اگر امروز هزینه‌های عملیاتی مدل‌های هوش مصنوعی را مدیریت می‌کنید، باید بدانید که جنگ بعدی بر سر «هر توکن با چه قیمتی تولید می‌شود» است. کاهش مصرف برق در مراکز داده، تنها راه بقای مدل‌های زاینده در مقیاس جهانی است.
ارائه دهندگان ابری اکنون در رقابتی شدید برای کاهش هزینه‌های برق هستند. هوش مصنوعی زاینده (Generative AI) — شبیه به کارخانه‌ای است که برای تولید هر قطعه، مقدار عظیمی انرژی می‌بلعد — و حالا AWS قصد دارد با تخصص کوالکام در طراحی کم‌مصرف، این قبض‌های برق را کوچک کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی بهینه‌سازی سخت‌افزارهای ابری اشاره کردیم، تنوع در لایه‌ی سیلیکون برای جلوگیری از وابستگی مطلق به انویدیا حیاتی است.
طبق اعلام رسمی کوالکام در ۸ سپتامبر ۲۰۲۶، این همکاری چندجانبه بر سه محور فنی متمرکز است:
- سخت‌افزار اختصاصی: طراحی تراشه‌های چندنسلی که به‌طور ویژه برای استنتاج (Inference) — یعنی لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — در مقیاس مراکز داده بهینه شده‌اند.
- اتصالات نوری: توسعه راهکارهای ارتباطی با پهنای‌باند ۱.۶ ترابیت برای مدیریت ترافیک عظیم داده‌ها.
- تبادل خدمات: کوالکام برای تسریع طراحی این تراشه‌ها از Amazon Bedrock استفاده می‌کند. این رویکرد در راستای استراتژی گسترده‌تر AWS برای یکپارچه‌سازی ابزارهای هوش مصنوعی در محیط‌های کاری است، مشابه آنچه در تسهیل دسترسی به داده‌های سازمانی در محیط آفیس مشاهده کردیم.
به گزارش منابعی چون the-decoder.com و unite.ai، این سومین پیروزی بزرگ کوالکام در بازار مراکز داده از ماه ژوئن است. پیش از این، متا پردازنده Dragonfly C1000 و مایکروسافت معماری حافظه HBC این شرکت را در Azure به کار گرفته‌اند.
برای مدیران کسب‌وکار، این تغییر به معنای گذار به «کارایی تخصصی» است. وقتی از GPUهای همه‌منظوره فاصله بگیریم و به سمت سیلیکون‌های مخصوص استنتاج برویم، هزینه هر توکن کاهش می‌یابد و در نتیجه قیمت سرویس‌های ابری ارزان‌تر می‌شود.
گام بعدی شما
- اگر از سرویس‌های AWS استفاده می‌کنید، تغییرات قیمت در لایه‌ی استنتاج را در سه ماه آینده رصد کنید.
- بررسی کنید که آیا مدل‌های شما با سخت‌افزارهای تخصصی‌تر (مانند Trainium) سازگار هستند یا خیر.
- تحولات استانداردهای اتصالات نوری را دنبال کنید، زیرا احتمالاً به استاندارد جدید تمام مراکز داده تبدیل می‌شود.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو