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

در آزمایشگاه‌ی در مقر گوگل در مانتین‌ویو، کالیفرنیا، صدها رک سرور در چندین راهرو فعال هستند و وظایفی را انجام می‌دهند که فرا‌تر از ماموریت‌های معمول موتور جستجو است. این سرور‌ها در حال تست ریز‌تراشه‌های اختصاصی گوگل به 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 در ابتدا برای مدیریت بار‌های داخلی آموزش دیده و از سال ۲۰۱۸ برای مشتریان ابری در دسترس قرار گرفته‌اند. اپل در ماه ژوئیه اعلام کرد که از این تراشه‌ها برای آموزش مدل‌های هوش مصنوعی که پایه پلتفرم Apple را شکل می‌دهند، بهره می‌برد. گوگل نیز برای آموزش و اجرای چت‌بات جمینای خود بر روی ها متکی است.

دانیل نیومن، مدیرعامل گروه فیوچروم، در مورد رقابت انویدیا و گوگل در آموزش هوش مصنوعی بیان می‌کند در سراسر جهان باوری بنیادین وجود دارد که تمام مدل‌های بزرگ زبان روی انویدیا آموزش داده می‌شوند؛ بی‌تردید انویدیا سهم بزرگی از حجم آموزش AI را بر عهده دارد، اما گوگل نیز از زمان راه‌اندازی تراشه‌های ابری سفارشی در سال ۲۰۱۵ مسیر خود را در این حوزه طی کرده است.

جایگاه گوگل در حوزه ساخت تراشه هوش مصنوعی سفارشی ابری

گوگل اولین ارائه‌دهنده خدمات ابری بود که تراشه‌های هوش مصنوعی سفارشی ساخت. سه سال بعد، آمازون وب‌سرویس اولین تراشه هوش مصنوعی ابری خود یعنی اینفرنتیا را معرفی کرد. اولین تراشه سفارشی مایکروسافت به نام مایا تا پایان سال ۲۰۲۳ رونمایی نشد.

با این حال، اولین بودن در حوزه تراشه‌های AI به معنای دستیابی به جایگاه برتر در رقابت هوش مصنوعی مولد نبوده است. گوگل به دلیل ارائه محصولات ناموفق با انتقادات روبرو شد و جمینای بیش از یک سال پس از ChatGPT عرضه گردید.

با وجود این، گوگل کلود به دلیل محصولات AI خود شتاب گرفته است. شرکت مادر گوگل یعنی آلفابت گزارش داد که درآمد بخش ابری در آخرین سه‌ماهه ۲۹ درصد افزایش یافته و برای اولین بار از ۱۰ می‌لیارد دلار فرا‌تر رفته است.

نیومن در این زمینه می‌افزاید عصر ابر هوش مصنوعی نحوه دید شرکت‌ها را دگرگون کرده و این تفاوت سیلیکونی یا به عبارتی خود واحد پردازشی، یکی از بزرگ‌ترین دلایل است که گوگل از جایگاه سومین ارائه‌دهنده ابری به سطحی برابر با دو رقیب و حتی موقعیتی بالا‌تر رسیده است.

در ماه ژوئیه، سی‌ان‌بی‌سی اولین تور ضبط‌شده با دوربین از آزمایشگاه تراشه گوگل را برگزار و با رئیس بخش تراشه‌های ابری سفارشی، امین وحدت، گفتگو کرد. او از زمانی که گوگل در سال ۲۰۱۴ با ایده ساخت تراشه‌ها آغاز به کار کرد، در این شرکت حضور داشته 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

وحدت در مصاحبه خود بیان می‌کند همه چیز با یک آزمایش فکری ساده اما قدرتمند آغاز شد. تعدادی از مدیران این سوال را مطرح کردند اگر کاربران گوگل بخواهند فقط ۳۰ ثانیه در روز از طریق صدا با آن تعامل داشته باشند، چه اتفاقی می‌افتد؟ چه مقدار قدرت محاسباتی نیاز داریم تا از کاربران خود حمایت کنیم؟

در آن زمان بر اساس برآورد کارشناسان، گوگل باید تعداد کامپیوتر‌های خود در مراکز داده را دو برابر می‌کرد؛ به همین دلیل آن‌ها در جستجوی راه‌حلی اساسی برای تامین قدرت پردازشی مورد نیاز بودند.

وحدت می‌افزاید ما فهمیدیم که می‌توانیم سخت‌افزار سفارشی بسازیم، نه سخت‌افزار عمومی، بلکه سخت‌افزار اختصاصی (در این مورد واحد‌های پردازش تنسور) تا از کاربران بهتر حمایت کنیم؛ در واقع ۱۰۰ برابر کارآمد‌تر از سایر شرایط.

