اگر امروز مدیر یک مرکز داده هستید، احتمالاً متوجه شده‌اید که جنگ مقیاس‌دهی هوش مصنوعی از یک چالش نرم‌افزاری به یک نبرد فیزیکی علیه محدودیت‌های انرژی و سیلیکون تبدیل شده است. برای عبور از این بن‌بست، شرکت Cerebras Systems روی ایده‌ای شرط‌بندی کرده است که اساس معماری تراشه‌های فعلی را به کلی کنار می‌گذارد و به جای آن، بر رایانش در مقیاس ویفر (Wafer-Scale Computing) تکیه می‌کند.
بیشتر سخت‌افزارهای هوش مصنوعی از بریدن یک ویفر سیلیکونی به ده‌ها یا صدها تراشه کوچک تشکیل شده‌اند. اما Cerebras مسیر معکوسی را طی می‌کند و یک پردازنده عظیم و واحد را مستقیماً روی کل ویفر می‌سازد. این معماری به‌طور خاص برای سنگین‌ترین بارهای کاری هوش مصنوعی طراحی شده است تا هزینه‌های ارتباطی و تأخیرهایی که خوشه‌های GPU سنتی را کند می‌کند، به حداقل برساند.
به گزارش تک‌کرانچ (TechCrunch) در ۳۰ سپتامبر ۲۰۲۶، اندرو فلدمن (Andrew Feldman)، مدیرعامل و هم‌بنیان‌گذار این شرکت، در رویداد TechCrunch Disrupt ۲۰۲۶ جزئیات این چشم‌انداز را ارائه خواهد کرد. او در این نشست به این پرسش کلیدی پاسخ خواهد داد که اگر سخت‌افزارهای فعلی به محدودیت‌های فیزیکی خود برسند، آیا هوش مصنوعی همچنان می‌تواند به مقیاس‌پذیری خود ادامه دهد یا خیر.
مردی پشت این چشم‌انداز
اندرو فلدمن در سال ۲۰۱۵ شرکت Cerebras را تأسیس کرد. او سال‌ها تجربه در ساخت زیرساخت‌های محاسباتی را با خود به این پروژه آورد. پیش از این، او شرکت SeaMicro را بنیان‌گذاری کرد و آن را رهبری نمود؛ استارتاپی در زمینه میکروسرورهای کم‌مصرف که در سال ۲۰۱۲ توسط AMD خریداری شد. فلدمن همچنین سوابق مدیریتی در شرکت‌های Riverstone Networks و Force10 Networks دارد.
فلدمن و تیمش چالشی را پذیرفتند که برای مدت‌ها غیرعملی پنداشته می‌شد: تجاری کردن رایانش در مقیاس ویفر. آن‌ها با حذف فرآیند بریدن ویفرها به تراشه‌های مجزا، سیستمی خلق کردند که مفروضات اولیه رایانش هوش مصنوعی را به چالش می‌کشد.
مقیاس‌دهی ردپای فیزیکی
طراحی یک پردازنده سریع‌تر تنها نیمی از مسیر است؛ نیمی دیگر مربوط به زیرساخت‌های فیزیکی مورد نیاز برای تأمین برق و خنک‌سازی آن است. پردازنده‌های قدرتمند به تنهایی مشکل مقیاس‌پذیری را حل نمی‌کنند، بلکه به مراکز داده عظیم، برق فراوان و ظرفیت تولید صنعتی نیاز دارند.
بر اساس مستندات شرکت، Cerebras برای پاسخ به این تقاضای شدید، در حال گسترش تهاجمی ظرفیت‌های خود است:
- مشارکت با OpenAI: این شرکت قراردادی چندساله امضا کرده است تا بین سال‌های ۲۰۲۶ تا ۲۰۲۸، مجموعاً ۷۵۰ مگاوات سیستم را مستقر کند.
- ظرفیت مراکز داده: تا اوت ۲۰۲۶، شرکت گزارش داده است که بیش از ۶۰۰ مگاوات ظرفیت، یا به‌صورت فعال در دسترس است و یا تحت قرارداد است تا تا پایان سال ۲۰۲۷ تحویل شود.
