AWS و انویدیا برای توسعه بارهای کاری هوش مصنوعی، دو میلیون GPU دیگر مستقر می‌کنند
منبع : datacenter.news
تاریخ انتشار: ۲۸ اوت ۲۰۲۶
شرکت‌های Amazon Web Services (AWS) و NVIDIA قصد دارند دو میلیون واحد پردازش گرافیکی (GPU) دیگر را برای اجرای بارهای کاری هوش مصنوعی مستقر کنند. این همکاری همچنین به حوزه‌های پردازنده‌های مرکزی (CPU)، شبکه و رباتیک گسترش خواهد یافت.این اقدام در راستای توسعه بیشتر زیرساخت‌های پردازشی انجام می‌شود؛ زیرساخت‌هایی که با افزایش سریع تقاضا برای محاسبات هوش مصنوعی، به ظرفیت بیشتری برای آموزش و اجرای مدل‌ها نیاز دارند.استقرار جدید، به مجموعه گسترده سخت‌افزارهای انویدیا اضافه می‌شود که هم‌اکنون در پلتفرم ابری AWS مورد استفاده قرار می‌گیرند. انویدیا به تأمین‌کننده اصلی تراشه‌های هوش مصنوعی تبدیل شده است؛ درحالی‌که AWS تلاش می‌کند تقاضای مشتریان برای سامانه‌های انویدیا را در کنار استفاده از تراشه‌های اختصاصی خود، از جمله Trainium و Inferentia، مدیریت کند.
توسعه همکاری فراتر از پردازنده‌های گرافیکی
گسترش همکاری AWS و انویدیا نشان می‌دهد که روابط این دو شرکت دیگر به پردازنده‌های گرافیکی محدود نیست. اشاره هم‌زمان به CPU، شبکه و رباتیک در کنار GPU بیانگر همکاری گسترده‌تر آن‌ها در فناوری‌های کلیدی توسعه مراکز داده و طراحی سامانه‌های هوش مصنوعی است.شرکت‌های بزرگ ارائه‌دهنده خدمات ابری سرمایه‌گذاری قابل‌توجهی برای تأمین پردازنده‌ها، تجهیزات شبکه و انرژی موردنیاز خود انجام می‌دهند. هدف آن‌ها پاسخ‌گویی به افزایش استفاده سازمان‌ها و کاربران از خدمات هوش مصنوعی مولد است.تراشه‌های انویدیا همچنان نقش مهمی در این توسعه دارند؛ زیرا به‌طور گسترده برای آموزش مدل‌های زبانی بزرگ و اجرای استنتاج (Inference) پس از استقرار مدل‌ها استفاده می‌شوند.برای AWS، افزودن GPUهای جدید می‌تواند ظرفیت ارائه خدمات به مشتریانی را افزایش دهد که ترجیح می‌دهند از طریق فضای ابری به سامانه‌های انویدیا دسترسی داشته باشند، نه اینکه مراکز داده اختصاصی خود را ایجاد کنند.این همکاری همچنین نشان‌دهنده تلاش اپراتورهای بزرگ ابری برای حفظ انعطاف‌پذیری زیرساختی است. آن‌ها با ترکیب تراشه‌های خریداری‌شده از تأمین‌کنندگان خارجی، پردازنده‌های توسعه‌یافته در داخل شرکت و تجهیزات شبکه یکپارچه، می‌کوشند نیازهای متنوع مشتریان را پاسخ دهند.
- رباتیک و هوش مصنوعی فیزیکی
رباتیک یکی از حوزه‌های جدیدتر هم‌پوشانی فعالیت‌های AWS و انویدیا محسوب می‌شود. انویدیا پلتفرم‌های نرم‌افزاری و سخت‌افزاری متعددی برای سامانه‌های رباتیک و خودکارسازی صنعتی توسعه داده است. آمازون نیز سابقه طولانی در سرمایه‌گذاری روی خودکارسازی انبارها و استفاده از یادگیری ماشین در شبکه لجستیکی خود دارد.گسترش همکاری در این بخش می‌تواند زمینه فعالیت مشترک دو شرکت را از رایانش ابری فراتر ببرد و به کاربردهای فیزیکی هوش مصنوعی، از جمله ربات‌های صنعتی و سامانه‌های خودکار، گسترش دهد.