مراکز داده گوگل تا به امروز بر روی واحد‌های پردازش مرکزی عمومی (CPU) و واحد‌های پردازش گرافیکی انویدیا (GPU) متکی بوده‌اند. واحد‌های پردازش تنسور گوگل نوعی دیگر از تراشه به نام مدار مجتمع خاص برنامه (ASIC) محسوب می‌شوند که برای اهداف خاص سفارشی‌سازی شده‌اند. TPU بر روی هوش مصنوعی متمرکز است. گوگل یک ASIC دیگر متمرکز بر ویدیو به نام واحد کدگذاری ویدئو (VCU) نیز ساخته است.

گوگل در رویکردی مشابه استراتژی سیلیکون سفارشی اپل، تراشه‌های اختصاصی برای دستگاه‌های خود می‌سازد. تراشه نیروی محرکه پیکسل ۹ تازه گوگل با قابلیت هوش مصنوعی و تراشه تازه نیروی محرکه Pixel 2 می‌باشد.

با این حال، TPU گوگل را در المقدمة قرار می‌دهد؛ این واحد پردازشی اولین تراشه ارایه‌شده در سال ۲۰۱۵ در نوع خود بوده است. بر اساس گزارش گروه فیوچروم، واحد‌های پردازش تنسور با ۵۸ درصد سهم بازار، تا کنون در میان شتاب‌دهنده‌های ابری سفارشی هوش مصنوعی بیش‌ترین سهم را به خود اختصاص داده‌اند.

گوگل نام واحد پردازش تنسور را بر پایه واژه جبری تنسور ابداع کرده که به ضرب ماتریس‌های بزرگ‌مقیاس که برای اپلیکیشن‌های پیشرفته هوش مصنوعی به سرعت اتفاق می‌افتد، اشاره دارد.

با عرضه نسل دوم TPU در سال ۲۰۱۸، گوگل تمرکز را از استنتاج به سمت آموزش مدل‌های هوش مصنوعی سوق داد.

استیسی راسگون، تحلیلگر ارشد نیمه‌هادی‌ها در برنستین ریسرچ، می‌گوید پردازنده‌های گرافیکی برنامه‌پذیر‌تر و انعطاف‌پذیر‌تر هستند؛ اما عرضه آن‌ها محدود بوده است.

شکوفایی هوش مصنوعی باعث شد قیمت سهام انویدیا به شدت افزایش یابد. ارزش بازار این شرکت در ماه ژوئن به ۳ تریلیون دلار رسید که از ارزش بازار آلفابت بیش‌تر بود. در حالی که گوگل برای کسب جایگاه ارزشمند‌ترین شرکت جهان با اپل و مایکروسافت رقابت می‌کرد.

نیومن در این باره تصریح می‌کند اگر بخواهیم صادق باشیم، باید بگوییم این شتاب‌دهنده‌های تخصصی هوش مصنوعی به اندازه پلتفرم انویدیا انعطاف‌پذیر یا قوی نیستند و این همان چیزی است که بازار نیز منتظر دیدن آن است آیا فردی می‌تواند در این فضا رقابت کند؟

اکنون که می‌دانیم اپل از واحد‌های پردازش تنسور گوگل برای آموزش مدل‌های هوش مصنوعی خود بهره می‌برد، آزمون واقعی زمانی خواهد بود که ویژگی‌های هوش مصنوعی مذکور در سال آینده به طور کامل روی دستگاه‌های آیفون و مک عرضه شوند.

همکاری گوگل با برادکام و TSMC

گسترش جانشین‌های مناسب برای موتور‌های هوش مصنوعی انویدیا کار آسانی نیست. نسل ششم TPU گوگل به نام تریلیوم قرار است اواخر امسال عرضه شود.

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

راسگون در این زمینه می‌گوید گسترش جانشین‌های مناسب برای موتور‌های AI هزینه‌بر و دشوار است؛ این کاری نیست که همه بتوانند انجام دهند؛ اما این مراکز داده بزرگ، توانایی‌ها، پول و منابع لازم برای رفتن به این مسیر را دارند.

این فرآیند آنقدر پیچیده و پرهزینه است که حتی مراکز داده‌های بزرگ نمی‌توانند به تنه‌ایی آن را انجام دهند. گوگل از زمان عرضه اولین TPU با برادکام، یک توسعه‌دهنده تراشه که به متا نیز در طراحی تراشه‌های AI پشتیبانی می‌کند، همکاری کرده است. برادکام ادعا می‌کند برای انجام این همکاری‌ها بیش از ۳ می‌لیارد دلار هزینه کرده است.

راسگون توضیح می‌دهد برادکام همه کار‌های جانبی را انجام می‌دهد. این شرکت ماموریت‌های مربوط به دریافت ورودی‌ها و ارائه خروجی‌ها، مدار‌های فرستنده-گیرنده که داده‌های موازی را به سریال و بالعکس تبدیل می‌کنند و سایر فعالیت‌های محاسباتی را بر عهده دارد. برادکام کار‌های مربوط به بسته‌بندی محافظ برای مدار را نیز انجام می‌دهد.