- تولید: Cerebras در حال افزایش ظرفیت تولید خود است تا در طول سال ۲۰۲۶، این ظرفیت را بیش از ۱۰ برابر کند.
- گسترش اروپایی: این شرکت قصد دارد نخستین مرکز داده خود در اروپا را در سال جاری راه‌اندازی کند و هدفش رسیدن به ظرفیت ۲۰۰ مگاوات تا اواخر سال ۲۰۲۷ است.
در اوت ۲۰۲۶، این شرکت نسل جدید زیرساخت‌های هوش مصنوعی خود را با نام CS-4 معرفی کرد. این سخت‌افزار پس از یک عرضه اولیه سهام (IPO) در ماه مه عرضه شد که ۵.۵ میلیارد دلار سرمایه برای تأمین هزینه‌های این شرط‌بندی‌های عظیم زیرساختی جذب کرد.
محدودیت‌های سخت‌افزار سنتی
فلدمن در نشست Disrupt بررسی خواهد کرد که تقاضای رو به رشد برای محاسبات، انرژی و زیرساخت به کجا می‌رود. او تحلیل خواهد کرد که اگر سخت‌افزارهای فعلی به دیوار محدودیت برخورد کنند، چه اتفاقی می‌افتد و Cerebras چگونه با رویکردی متفاوت به این محدودیت‌ها نزدیک شده است.
برای بنیان‌گذاران، سرمایه‌گذاران و رهبران فناوری، فلدمن این محدودیت‌ها را در بستر واقعی قرار می‌دهد. او بررسی می‌کند که تقاضای محاسباتی به کدام سمت حرکت می‌کند و برای پشتیبانی فیزیکی از آن چه پیش‌نیازهایی لازم است. در حالی که Cerebras بر روی سخت‌افزار متمرکز است، برخی دیگر بر روی دقت ارزیابی این سیستم‌ها تمرکز کرده‌اند؛ برای مثال، سرمایه‌گذاری ۴۰ میلیون دلاری Vals تلاشی برای پایان دادن به تقلب در محک‌های AI است تا عملکرد واقعی این سخت‌افزارهای قدرتمند بهتر سنجیده شود.
برای رهبران کسب‌وکار و سرمایه‌گذاران، این تغییر نشان می‌دهد که «خندق رقابتی» (Moat) از کسانی که بیشترین تعداد تراشه را در اختیار دارند، به کسانی منتقل می‌شود که می‌توانند بیشترین میزان برق و گرما را مدیریت کنند. اگر GPUهای سنتی به بن‌بست برسند، برنده کسی خواهد بود که بتواند کارآمدترین محیط فیزیکی را برای تولید هوش مصنوعی بسازد.
این بدان معنای آن است که فاز بعدی رقابت هوش مصنوعی دیگر تنها درباره الگوریتم‌های بهتر نیست، بلکه درباره ظرفیت صنعتی خام برای ساخت و تغذیه این ماشین‌هاست. گلوگاه از کد به شبکه برق منتقل شده است.
نتایج نشست Disrupt را در تاریخ ۱۳ تا ۱۵ اکتبر در Moscone West سان‌فرانسیسکو دنبال کنید تا ببینید آیا رایانش در مقیاس ویفر می‌تواند سقف انرژی مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — را بشکند. انتظار می‌رود در این رویداد بیش از ۱۰,۰۰۰ بنیان‌گذار، سرمایه‌گذار و رهبر فناوری حضور یابند و بیش از ۲۵۰ سخنران و ۳۰۰ استارتاپ در آن شرکت کنند.
گام بعدی شما
- نتایج نشست Disrupt را دنبال کنید تا ببینید آیا رایانش در مقیاس ویفر می‌تواند سقف انرژی LLMها را بشکند.
- بررسی کنید که آیا استراتژی سخت‌افزاری شرکت شما بر تعداد تراشه‌ها متمرکز است یا بر بهره‌وری انرژی.
- گزارش‌های مربوط به استقرار ۷۵۰ مگاواتی OpenAI را برای درک مقیاس واقعی نیازهای آینده رصد کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو