چگونه Nvidia تراشه های خود را برای پیشی گرفتن از تغییر صنعت هوش مصنوعی تطبیق داد

Nvidia در اوایل سال گذشته با تهدید فزاینده ای روبرو شد: دنیای هوش مصنوعی به گونه ای تغییر می کرد که رقابت را دعوت می کرد.

همزمان با شروع استفاده میلیون ها نفر از ابزارهای هوش مصنوعی، در واقع بهره برداری از مدل های زیربنایی برای پاسخ به تعداد زیادی از پرسش های آنها، نسبت به کار محاسباتی فشرده آموزش آن مدل ها اهمیت بیشتری پیدا می کرد—که Nvidia را به اوج رونق هوش مصنوعی رسانده بود. بسیاری احساس می کردند که این تغییر می تواند به رقبایی از جمله Advanced Micro Devices فرصتی برای ربودن سهم بازار بدهد.

اما Nvidia از قبل در حال آماده شدن برای انطباق و ماندن در خط مقدم مسابقه هوش مصنوعی بود، علیرغم تغییر از ایجاد مدل ها به سمت بهره برداری از آنها، فرآیندی که در صنعت به عنوان "استنتاج" شناخته می شود.

آخرین تراشه های هوش مصنوعی آن، به نام Blackwell، از نظر اندازه بزرگتر هستند، حافظه کامپیوتری بیشتری دارند و از اعداد کم دقت تری در محاسبات هوش مصنوعی استفاده می کنند. آنها همچنین می توانند به تعداد زیاد با شبکه فوق العاده سریع به هم متصل شوند، که به گفته دیلن پاتل، بنیانگذار شرکت تحقیقاتی صنعت SemiAnalysis، منجر به "دستاوردهای چشمگیر" در استنتاج شد.

او گفت: «بهبود عملکرد Nvidia برای Blackwell در استنتاج بسیار بیشتر از آموزش است.»

آخرین گزارش درآمد فصلی Nvidia در روز چهارشنبه تا حدی منعکس کننده موفقیت آن در انطباق با تغییر صنعت بود. این گزارش شامل فروش و سودهایی بود که از پیش بینی های تحلیلگران فراتر رفت، همراه با یک پیش بینی خوش بینانه برای فصل جاری شرکت.

جنسن هوانگ، مدیرعامل، در یک تماس تلفنی با تحلیلگران در روز چهارشنبه گفت که با تکامل هوش مصنوعی به سمت مدل‌های به اصطلاح «استدلالی»، استنتاج به یک تمرکز فزاینده تبدیل شده است، جایی که یک مغز دیجیتالی گام به گام به پاسخ‌های پرسش‌های کاربران فکر می‌کند. این فرآیند می‌تواند صد برابر بیشتر به قدرت محاسباتی نیاز داشته باشد.

او گفت: «اکثریت قریب به اتفاق محاسبات ما امروزه در واقع استنتاج است و Blackwell همه آن را به سطح جدیدی می‌برد.» «ما Blackwell را با در نظر داشتن مدل‌های استدلالی طراحی کردیم.»

کولت کرس، مدیر ارشد مالی Nvidia، اضافه کرد که بسیاری از استقرار اولیه تراشه های Blackwell این شرکت برای کار استنتاج اختصاص داده شده است. او گفت که این الگو برای نسل جدیدی از تراشه های این شرکت اولین بار بود.

از جمله شرکت هایی که به دنبال مدل های استدلالی هستند می توان به OpenAI، Google و شرکت نوپای هوش مصنوعی چینی DeepSeek اشاره کرد. ظهور DeepSeek در ژانویه، که گفت مدل های پیچیده هوش مصنوعی ساخته است که به تراشه های کمتری از Nvidia نیاز دارد، از زمان شروع رونق هوش مصنوعی، اولین ترس قابل توجه برای Nvidia را برانگیخت.

هوانگ روز چهارشنبه این تهدید را رد کرد و پیشرفت های DeepSeek را "یک نوآوری عالی" توصیف کرد که توسعه دهندگان هوش مصنوعی در همه جا از آن الهام می گیرند.

