رقابت نفس‌گیر در بازار تراشه‌های هوش مصنوعی: از سلطه انویدیا تا ظهور تراشه‌های سفارشی

جنگ تایتان‌ها: انویدیا در برابر رقبا

شرکت انویدیا (NVIDIA) که سال‌ها پیشگام بلامنازع در تولید پردازنده‌های گرافیکی بوده، اکنون با محصولات پیشرفته‌ای چون سرورهای هوش مصنوعی GB200، همچنان در صدر بازار قرار دارد. این برتری، تأثیر مستقیمی بر ارزش سهام این شرکت گذاشته و رشد چشمگیر آن را رقم زده است.

در مقابل، شرکت‌هایی نظیر AMD تلاش می‌کنند تا سهم خود را از این بازار پررونق افزایش دهند. تراشه‌های AMD Instinct، از جمله مدل‌های MI300، به عنوان رقبای اصلی محصولات انویدیا شناخته می‌شوند و هدف آن‌ها به چالش کشیدن سلطه این شرکت در مراکز داده است.

ظهور تراشه‌های سفارشی: استراتژی غول‌های ابری

با افزایش سرسام‌آور هزینه‌های زیرساخت هوش مصنوعی، شرکت‌های بزرگ ارائه‌دهنده خدمات ابری (Hyperscalers) به استراتژی توسعه تراشه‌های اختصاصی روی آورده‌اند تا وابستگی خود را به تولیدکنندگان خارجی کاهش داده و کارایی را برای نیازهای خاص خود بهینه سازند. این تراشه‌ها که به نام ASIC شناخته می‌شوند، برای وظایف مشخصی مانند آموزش یا استنتاج مدل‌های هوش مصنوعی طراحی شده‌اند.

تراشه‌های اختصاصی برای مراکز داده عظیم

شرکت‌هایی چون آمازون، گوگل و مایکروسافت، هر کدام با معرفی محصولات سفارشی خود، وارد این عرصه شده‌اند:

• گوگل: نسل هفتم واحدهای پردازش تنسور (TPU) با نام رمز Ironwood را توسعه داده است.
• آمازون: تراشه آموزش هوش مصنوعی Trainium 3 را برای مراکز داده عظیم خود، مانند دیتاسنتر آمازون در بوردمن، اورگان، معرفی کرده است.
• مایکروسافت: تراشه آژور مایا ۱۰۰ (Azure Maia 100) را به عنوان پردازنده اختصاصی خود برای سرویس‌های ابری هوش مصنوعی معرفی کرده است.

نوآوری در سخت‌افزار و آینده تراشه‌های تخصصی

علاوه بر غول‌های صنعت، شرکت‌های تخصصی نیز با رویکردهای نوآورانه در حال توسعه سخت‌افزارهای بسیار قدرتمند هستند. شرکت Cerebras با معرفی نسل دوم موتور ویفر-اسکیل (WSE-2) نشان داده است که ابعاد تراشه می‌تواند بسیار فراتر از استانداردهای رایج باشد.

همچنین، شرکت Broadcom با همکاری سازمان‌هایی چون OpenAI، در حال کمک به ساخت تراشه‌های اختصاصی برای مدل‌های زبانی بسیار بزرگ است. این امر نشان‌دهنده گرایش فزاینده به سمت سخت‌افزارهای کاملاً بهینه‌سازی شده برای نیازهای خاص هوش مصنوعی است. فناوری‌های دیگر مانند FPGA نیز به عنوان راهکارهای انعطاف‌پذیر برای محاسبات هوش مصنوعی در سال ۲۰۲۵ مطرح هستند.