار‌ها، معتقد شدیم زمان عرضه پردازنده فرا رسیده است.

ساخت این پردازنده‌ها توسط شرکت‌های غیر‌تراشه‌ساز مانند گوگل، با بهره‌گیری از معماری ARM امکان‌پذیر شده؛ معماری جایگزینی با امکان سفارشی‌سازی بالا و کارایی انرژی بهتر از اینتل. کارایی انرژی حیاتی است؛ پیش‌بینی می‌شود تا ۲۰۲۷ سرور‌های AI سالانه برق معادل کشوری مانند آرژانتین مصرف کنند. گزارش محیطی گوگل نشان می‌دهد انتشار گاز‌های گلخانه‌ای از ۲۰۱۹ تا ۲۰۲۳ تقریبا ۵۰ درصد افزایش یافته، بخشی به دلیل رشد مراکز داده برای AI.

وحدت تأکید کرد اگر تراشه‌های طراحی‌شده برای AI کم‌مصرف نبودند، اثرات زیست‌محیطی بسیار بدتر از ارقام ذکر شده می‌بود. ما شبانه‌روز برای کاهش انتشار کربن زیرساخت‌ها تلاش می‌کنیم و در حال رساندن آن به صفر هستیم.

خنک‌کردن سرور‌های آموزش‌دهنده و اجراکننده AI نیازمند آب فرا‌وان است. نسل سوم TPU از سیستم خنک‌کننده مستقیم به تراشه بهره می‌برد که آب کمتری مصرف می‌کند. در این روش، مایع خنک‌کننده مستقیما در اطراف پلیت تراشه جریان دارد، روشی که انویدیا نیز برای پردازنده‌های بلاکویل به کار می‌برد.

گوگل با وجود چالش‌های زیاد، از ژئوپلیتیک تا برق و آب، همچنان به عرضه ابزار‌های هوش مصنوعی مولد و ساخت تراشه‌های خود متعهد است. وحدت در پایان گفت من هرگز نظیر عزم راسخ گوگل را ندیده‌ام و شدت حرکت این شرکت هرگز کاسته نشده و سخت‌افزار قرار است نقش بسیار مهمی در این عرصه ایفا کند.