- افزایش رقابت برای تأمین زیرساخت هوش مصنوعی
این اعلام در شرایطی صورت می‌گیرد که رقابت میان ارائه‌دهندگان بزرگ خدمات ابری برای تأمین تجهیزات موردنیاز هوش مصنوعی شدت گرفته است. شرکت‌هایی مانند مایکروسافت و گوگل نیز در حال توسعه زیرساخت‌های خود، امضای قراردادهای تأمین تجهیزات و معرفی تراشه‌های اختصاصی هستند تا هزینه‌ها را کنترل کنند و وابستگی به تأمین‌کنندگان خارجی را کاهش دهند.در چنین شرایطی، اهمیت راهبردی انویدیا برای بزرگ‌ترین شرکت‌های فناوری افزایش یافته است. با وجود تلاش مشتریان برای یافتن جایگزین‌ها، پردازنده‌های گرافیکی و محصولات شبکه این شرکت همچنان بخش مهمی از معماری سامانه‌های هوش مصنوعی را تشکیل می‌دهند. به همین دلیل، دسترسی مطمئن به محصولات انویدیا به یکی از اولویت‌های اپراتورهای ابری تبدیل شده است؛ به‌ویژه شرکت‌هایی که خدمات پردازشی را به استارتاپ‌ها، توسعه‌دهندگان نرم‌افزار و مشتریان سازمانی ارائه می‌کنند.
- نقش پردازنده‌های مرکزی در معماری سامانه‌های هوش مصنوعی
گسترش همکاری به حوزه CPU نیز اهمیت ویژه‌ای دارد؛ زیرا می‌تواند نشان‌دهنده هماهنگی بیشتر دو شرکت در طراحی و یکپارچه‌سازی سامانه‌های هوش مصنوعی باشد.اگرچه GPUها بخش عمده محاسبات سنگین بسیاری از بارهای کاری هوش مصنوعی را انجام می‌دهند، پردازنده‌های مرکزی همچنان برای هماهنگ‌سازی بارهای کاری، مدیریت حافظه و اجرای محیط‌های عمومی نرم‌افزاری در مراکز داده ضروری هستند.بنابراین، عملکرد مطلوب زیرساخت هوش مصنوعی فقط به قدرت پردازش GPU وابسته نیست. هماهنگی میان پردازنده‌های مرکزی و گرافیکی، حافظه، شبکه و نرم‌افزار نیز در کارایی نهایی سامانه نقش مهمی دارد.
- شبکه؛ عامل کلیدی در مقیاس‌پذیری خوشه‌های GPU
با افزایش تعداد پردازنده‌ها در خوشه‌های هوش مصنوعی، شبکه به یکی از عوامل تعیین‌کننده عملکرد تبدیل شده است. انتقال سریع داده میان پردازنده‌ها برای آموزش کارآمد مدل‌های پیشرفته ضروری است.انویدیا نیز با توسعه فناوری‌های ارتباطی پرسرعت و محصولات شبکه مراکز داده، حضور خود را در این حوزه گسترش داده است. همکاری نزدیک‌تر با AWS در بخش شبکه می‌تواند بر نحوه طراحی و پیکربندی نسل‌های آینده خوشه‌های هوش مصنوعی این ارائه‌دهنده خدمات ابری تأثیر بگذارد.در خوشه‌های بزرگ، حتی وجود پردازنده‌های قدرتمند نیز بدون ارتباطات سریع و کارآمد، لزوماً به عملکرد مطلوب منجر نمی‌شود. پهنای باند شبکه، تأخیر ارتباطی و هماهنگی میان اجزای پردازشی، همگی در بهره‌وری آموزش مدل‌ها نقش دارند.
