پرش به محتوای اصلی
پرش به محتوای مقاله

نقشه راه متا: تولید نسل جدید تراشه‌های AI در ۳ ماه آینده

·۱۸ تیر ۱۴۰۵۳ دقیقه مطالعه
تراشه‌های جدید هوش مصنوعی متا از شهریور تولید می‌شوند | تک‌کرانچ
تراشه‌های جدید هوش مصنوعی متا از شهریور تولید می‌شوند | تک‌کرانچ
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

استفاده از معماری ماژولار (Chiplet) برای دور زدن چرخه‌های کند تولید تراشه و رسیدن به سرعت تست ۶ هفته‌ای در سخت‌افزارهای اختصاصی.

تصور کنید یک غول فناوری میلیاردها دلار هزینه پرداخت کند تا فقط بتواند «حق اجاره» سخت‌افزاری خود را به یک شرکت دیگر بدهد. متا (Meta) قصد دارد این بازی را تغییر دهد و طبق گزارش رویترز (Reuters) به نقل از یک یادداشت داخلی، تولید جدیدترین تراشه‌های اختصاصی خود را در سپتامبر ۲۰۲۶ آغاز کند.

این تصمیم در حالی می‌افتد که صنعت با کمبود شدید واحد پردازش گرافیکی (GPU) دست‌وپنجه نرم می‌کند. متا می‌خواهد با بازگرداندن کنترل سخت‌افزاری، هزینه‌های عملیاتی را پایین بیاورد. اگرچه این شرکت از سال ۲۰۲۳ تولید سیلیکون‌های خود را شروع کرده بود، اما اکنون مقیاس تولید در حال گسترش است تا نیازهای عظیم محاسباتی مدل‌های جدید را پوشش دهد.

همان‌طور که در تحلیل قبلی ما درباره‌ی اکوسیستم سخت‌افزاری متا و مکانیسم‌های ایمنی عینک‌های هوشمندش اشاره کردیم، این شرکت اکنون تمرکز خود را بر لایه‌ی زیرساختی گذاشته است. متا مراکز داده‌های خود را مانند رایانه‌هایی غول‌پیکر و ارتقاپذیر می‌بیند تا از «کهنگی سخت‌افزاری» در امان بماند.

نقشه‌ی فنی تراشه‌ها

سخت‌افزار جدید تحت برنامه‌ی شتاب‌دهنده آموزش و استنتاج متا (MTIA) توسعه می‌یابد. جزئیات فنی و همکاری‌ها به شرح زیر است:

  • طراحی و ساخت: متا برای طراحی تراشه با برادکام (Broadcom) همکاری می‌کند و ساخت را به تی‌اس‌ام‌سی (TSMC) سپرده است.
  • زنجیره تأمین: رم‌ها از سامسونگ (Samsung)، حافظه‌ها از سندیسک (Sandisk) و تجهیزات فیبر نوری از سومی‌تومو الکتریک (Sumitomo Electric) تأمین می‌شوند.
  • معماری ماژولار: تراشه‌های MTIA از رویکرد تراشه-قطعه (Chiplet) — شبیه به لگوهایی که می‌توان قطعات مختلف را بدون بازسازی کل سازه تعویض کرد — استفاده می‌کنند.
  • سرعت تست: طبق گزارش‌ها، یک نسخه‌ی خاص از این تراشه تنها در ۶ هفته مراحل تست را پشت سر گذاشت.

استراتژی استقرار

متا قصد دارد این تراشه‌ها را برای الگوریتم‌های رتبه‌بندی و پیشنهاددهی و همچنین استنتاج (Inference) — یعنی لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — به کار بگیرد. این بخشی از یک هزینه‌کرد گسترده است؛ چراکه در آوریل ۲۰۲۶، شرکت اعلام کرد هزینه‌های سرمایه‌ای آن در سال جاری بین ۱۲۵ تا ۱۴۵ میلیارد دلار خواهد بود.

به گزارش رویترز، متا برای تغذیه مدل‌های میوز اسپارک (Muse Spark)، قصد دارد امسال ۷ گیگاوات توان محاسباتی مستقر کند و این ظرفیت را در سال ۲۰۲۷ دو برابر کند. این زیرساخت‌های عظیم، مسیر را برای توسعه ابزارهای پیشرفته‌تر هموار می‌کند؛ برای مثال متا پیش از این سکو پلتفرمی به نام Gizmo را برای تبدیل پرامپت‌ها به بازی‌های تعاملی معرفی کرده بود که نیاز به قدرت پردازشی بالایی دارد.

این چرخش، ترندی بزرگتر را نشان می‌دهد: غول‌های AI در حال تبدیل شدن به طراح تراشه هستند. OpenAI در حال ساخت یک پردازنده استنتاج با برادکام است و آنتروپیک (Anthropic) نیز به دنبال سامسونگ برای سیلیکون‌های خود است. متا با این تنوع‌بخشی، تضمین می‌کند که کمبود موجودی یک تأمین‌کننده واحد، نقشه‌ی راه محصولاتش را مختل نکند.

گام بعدی شما

  • رصد بنچمارک‌های عملکردی تراشه‌های MTIA در سه ماهه چهارم سال برای مقایسه با GPUهای انویدیا.
  • بررسی گزارش‌های مالی متا برای تحلیل تأثیر کاهش هزینه‌ی استنتاج بر حاشیه سود شرکت.
  • دنبال کردن اخبار همکاری‌های Broadcom با سایر شرکت‌های AI برای شناسایی الگوهای سخت‌افزاری مشترک.

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

چرا این موضوع مهم است؟

این اقدام با تکیه بر اعتبار Broadcom و TSMC، وابستگی استراتژیک صنعت AI به انویدیا را می‌شکند. در نتیجه، کنترل هزینه‌های استنتاج در مقیاس میلیاردها کاربر، مستقیماً تحت مدیریت خود متا قرار می‌گیرد.

تأثیر برای ایران

این تحول یک تصمیم داخلی در زیرساخت‌های متا است و مسیر مستقیمی به اکوسیستم توسعه‌دهندگان یا کاربران در ایران ندارد.

·نگاه ما
تحریریه دات‌هوش

تغییر استراتژی متا به سمت معماری Chiplet نشان می‌دهد که سرعت تکامل مدل‌های زاینده از سرعت تولید سیلیکون پیشی گرفته است. متا دیگر نمی‌تواند منتظر چرخه‌های طولانی طراحی تراشه‌های یکپارچه بماند و ترجیح می‌دهد سخت‌افزاری بسازد که قطعه‌قطعه ارتقا یابد. این رویکرد، ریسک سرمایه‌گذاری میلیارد دلاری روی سخت‌افزاری که ممکن است تا زمان عرضه منسوخ شود را به شدت کاهش می‌دهد.

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.