پیشنهاد چین برای رهایی از سلطه CUDA انویدیا: «تراشه‌های تعریف‌شده توسط نرم‌افزار»

در دنیای پرشتاب هوش مصنوعی، وابستگی به فناوری‌های کلیدی می‌تواند به یک چالش استراتژیک برای کشورها تبدیل شود. چین، به عنوان یکی از بازیگران اصلی در این عرصه، مدت‌هاست که به دنبال یافتن راهی برای کاهش نفوذ و سلطه اکوسیستم CUDA شرکت انویدیا بر صنعت داخلی خود است. اکنون، یک راهکار نوآورانه تحت عنوان «تراشه‌های تعریف‌شده توسط نرم‌افزار» (SDC) به عنوان پاسخی بالقوه به این دغدغه مطرح شده که توجه بسیاری را به خود جلب کرده است.

نگرانی چین از سلطه CUDA و پیشنهاد جایگزین

جنسن هوانگ، مدیرعامل انویدیا، همواره CUDA را به عنوان «قوی‌ترین خندق دفاعی» و عامل تمایز این شرکت در صنعت هوش مصنوعی معرفی می‌کند. این اکوسیستم نرم‌افزاری، با سرمایه‌گذاری مستمر در توسعه، توسعه‌دهندگان را به استفاده از سخت‌افزارهای انویدیا ترغیب کرده است. اما این وابستگی، نگرانی‌هایی را در چین به وجود آورده است.

وی شائوجون، یکی از مدیران برجسته انجمن صنعت نیمه‌هادی چین، با اشاره به این نگرانی، بر لزوم توسعه جایگزین‌های بومی برای CUDA و سایر فناوری‌های غربی تأکید کرده است. او معتقد است:

«حتی اگر فناوری بومی ما در ابتدا به اندازه کافی خوب نباشد، باز هم باید از آن استفاده کنیم. آزمون و خطا ممکن است به موفقیت منجر نشود، اما اگر تلاش نکنیم، قطعاً عقب خواهیم ماند.»

شائوجون پیشنهاد می‌کند که چین به جای تلاش برای ساخت یک جایگزین مستقیم برای CUDA، رویکرد متفاوتی را در پیش بگیرد: تراشه‌های تعریف‌شده توسط نرم‌افزار (SDC). این مدل، تمرکز را از پیکربندی سخت‌افزاری ثابت به سمت انتقال هوشمندی محاسباتی به نرم‌افزار تغییر می‌دهد.

مفهوم و مزایای SDC در برابر CUDA

در حال حاضر، بلوغ اکوسیستم CUDA بسیاری از توسعه‌دهندگان را به استفاده از آن سوق داده و به طور غیرمستقیم آن‌ها را به سخت‌افزارهای انویدیا وابسته می‌کند. اما معماری SDC می‌تواند این معادله را به طور اساسی تغییر دهد.

SDC چگونه کار می‌کند؟

• توسعه‌دهندگان در معماری SDC نیازی به لایه‌ای مانند CUDA برای انجام محاسبات ندارند.
• این تراشه‌ها با یک شبکه قابل پیکربندی طراحی می‌شوند که از bitstream پیکربندی تولیدشده توسط کامپایلر استفاده می‌کند.
• در این مدل، نه کامپایلر و نه نمایش کد در سطح منبع به یک مجموعه دستورالعمل خاص (ISA) وابسته نیستند، که منجر به انعطاف‌پذیری بسیار بیشتری می‌شود.

تفاوت SDC با پردازنده‌های گرافیکی (GPU)

در مقایسه با GPUها که عملیات را از طریق یک زمان‌بند اختصاصی مدیریت می‌کنند، تراشه‌های SDC بر کامپایل قطعی (deterministic compilation) متکی هستند. این بدان معناست که هر جابه‌جایی داده، حتی در سطح چرخه‌های کلاک، قابل ردیابی است.

چالش‌ها و نمونه‌های موجود

پروفسور وی شائوجون معتقد است که ایجاد لایه‌های ترجمه و اکوسیستم‌های مستقل برای تکرار موفقیت CUDA، هزینه‌ای بسیار بالا دارد. به همین دلیل، مسیر SDC می‌تواند گزینه‌ای عملی‌تر برای چین باشد. با این حال، وابستگی شدید SDC به کامپایلر، توسعه چنین معماری را به یک چالش بسیار پیچیده تبدیل می‌کند. مسائلی مانند مسیریابی، انشعاب‌ها و تغییرات ساختاری در طراحی، از بسیاری از اصول سنتی مهندسی سخت‌افزار فاصله می‌گیرد و نیاز به رویکردهای نوین دارد.

از نمونه‌های شناخته‌شده تراشه‌های مبتنی بر SDC می‌توان به واحدهای RDU شرکت SambaNova و پردازنده‌های LPU شرکت Groq اشاره کرد. لازم به ذکر است که این معماری‌ها معمولاً برای تکمیل برخی بارهای کاری خاص طراحی شده‌اند و هدفشان جایگزینی کامل GPUها نیست، بلکه ارائه راهکارهای تخصصی‌تر در کنار آن‌هاست.