پرش به محتوای اصلی
پرش به محتوای مقاله

گوگل تراشه TPU معمولی را در فضا آزمایش کرد؛ هیکو تولید شد

·۱۰ آبان ۱۴۰۵۱ دقیقه مطالعه
تراشه TPU گوگل در فدا پاسخ هوش مصنوعی می‌دهد.
تراشه TPU گوگل در فدا پاسخ هوش مصنوعی می‌دهد.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

نخستین اجرای استنتاج روی TPU کلاس مرکز داده در فضا — نه تراشه رادیکشن-هاردند تخصصی — که هزینه و پیچیدگی سخت‌افزار فضایی را به شدت کاهش می‌دهد.

گوگل در ۳۱ اکتبر نخستین پاسخ هوش مصنوعی را از یک تراشه TPU کلاس مرکز داده در مدار گرفت. این معلم هفته‌ها پس از پرتاب ماهواره نمونه اولیه پروژه سان‌کچر در ۱ اکتبر محقق شد. این موفقیت در ادامه‌ی پاسخ اولیه هوش مصنوعی از مدار به دست آمد که نشان‌دهنده پیشرفت قابل‌توجه گوگل در این عرصه است.

پروژه سان‌کچر گوگل هدفش بررسی امکان محاسبات هوش مصنوعی در فضا است — ایده‌ای که می‌تواند بحران انرژی رو به رشد مراکز داده روی زمین را حل کند. وبلاگ رسمی گوگل این طرح را یک «مهمه ماهی چندساله» توصیف می‌کند.

فرآیند راه‌اندازی و اولین خروجی

راه‌اندازی شامل روشن کردن میزبان و سینی‌های TPU و اجرای تست‌های اولیه یادگیری ماشین بود. لحظه «Hello World» وقتی آمد که مهندسان پرامپتی فرستادند تا Gemma 4 یک هیکوی فضایی بنویسد.

شعر دریافتی در گذر از سوالبارد، نروژ این بود:

«کره آبی در پایین / جریان داده در سکوت محض / نور ستاره قلبم را تغذیه می‌کند.»

تست‌های بعدی شامل لایمریک‌ها و پرامپت‌های تلمتری برای گزارش وضعیت سیستم‌های بار کاربردی بود.

جزئیات فنی کلیدی

  • پروژه: سان‌کچر (ماهواره نمونه اولیه)
  • مدل: Gemma 4 (مدل باز گوگل)
  • تراشه: TPU کلاس مرکز داده (نه رادیکشن-هاردند)
  • موقعیت معلم: ۳۱ اکتبر
  • مکان تست: گذر از سوالبارد، نروژ

این نخستین بار است که یک TPU کلاس مرکز داده — نه یک تراشه تخصصی رادیکشن-هاردند — در مدار استنتاج اجرا کرده است. گوگل اعلام کرد تراشه‌ها به طور رسمی «بال‌های فضایی» خود را کسب کرده‌اند.

مرحله بعد: تست‌های تنش و اشعه

مرحله آتی شامل سری ارزیابی‌ها برای تنش حرارتی و تعرض اشعه است. تأیید قابلیت اطمینان TPU راه را برای نمایش دوماهواره‌ای ۲۰۲۷ با لینک‌های بین‌ماهواره‌ای هموار می‌کند.

اگر TPUها قابل اعتماد ثابت شوند، اپراتورها می‌توانند استنتاج را از طریق رله‌های مداری نزدیک‌تر به کاربران نهایی بیاورند و تأخیر دوطرفه را کاهش دهند. انتخاب مدل باز نیز تمایل گوگل به تست معماری‌های شفاف در محیط‌های سخت را نشان می‌دهد. این رویکرد با ساخت اکوسیستم باز هوش مصنوعی برای ماهواره‌ها هم‌خط است و نشان‌دهنده تمایل به استفاده از مدل‌های شفاف در محیط‌های سخت است.

برای شرکت‌ها، محاسبات مداری در نهایت می‌تواند لایه جدیدی از حاکمیت و تاب‌آوری فراهم کند. داده‌ای که در فضا پردازش می‌شود می‌تواند از Gerichtsbarkeit زمینی و قطعی‌های شبکه برق فرار کند.

گام بعدی شما

  • پیشرفت‌های تست‌های تنش حرارتی و اشعه را در ماه‌های آینده رصد کنید — اعتبار TPU در فضا کلید همه چیز است.
  • اگر روی محصولات با تأخیر حساس کار می‌کنید، سناریوهای رله مداری را در نقشه راه فنی قرار دهید.
  • انتشار مدل‌های باز برای محیط‌های سخت، روندی است که می‌تواند گزینه‌های استقرار روی پیش‌مرکز را هم باز کند.
چرا این موضوع مهم است؟

این معلم اعتبار محاسبات هوش مصنوعی در فضا را از نظریه به واقعیت می‌کشد، با تأثیر مستقیم بر اقتصاد انرژی مراکز داده و معماری تأخیر پایین برای کاربران نهایی. انتخاب مدل باز Gemma 4 توسط گوگل همچنین پیشوندی برای شفافیت در استقرارهای سخت است.

تأثیر برای ایران

دسترسی ایرانی‌ها به خدمات محاسبات فضایی گوگل به‌دلیل تحریم‌ها و محدودیت‌های API مسدود است؛ این پیشرفت در کوتاه‌مدت اثری بر بازار ایران ندارد.

·نگاه ما
تحریریه دات‌هوش

انتقال استنتاج به فضا تنها برای کاهش تأخیر نیست؛ این یک بازی انرژی است. مراکز داده زمین در برابر سقف توان برق گیر کرده‌اند، در حالی که فضا انرژی خورشیدی بی‌نهایت و خنک‌سازی طبیعی دارد. اگر TPUهای معمولی در اشعه بمانند، اقتصاد محاسبات هوش مصنوعی بازنویسی می‌شود — نه فقط برای گوگل، برای هر کسی که GPU می‌خرد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.