تتجاوز ميزة Nvidia في مجال الذكاء الاصطناعي حدود وحدات معالجة الرسوميات (GPU) لتشمل جوانب تقنية أخرى. في السنوات الأولى من طفرة الذكاء الاصطناعي، كانت Nvidia المصدر الوحيد لوحدات معالجة الرسوميات المتطورة، مما جعلها تحقق أرباحًا ضخمة. ومع ذلك، بدأ بعض الشركات الكبرى مثل أمازون وجوجل في تطوير رقائقها الخاصة، مما أثار تساؤلات حول مدى استدامة هذه الميزة.
على الرغم من ذلك، فإن القصة تتغير. بعد إعلان نتائج الشركة، بدأ المستثمرون يدركون أن ميزة Nvidia تمتد إلى ما هو أبعد من وحدات معالجة الرسوميات. مع تزايد متطلبات الحوسبة في مجال الذكاء الاصطناعي، أصبحت عملية تنسيق البيانات أكثر تعقيدًا. وقد قامت Nvidia بتطوير العديد من الأنظمة المتطورة التي تدعم وحدات معالجة الرسوميات، مما يمنحها ميزة كبيرة في هذا المجال.
على الرغم من الحديث عن الحوسبة كسلعة، فإن تشغيل مركز بيانات ضخم بكفاءة قصوى لا يزال يمثل تحديًا كبيرًا. مع زيادة حجم ونمو هذه المراكز، تزداد هذه التحديات تعقيدًا.
أنظمة متكاملة
يمكن رؤية بعض هذه التطورات من خلال ما تقدمه Nvidia حاليًا. الشركة تطلق بنية Vera Rubin، التي تجمع بين وحدة معالجة الرسوميات Rubin ومجموعة من الوحدات الأخرى مثل وحدة المعالجة المركزية Vera ومسرع الاستدلال Groq 3 LPX. هذه الأنظمة متخصصة للغاية، وتهدف إلى تحسين كفاءة العمل خارج وحدة معالجة الرسوميات.
تعمل وحدة المعالجة المركزية Vera بشكل خاص على حل مشكلة تنسيق البيانات. حيث أوضح جيسون هاردي، نائب رئيس تقنية التخزين في Nvidia، أن “Vera مهمة لأن هناك حدًا لمدى الذاكرة التي يمكن وضعها في خادم واحد أو أي منصة حوسبة”. مع زيادة قدرة مراكز البيانات على معالجة البيانات، زادت أيضًا سعة الذاكرة، مما ساهم في ثراء شركات مثل Micron في موجة البنية التحتية الثانية.
لكن توجيه البيانات إلى وحدة معالجة الرسوميات في الوقت المناسب ليس بالأمر السهل. ومع سعي الشركات لتقليل استهلاك الطاقة، بدأوا يدركون أهمية توجيه حركة البيانات.
قال هاردي: “شهدنا تحسنًا يصل إلى ثلاثة أضعاف في هذه العمليات، حيث تتيح وحدة المعالجة المركزية Vera تسريع الأداء”. هذا يعني أنه يمكن استخدام الذاكرة الفلاش بشكل كامل دون حدوث اختناقات.
تظهر نفس المشكلة في شركات أخرى أيضًا. عندما طورت OpenAI شريحة Jalapeño، كان التركيز الرئيسي هو تقليل حركة البيانات وتأخير الاتصالات.
قالت الشركة في منشور مدونة: “صممنا Jalapeño لتقليل حركة البيانات وتأخير الاتصالات”. يسمح نطاقها الواسع بوجود عبء العمل بالكامل ضمن نظام متصل واحد، مما يقلل من حركة البيانات ويساعد الطلبات على البقاء سريعة وفعالة.
تتبع هذه الاستراتيجيات منطقًا مشابهًا، حيث تركز على زيادة الكفاءة من خلال التحكم الذكي في حركة البيانات بدلاً من الاعتماد على زيادة دورات المعالجة. هذا يفتح طبقة جديدة من البنية التحتية التي تتنافس عليها الشركات.
ومع ذلك، فإن التركيز الجديد على تنسيق البيانات لا يضمن فوز Nvidia. ستواجه الشركة منافسة من صانعي الرقائق الآخرين ومقدمي الخدمات السحابية، كما هو الحال مع وحدات معالجة الرسوميات. لكن المنافسة انتقلت إلى طبقة جديدة، حيث أصبح بناء وحدة معالجة رسوميات منافسة أقل أهمية من جعل النظام بأكمله يعمل بكفاءة.
وفي المراحل الأولى على الأقل، يبدو أن Nvidia تتقدم بشكل كبير.
رأي بوابة الذكاء الاصطناعي
تظهر التطورات الأخيرة في تقنيات Nvidia أن الشركة ليست مجرد رائدة في مجال وحدات معالجة الرسوميات، بل تسعى لتقديم حلول شاملة تتعلق بكفاءة البيانات. ومع ذلك، يبقى السؤال: هل ستتمكن Nvidia من الحفاظ على هذه الميزة في ظل المنافسة المتزايدة من الشركات الأخرى؟
المصدر: الرابط الأصلي