هزینه‌های سرمایه‌ای و چالش بازگشت سرمایه
استقرار دو میلیون GPU دیگر نشان می‌دهد که توسعه هوش مصنوعی به رقابتی سرمایه‌بر میان بزرگ‌ترین شرکت‌های فناوری جهان تبدیل شده است. ساخت و بهره‌برداری از زیرساختی در این مقیاس، تنها به خرید تراشه محدود نمی‌شود؛ بلکه به سرمایه‌گذاری گسترده در سرورها، تجهیزات شبکه، یکپارچه‌سازی نرم‌افزاری، سامانه‌های خنک‌کننده و تأمین برق نیز نیاز دارد.سرمایه‌گذاران و مشتریان بازار فناوری همچنان بررسی می‌کنند که آیا هزینه‌های سنگین زیرساخت هوش مصنوعی می‌تواند به رشد پایدار درآمد شرکت‌های ابری و تولیدکنندگان نیمه‌رسانا منجر شود یا خیر. AWS با این چالش روبه‌رو است که نشان دهد تقاضا برای خدمات هوش مصنوعی می‌تواند هزینه توسعه سریع زیرساخت‌ها را توجیه کند. انویدیا نیز با پرسش‌هایی درباره مدت‌زمان تداوم سطح فعلی تقاضا برای تراشه‌های هوش مصنوعی مواجه است.با وجود این ابهامات، برنامه جدید نشان می‌دهد که هر دو شرکت همچنان برای رشد بیشتر استفاده از هوش مصنوعی در نرم‌افزارهای سازمانی، برنامه‌های کاربردی مصرف‌کنندگان و سامانه‌های صنعتی آماده می‌شوند.
جمع‌بندی
برنامه AWS و انویدیا برای استقرار دو میلیون GPU دیگر، بیانگر ادامه سرمایه‌گذاری گسترده در زیرساخت‌های هوش مصنوعی است. گسترش همکاری به پردازنده‌های مرکزی، شبکه و رباتیک نیز نشان می‌دهد که توسعه این زیرساخت‌ها به مجموعه‌ای یکپارچه از فناوری‌های پردازشی، ارتباطی و نرم‌افزاری وابسته است.برای AWS، این همکاری می‌تواند ظرفیت دسترسی مشتریان به سامانه‌های پیشرفته هوش مصنوعی را افزایش دهد و در کنار تراشه‌های اختصاصی این شرکت، گزینه‌های بیشتری برای ارائه خدمات ابری فراهم کند. برای انویدیا نیز همکاری با یکی از بزرگ‌ترین اپراتورهای ابری جهان، اهمیت محصولات پردازشی و شبکه‌ای این شرکت را در معماری مراکز داده تقویت می‌کند.در نهایت، موفقیت این سرمایه‌گذاری‌ها تنها به تعداد GPUهای مستقرشده وابسته نیست. تأمین انرژی، خنک‌سازی، شبکه پرسرعت، بهره‌برداری مؤثر از منابع پردازشی و بازگشت اقتصادی سرمایه نیز تعیین می‌کنند که این زیرساخت‌ها تا چه اندازه بتوانند پاسخ‌گوی رشد بلندمدت تقاضای هوش مصنوعی باشند.
تیم فنی شرکت کوشا فناوران مبتکر آمادگی خود را برای یاری به حفاظت از داده های ارزشمند شما اعلام می دارد. اقدامات این مجموعه شامل طراحی و پیاده سازی طرح تداوم کسب و کار و بازیابی داده ها پس از بحران ، طراحی و پیاده سازی طرح پشتیبان گیری امن داده و هاردنینگ و امن سازی زیر ساخت فناوری اطلاعات می باشند.
