GPT-4o LATENCY240msCLAUDE OPUS 4.7ONLINENVDA+1.2%MISTRAL LARGE 2STREAMINGOPENAI API99.97% UPTIMEGROQ MIXTRAL580 tok/sGEMINI 2.5 PROCTX 2MANTHROPIC STATUSOKTSMC+0.4%PERPLEXITYINDEXINGGPT-4o LATENCY240msCLAUDE OPUS 4.7ONLINENVDA+1.2%MISTRAL LARGE 2STREAMINGOPENAI API99.97% UPTIMEGROQ MIXTRAL580 tok/sGEMINI 2.5 PROCTX 2MANTHROPIC STATUSOKTSMC+0.4%PERPLEXITYINDEXING
پرش به محتوای مقاله

چرخش راهبردی انویدیا: چرا گلوگاه هوش مصنوعی از GPU به شبکه تغییر می‌کند؟

·۱۳ خرداد ۱۴۰۵۵ دقیقه مطالعه
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تغییر تمرکز استراتژیک انویدیا از تولید GPU به سرمایه‌گذاری مستقیم روی زیرساخت‌های شبکه (Networking Fabric) برای شکستن انحصار Broadcom در بازار سوییچ‌های high-end.

اگر هنوز موفقیت در هوش مصنوعی را با تعداد GPUها می‌سنجید، متوجه تغییر مسیر در بازار تریلیون دلاری سخت‌افزار نشده‌اید. حقیقت این است که گلوگاه فعلی دیگر قدرت محاسباتی نیست، بلکه «بافتی» است که این تراشه‌ها را به هم متصل می‌کند.

شبکه‌سازی اکنون به سیستم گردش خون مراکز داده تبدیل شده است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی مقیاس‌پذیری مدل‌های زبانی اشاره کردیم، وقتی خوشه‌های پردازشی به ۱۰۰ هزار GPU می‌رسند، حجم داده‌های جابه‌جایی‌شده سریع‌تر از تعداد خودِ تراشه‌ها رشد می‌کند. بافت شبکه (Network Fabric) — شبیه به رگ‌های خونی که اکسیژن را به اندام‌های مختلف می‌رسانند — اکنون تعیین می‌کند که GPUها چقدر بتوانند از توان خود استفاده کنند.

در ۲ ژوئن ۲۰۲۶، جنسن هوانگ (Jensen Huang) به‌طور غیرمنتظره در کنفرانس Marvell در Computex حضور یافت. او طبق گزارش‌ها، این شرکت را یک موجودیت تریلیونی در آینده خواند؛ ادعایی که در یک جلسه ۴۵ میلیارد دلار به ارزش بازار Marvell افزود. بر اساس مستندات منتشرشده، این حمایت در پی سرمایه‌گذاری ۲ میلیارد دلاری انویدیا در سهام Marvell در مارس ۲۰۲۶ صورت گرفته است.

Marvell با معرفی تراشه Teralynx T100 قصد دارد انحصار ۷۵ درصدی Broadcom در بازار سوییچ‌های پیشرفته را بشکند. طبق اعلام این شرکت، ویژگی‌های این سخت‌افزار عبارتند از:

  • پهنای باند ۱۰۲.۴ ترابیت بر ثانیه
  • طراحی تک‌قطعه‌ای (Monolithic) با فناوری ۳ نانومتری و مصرف کمتر از ۱۰۰۰ وات
  • ۲۵٪ مصرف انرژی کمتر نسبت به نمونه‌های رقیب
  • طراحی ۵۱۲ پورت برای کاهش لایه‌های شبکه

به گزارش منابع صنعتی، برتری Marvell در «طراحی مشترک» (Co-design) است؛ این شرکت تنها تامین‌کننده‌ای است که سوییچ‌ها، شتاب‌دهنده‌های سفارشی و اتصالات نوری را یک‌جا طراحی می‌کند. طبق تحلیل ما، این یعنی هزینه مقیاس‌بندی هوش مصنوعی از خودِ تراشه به سمت برق و کابل‌های اتصال در حال حرکت است. کاهش ۲۵ درصدی مصرف انرژی برای غول‌های ابری به معنای صرفه‌جویی میلیون‌ها دلاری در هزینه‌های عملیاتی است.

گام بعدی شما

  • بررسی گزارش‌های مالی Marvell تا پایان سال مالی ۲۰۲۷ برای رصد قراردادهای جدید با غول‌های ابری.
  • تحلیل تغییر قیمت‌های اجاره GPU در پلتفرم‌های ابری بر اساس بهینه‌سازی‌های شبکه.
  • دنبال کردن رقابت مستقیم Teralynx T100 با Tomahawk 6 در بنچمارک‌های تأخیر.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این اتفاق نشان می‌دهد که تمرکز صنعت از «قدرت تک‌تراشه» به «بهینگی ارتباطات» تغییر کرده است. با تکیه بر اعتبار و تخصص تنسن هوانگ، این جابجایی سرمایه می‌تواند منجر به کاهش هزینه‌های انرژی در مقیاس کلان مراکز داده شود.

تأثیر برای ایران

این خبر بیشتر برای پژوهشگران زیرساخت‌های مرکز داده اهمیت دارد تا بازار مصرف ایران، زیرا خرید و پیاده‌سازی این تجهیزات پیشرفته به‌دلیل تحریم‌ها و هزینه‌های ارزی عملاً غیرممکن است.

·نگاه ما
تحریریه دات‌هوش

تحلیل ما این است که انویدیا را باید فراتر از یک شرکت تولید تراشه دید. این حرکت نشان می‌دهد انویدیا قصد دارد کل «پشته تکنولوژی» (Tech Stack) مرکز داده را کنترل کند تا هیچ گلوگاهی در مسیر رشد مدل‌های زاینده باقی نماند. این یک حرکت پیش‌دستانه برای تبدیل شدن به سیستم‌عامل سخت‌افزاری هوش مصنوعی است.

منابع

گفتگو

شماره ۰۵۳پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت — به‌علاوه ۳ بخش جدید. بدون هیاهو، هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی
۰۰:۰۰تا شماره بعدیهفته‌ی ۵۳ بدون وقفه