Nvidia تتحدى Intel و AMD في سوق المعالجات بقيمة 200 مليار دولار

انخرطت Nvidia في دخول سوق معالجات مراكز البيانات، وهو مجال كان يهيمن عليه سابقاً شركات مثل Intel و AMD ويقدر حالياً بـ 200 مليار دولار. حصلت الشركة بالفعل على عميلها الأول على شكل Perplexity، والتي ستكون من بين الشركات الأولى التي تتبنى معالج Nvidia الجديد، Vera. هذه خطوة كبرى تهدف إلى توسيع قدرات عمليات Nvidia بما يتجاوز بطاقات الرسوميات (GPUs) الشهيرة بها.

الأسباب المعنية هي في الغالب اقتصادية. يدعي Nvidia، الذي نُشر في مدونة الشركة لشركة Ian Buck في 7 يوليو، أن المعالج الذي يتعامل مع تشغيل نموذج الذكاء الاصطناعي – تشغيل تطبيقات مختلفة، وتنفيذ الأكواد، ونقل البيانات، إلخ – هو حالياً عنق زجاجة يتسبب في بقاء بطاقات GPU باهظة الثمن خاملة بينما تذهب قوتها المعالجة دون استغلال كامل. بالإضافة إلى ذلك، ذكرت Reuters أن

ستقوم Perplexity بتنفيذ Vera كأحد المشاريع الأولى لمنصة المعالجات الجديدة من Nvidia. صرح نائب الرئيس Nate Kupp بأن المعالج كان «مطابقاً تماماً» لاحتياجات الشركة وجعل وظائفه أسرع بنسبة 1.5 مرة من معالجات CPU التقليدية أثناء الاختبارات الداخلية. بينما أفادت Reuters عن قرار اعتماد Vera والمعايير المذكورة أعلاه، تجدر الإشارة إلى أن الاختبارات أجرتها Perplexity و Nvidia، وليس من قبل أي سلطات مستقلة.

Perplexity شغلت واحدة من مهام وكلائها اليومية العادية على الشريحة، حيث قامت بنسخ مستودع أكواد وتشغيل مجموعة الاختبارات الخاصة بها داخل صناديق معزولة. وفقاً لـ Nvidia، أنهت Vera هذا العمل بسرعة أكبر بنسبة 1.5 مرة من معالج خادم x86 قابل للمقارنة، وشغلت صناديق متوازية بسرعة أكبر بنسبة 1.9 مرة. تخطط شركة البحث بالذكاء الاصطناعي الآن لدمج Vera في نظام إنتاجها التالي.

لماذا أصبح المعالج (CPU) عنق الزجاجة

السبب وراء تحول المعالج (CPU) إلى عنق زجاجة في تكنولوجيا الذكاء الاصطناعي يعود إلى نمط عمل وكلاء الذكاء الاصطناعي. على عكس روبوتات الدردشة التقليدية التي تركز فقط على توليد الردود، يتحمل وكلاء الذكاء الاصطناعي مسؤولية تنفيذ الأدوات، وتشغيل الأكواد، وإجراء الاستعلامات، واسترجاع المستندات، وتقييم النتائج قبل اتخاذ أي خطوات أخرى. العملية تسلسلية، وبالتالي فإن أداء معالج CPU أحادي الخيط يصبح ضرورياً للتنفيذ في الوقت المناسب للردود.

الصناعة الذكية تدفع المزيد من الاهتمام لهذا التغيير. مع انتقال الذكاء الاصطناعي من إنتاج النصوص إلى أداء وظائف متعددة معقدة بمفرده، أصبح من الضروري أن تقوم المعالجات (CPUs) بالتنسيق، والتلاعب، ونقل المعلومات قبل أن تقوم GPU بأي استنتاج.

وفقاً لـ Nvidia، من أجل الاستفادة القصوى من بطاقات GPU، ستكون هناك حاجة إلى معالجات أسرع بكثير في مركز البيانات حيث تحتاج آلاف وكلاء الذكاء الاصطناعي للعمل في وقت واحد. وبالمثل، تم تطوير المعالجات التقليدية منذ فترة طويلة قبل ظهور التكنولوجيا المتعلقة بوكلاء الذكاء الاصطناعي الدائمين التشغيل، مما خلق فرصة لمعالجات محسنة خصيصاً لهذه أعباء العمل.

ضربة مباشرة لـ Intel و AMD

Nvidia لا تخفي نواياها أيضاً. خلال مؤتمر Computex في 2 يونيو في تايبيه، أشار Jensen Huang، الرئيس التنفيذي للشركة، إلى أن إنشاء قسم لمعالجات الكمبيوتر والخوادم هو جزء من خططها لإعادة «ابتكار» سوق المعالجات. يوافق العديد من الخبراء في المجال على أن هذه المبادرة تضع Nvidia في فئة المنافسين لـ Intel و AMD. وفقاً لـ Reuters، من المتوقع أن تحقق Nvidia 20 مليار دولار من معالجات Vera في السنة المالية الحالية. في الوقت نفسه، تدعي الشركة أن إجمالي إمكانات المعالجات يقدر بـ 200 مليار دولار.

يأتي هذا الأمل في موقف تنافسي بينما تريد Nvidia أن تجد نفسها ليس فقط في مجال مسرعات الذكاء الاصطناعي ولكن أيضاً خارج هذا المجال المحدود. سوق معالجات الخوادم العالمية كان تاريخياً يخدمه Intel و AMD بمساعدة معالجات x86. ومع ذلك، وجدت المعالجات القائمة على Arm طريقها إلى سوق الحوسبة السحابية فائقة القياس، حيث تقوم الشركات بإجراء بعض التحسينات لأعباء العمل المحددة بدلاً من الاضطرار إلى استخدام معالجات الأغراض العامة.

يأتي هذا التنافس بينما يكافح incumbentون. سهم Nvidia أغلق عند 196.93 دولار في 7 يوليو، بزيادة 0.7%، وفقاً لبيانات Yahoo Finance. AMD و Intel انخفضت بنسبة 6.5% و 9.7% على التوالي. لكن المحللين يعزون هذه الانخفاضات بشكل عام إلى بيع أوسع في قطاع أشباه الموصلات بسبب أخبار متعلقة بـ Samsung بدلاً من الاعتماد فقط على Vera من Nvidia.

تقول Nvidia إنها لم تنته. نواتها الخادمية التالية، Rigel، القائمة على Arm v9.2 والمخطط لها لمنصة Rosa المستقبلية، تهدف إلى زيادة الأداء لكل نواة بشكل أكبر. سواء نجحت Vera في إحداث ثورة في مشهد معالجات الخوادم أم لا، سيتم تحديده ليس فقط من خلال قياسات الأداء الخاصة بـ Nvidia، ولكن أيضاً من خلال الاستقبال الفعلي من العملاء والتحقق من أداء Vera من قبل أطراف ثالثة من خلال اختبارات تجريبية متنوعة.