هوانگ در گذشته پیشنهاد کرده است که استنتاج و آموزش در نهایت با هم ادغام می شوند، زیرا هوش مصنوعی بیشتر با نحوه عملکرد انسان ها مطابقت دارد. او سال گذشته در دانشگاه استنفورد گفت که مردم اطلاعات جدید را جذب نمی کنند و به طور جداگانه به آن ارجاع نمی دهند: "شما همیشه در حال یادگیری و استنتاج هستید."

به گفته افراد آگاه در صنعت، Nvidia هنوز در استنتاج با رقابت شدیدی روبرو است. در حالی که پیشرفت‌های Nvidia در سخت‌افزار و سرمایه‌گذاری در نرم‌افزار هوش مصنوعی آن، مشتریان را در اطراف خود نگه داشته است، انواع تراشه‌های جدید از استارت‌آپ‌ها و سازندگان تراشه‌های تثبیت‌شده‌تر به این معنی است که حفظ جایگاه خود در صدر برای Nvidia آسان نخواهد بود.

رابرت واچن، یکی از بنیانگذاران استارت‌آپ تراشه هوش مصنوعی Etched، که هدفش رقابت با Nvidia در استنتاج با ساخت تراشه‌هایی با هدف خاص است، گفت که از قبل پذیرش و بررسی جدی جایگزین‌ها وجود دارد. او گفت که تراشه های Nvidia اساساً به دلیل منشأ خود به عنوان واحدهای پردازش گرافیکی که برای هوش مصنوعی تطبیق داده شده اند، به جای اینکه به طور سفارشی برای لحظه ساخته شده باشند، محدود شده اند.

واچن گفت: «تیز کردن چاقوی ارتش سوئیس فقط تا این حد پیش می رود.» «اگر می خواهید حداکثر عملکرد را داشته باشید، باید سخت افزار تخصصی بسازید. شما در اینجا به یک دیوار برخورد می کنید.»

تعدادی از استارت‌آپ‌ها شروع به ایجاد جایگاه در میان مشتریان بزرگ هوش مصنوعی کرده‌اند. Cerebras، یک استارت‌آپ که بزرگترین تراشه های تولید شده را طراحی می کند، در این ماه اعلام کرد که با توسعه دهنده هوش مصنوعی فرانسوی Mistral روی سریعترین ربات گفتگو هوش مصنوعی جهان کار می کند. غول نفتی عربستان سعودی آرامکو با استارت‌آپ‌های تراشه هوش مصنوعی Groq و SambaNova Systems همکاری نزدیک دارد تا تاسیسات محاسباتی بزرگی را برای استنتاج راه‌اندازی کند.

رقیبان تثبیت‌شده‌تر Nvidia نیز تلاش‌های خود را دارند، از جمله Advanced Micro Devices، که تراشه‌های هوش مصنوعی آن عمدتاً برای بازار استنتاج هدف‌گذاری شده‌اند. و تمام بزرگترین شرکت‌های فناوری در حال توسعه داخلی تراشه‌های استنتاج هوش مصنوعی خود هستند که می‌توانند با Nvidia رقابت کنند یا جایگزین آن شوند.

جیم پیازا، یک مدیر اجرایی در شرکت مدیریت فناوری اطلاعات Ensono که قبلاً روی زیرساخت محاسباتی در Meta کار می کرد، گفت که Nvidia ممکن است نیاز داشته باشد تا گام های بیشتری برای مقابله مستقیم با رقابت در استنتاج با توسعه تراشه های مخصوص آن بردارد.

او گفت: «من باید تصور کنم که Nvidia نوعی نیروگاه استنتاج را زودتر از موعد رها خواهد کرد، زیرا فکر می کنم در آن بازار تحت الشعاع قرار خواهند گرفت.» «ممکن است سال‌ها طول بکشد، اما فکر می‌کنم این مسیری است که امور به آن سمت پیش می‌رود.»

هوانگ از قبل در حال فکر کردن به آینده ای است که شامل قدرت محاسباتی بسیار بیشتری است—به امید Nvidia. او روز چهارشنبه گفت که مدل‌های استدلالی می‌توانند در نهایت به هزاران یا میلیون‌ها برابر بیشتر از پیشینیان خود به قدرت محاسباتی نیاز داشته باشند. او گفت: «این تازه شروع کار است.»

Write to Asa Fitch at [email protected]