همکاری اینتل و AMD برای توسعه هوش مصنوعی روی تراشه‌های x86

در یک حرکت استراتژیک، دو رقیب دیرینه بازار پردازنده‌ها، یعنی اینتل و AMD، برای تسهیل فرآیند توسعه و اجرای مدل‌های هوش مصنوعی روی معماری x86 با یکدیگر وارد همکاری شده‌اند تا مسیر را برای توسعه‌دهندگان هموارتر کنند.

یکپارچه‌سازی ابزارهای نرم‌افزاری برای توسعه‌دهندگان

هدف اصلی این مشارکت، کاهش پیچیدگی‌های نرم‌افزاری است که توسعه‌دهندگان هنگام کار با سخت‌افزارهای مختلف با آن مواجه هستند. این دو شرکت قصد دارند با هماهنگی ابزارهای اختصاصی خود، پشتیبانی از فریم‌ورک‌های محبوب مانند PyTorch را بهبود بخشند.

در این راستا، اینتل اعلام کرده است که کتابخانه بهینه‌ساز خود یعنی oneDNN را با ابزار ZenDNN متعلق به AMD هماهنگ می‌کند. این اقدام باعث می‌شود برنامه‌نویسان برای اجرای عملیات یادگیری عمیق، نیازی به استفاده از مسیرهای نرم‌افزاری کاملاً مجزا برای هر برند نداشته باشند.

• oneDNN: مجموعه‌ای از کتابخانه‌های بهینه‌شده برای عملیات یادگیری عمیق اینتل.
• ZenDNN: ابزارهای اختصاصی AMD برای بهینه‌سازی پردازش‌های هوش مصنوعی.

توسعه قابلیت‌های محاسباتی ماتریسی (ACE)

همکاری این دو غول فناوری تنها به لایه‌های نرم‌افزاری محدود نمی‌شود. پروژه‌های مشترکی نیز در زمینه توسعه ACE یا همان افزونه‌های ماتریسی پیشرفته در جریان است. این قابلیت‌ها مستقیماً بر سرعت اجرای محاسبات سنگین در مدل‌های زبانی بزرگ (LLM) و شبکه‌های عصبی تأثیر می‌گذارند.

«پشتیبانی سخت‌افزاری از قابلیت‌های ACE همچنان در مراحل توسعه است و انتظار می‌رود در ادامه این دهه به پردازنده‌های نسل جدید راه یابد.»

بنابراین، بهره‌وری نهایی این فناوری به زمان عرضه پردازنده‌های سازگار و بلوغ نرم‌افزاری آن‌ها بستگی دارد.

اهمیت استراتژیک برای سیستم‌های سازمانی

این همکاری می‌تواند تحول بزرگی در مدیریت هزینه‌ها ایجاد کند. در بسیاری از سامانه‌های سازمانی که نیاز به پاسخ‌گویی سریع دارند، استفاده از پردازنده‌های مرکزی (CPU) به جای اتکا به شتاب‌دهنده‌های گرافیکی گران‌قیمت، گزینه‌ای بسیار به‌صرفه است.

کاهش تأخیر (Latency) و مدیریت بهتر مصرف منابع، از جمله مزایای اصلی اجرای مدل‌های هوش مصنوعی روی تراشه‌های x86 است که می‌تواند هزینه‌های سخت‌افزاری را به شدت کاهش دهد.

نتیارگیری

اگرچه رقابت بین اینتل و AMD در بازار پردازنده‌ها همچنان ادامه دارد، اما همکاری آن‌ها در حوزه استانداردسازی ابزارهای هوش مصنوعی نشان‌دهنده نیاز بازار به یکپارچگی بیشتر است. موفقیت این پروژه در نهایت به نتایج آزمون‌های مستقل و پیاده‌سازی نهایی در سخت‌افزارها بستگی خواهد داشت.