پیشرفت مایکروسافت در رقابت هوش مصنوعی با خرید عظیم تراشه‌های انویدیا

تصویر بزرگ: مایکروسافت امسال تعداد زیادی از تراشه‌های Hopper انویدیا را خریداری کرده است، به طوری که از رقبای خود پیشی گرفته است. با پیشتازی قابل توجه مایکروسافت و ارتباطات عمیق آن با OpenAI، این شرکت در رقابت برای برتری در هوش مصنوعی به خوبی قرار گرفته است.

مایکروسافت به عنوان بازیگر اصلی در خرید تراشه‌های Hopper انویدیا ظاهر شده است. بر اساس تخمین‌های مشاوره فناوری Omdia که در Financial Times گزارش شده است، مایکروسافت امسال ۴۸۵,۰۰۰ از این پردازنده‌های پرچمدار را خریداری کرده است که بیش از دو برابر سفارشات نزدیک‌ترین رقبای خود در ایالات متحده و چین است.

این استراتژی تهاجمی خرید، مایکروسافت را در خط مقدم توسعه زیرساخت‌های هوش مصنوعی قرار داده است، به طوری که از غول‌های فناوری مانند Meta، Amazon و Google پیشی گرفته است. این حرکت در حالی صورت می‌گیرد که تقاضا برای GPUهای پیشرفته انویدیا همچنان از عرضه پیشی می‌گیرد، روندی که تقریباً دو سال است ادامه دارد.

سرمایه‌گذاری قابل توجه مایکروسافت در تراشه‌های انویدیا به شدت با سهام ۱۳ میلیارد دلاری آن در OpenAI مرتبط است. این همکاری مایکروسافت را به سرعت به گسترش قابلیت‌های مرکز داده خود سوق داده است، نه تنها برای قدرت بخشیدن به خدمات هوش مصنوعی خود مانند Copilot، بلکه برای ارائه راه‌حل‌های محاسبات ابری قوی از طریق پلتفرم Azure خود.

در واقع، اشتهای فراوان صنعت فناوری برای قابلیت‌های هوش مصنوعی منجر به سرمایه‌گذاری‌های بی‌سابقه‌ای در زیرساخت‌های مرکز داده شده است. Alistair Speirs، مدیر ارشد زیرساخت جهانی Azure مایکروسافت، پیچیدگی این پروژه‌ها را به FT توصیف کرد و گفت: «زیرساخت‌های خوب مرکز داده، پروژه‌های بسیار پیچیده و سرمایه‌بر هستند. آنها به برنامه‌ریزی چند ساله نیاز دارند. بنابراین پیش‌بینی جایی که رشد ما با کمی حاشیه خواهد بود مهم است.»

در حالی که مایکروسافت در ایالات متحده پیشتاز است، غول‌های فناوری چینی ByteDance و Tencent نیز گام‌های قابل توجهی برداشته‌اند و هر کدام حدود ۲۳۰,۰۰۰ از تراشه‌های انویدیا را سفارش داده‌اند. این سفارشات شامل مدل H20، نسخه اصلاح شده تراشه Hopper است که برای رعایت کنترل‌های صادراتی ایالات متحده برای مشتریان چینی طراحی شده است.

رقابت برای برتری در هوش مصنوعی فراتر از خرید سخت‌افزار است. شرکت‌های فناوری به طور فزاینده‌ای تراشه‌های هوش مصنوعی سفارشی خود را توسعه می‌دهند تا وابستگی به انویدیا را کاهش دهند. Google بیش از یک دهه است که واحدهای پردازش تنسور (TPU) خود را بهبود می‌بخشد، در حالی که Meta اخیراً تراشه Meta Training and Inference Accelerator خود را معرفی کرده است. Amazon نیز با تراشه‌های Trainium و Inferentia خود، که برای مشتریان محاسبات ابری طراحی شده‌اند، پیشرفت‌هایی داشته است.

Vlad Galabov، مدیر تحقیقات ابر و مرکز داده در Omdia، تأثیر فوق‌العاده تقاضای تراشه‌های هوش مصنوعی بر هزینه‌های سرور را به FT گفت و اظهار داشت که «GPUهای انویدیا سهم بسیار بالایی از هزینه‌های سرمایه‌ای سرور را به خود اختصاص داده‌اند. ما نزدیک به اوج هستیم.»

همانطور که چشم‌انداز هوش مصنوعی به تکامل خود ادامه می‌دهد، خریدهای استراتژیک تراشه و همکاری‌های مایکروسافت آن را به عنوان نیرویی قدرتمند در صنعت قرار می‌دهد. با این حال، شرکت اذعان دارد که تنها داشتن بهترین تراشه کافی نیست. «برای ساخت زیرساخت هوش مصنوعی، به تجربه ما، تنها داشتن بهترین تراشه کافی نیست، بلکه داشتن اجزای ذخیره‌سازی مناسب، زیرساخت مناسب، لایه نرم‌افزاری مناسب، لایه مدیریت میزبان مناسب، تصحیح خطا و همه این اجزای دیگر برای ساخت آن سیستم نیز مهم است.» Speirs گفت.