در مرحله بعد، طراحی نهایی برای تولید به کارخانه‌ها ارسال می‌شود؛ این کارخانه‌ها متعلق به بزرگ‌ترین شرکت تولیدکننده تراشه‌های جهان یعنی TSMC هستند که ۹۲ درصد از پیشرفته‌ترین قطعات نیمه‌هادی جهان را تولید می‌کند.

هنگامی از وحدت پرسیده شد که آیا گوگل تدابیری برای محافظت در برابر بدترین سناریو‌های ژئوپلیتیک بین چین و تایوان اندیشه کرده است، او پاسخ داد قطعا برای چنین اتفاقاتی آماده شده‌ایم و به آن فکر می‌کنیم، اما امیدواریم نیازی به اقدام در این راستا نباشد.

مقابله با این ریسک‌ها، دلیل مهم اختصاص ۵۲ می‌لیارد دلار از بودجه قانون علم و تراشه (CHIPS ) به شرکت‌های سازنده کارخانه‌های تراشه در آمریکا از سوی کاخ سفید است. تا به امروز اینتل، TSMC و سامسونگ بیش‌ترین بودجه‌ها را دریافت کرده‌اند.

آیا گوگل در کار خود موفق خواهد شد؟

گوگل با وجود تمام ریسک‌ها، گامی بزرگ دیگر در حوزه تراشه‌ها برداشته و اعلام کرده است که اولین پردازنده این شرکت برای کاربرد‌های عمومی به نام آکسیون تا پایان سال در دسترس خواهد بود.

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

گوگل دیر به رقابت CPU وارد شده است. آمازون پردازنده گراویتون خود را در سال ۲۰۱۸ و علی‌بابا تراشه سرور خود را در سال ۲۰۲۱ عرضه کرد. مایکروسافت نیز در نوامبر CPU خود را معرفی نمود.

هنگامی از وحدت پرسیده شد که چرا گوگل برای ساخت CPU سریع‌تر دست به کار نشده، او پاسخ داد تمرکز ما بر حوزه‌ای بوده که می‌توانیم بیش‌ترین ارزش را برای مشتریان خود ارائه دهیم و کارمان را با، واحد‌های کدگذاری ویدیو و شبکه‌ها آغاز کرده‌ایم. پس از عرضه این سخت‌افزار‌ها معتقد بودیم که زمان ارائه پردازنده فرا رسیده است.

ساخت همه این پردازنده‌ها از شرکت‌های غیر‌تراشه‌ساز از جمله گوگل، با بهره‌گیری از معماری تراشه ARM ممکن شده است؛ معماری مذکور، جایگزینی با امکان سفارشی‌سازی بیش‌تر و کارآمد‌تر از نظر انرژی محسوب می‌شود که در مقایسه با معماری سنتی مورد استفاده اینتل و AMD موفق‌تر بوده است. کارایی انرژی بالا اهمیت حیاتی دارد؛ چرا که پیش‌بینی می‌شود تا سال ۲۰۲۷ سرور‌های هوش مصنوعی هر سال برق معادل کشوری همانند آرژانتین را مصرف کنند. گزارش محیط‌زیستی تازه گوگل نشان داد که انتشار گاز‌های گلخانه‌ای از سال ۲۰۱۹ تا ۲۰۲۳ تقریبا ۵۰ درصد افزایش یافته که بخشی از آن ناشی از رشد مراکز داده برای تامین انرژی AI بوده است.

چنانچه تراشه‌های طراحی‌شده برای بهره‌گیری از هوش مصنوعی کم‌مصرف نبودند، اعداد مربوط به آسیب‌های زیست‌محیطی بسیار بیش‌تر از مقادیر ذکرشده می‌بودند. وحدت در این باره می‌گوید ما شبانه‌روز برای کاهش انتشار کربن ناشی از فعالیت‌های زیرساختی خود تلاش می‌کنیم و در حال رساندن آن به صفر هستیم.

خنک کردن سرور‌های آموزش‌دهنده و اجراکننده AI نیازمند حجم زیادی آب است. به همین دلیل، نسل سوم TPU گوگل از سیستم خنک‌کننده مستقیم به تراشه بهره می‌برد که آب کمتری مصرف می‌کند. این روش که در آن مایع خنک‌کننده مستقیما در اطراف پلیت تراشه جریان می‌یابد، روشی است که انویدیا برای خنک کردن پردازنده‌های گرافیکی بلاک‌ول استفاده می‌کند.

گوگل با وجود چالش‌های فرا‌وان، از ژئوپلیتیک گرفته تا برق و آب، همچنان به ارائه ابزار‌های هوش مصنوعی مولد و ساخت تراشه‌های خود متعهد است.

وحدت در پایان تأکید می‌کند من هیچ‌گاه نظیر عزم راسخ گوگل را ندیده‌ام و شدت حرکت این شرکت هرگز کند نشده و قرار است سخت‌افزار نقش بسیار مهمی در این عرصه ایفا کند.