تصور کنید هزینه‌های برق و فضای مرکز داده‌های شما ۱۰ برابر کاهش یابد و توان پردازشی به همان میزان رشد کند. این ادعای جسورانه شرکت Mueon Corporation است که قصد دارد چیدمان فیزیکی مراکز داده برای هوش مصنوعی را از پایه بازتعریف کند. هدف این شرکت دستیابی به بهره‌وری ۱۰ برابری در توان و هزینه است.
طبق اعلام این شرکت در ۱۵ اکتبر ۲۰۲۶، Mueon موفق شد ۶۵ میلیون دلار سرمایه در دور Series A به رهبری Maverick Silicon جذب کند تا پلتفرم محاسباتی ماژولار خود را به مرحله تولید برساند. این جذب سرمایه، مجموع بودجه این شرکت را پس از دور Seed در سال ۲۰۲۵ به بیش از ۸۰ میلیون دلار می‌رساند، چرا که در سال ۲۰۲۵ مبلغ ۱۵.۵ میلیون دلار در دور اولیه جذب کرده بود.
در این مرحله از تأمین مالی، Mueon در حال گسترش تیم رهبری خود است. Manish Muthal، مدیر ارشد در Maverick Silicon، به هیئت مدیره شرکت می‌پیوندد. او در کنار Srini Ananth، مدیر Intel Capital قرار می‌گیرد که از مرحله Seed در کنار این شرکت بوده است. در این دور سرمایه‌گذاری، طیف گسترده‌ای از سرمایه‌گذاران از جمله Intel Capital، Geodesic Alliances Fund، Oregon Venture Fund، M-Ventures، Wellington Capital، IQT و Defined مشارکت داشتند.
زیرساخت‌های فعلی هوش مصنوعی با یک دیوار سخت برخورد کرده‌اند. در رک‌های سرور سنتی، بخش محاسبات و حافظه از هم جدا هستند و این جدایی باعث ایجاد گلوگاه در جابه‌جایی داده‌ها و جهش‌های شدید حرارتی می‌شود. این وضعیت شبیه شهری است که هر دفتر کار در ساختمانی جداگانه باشد و کارمندان برای به اشتراک گذاشتن یک فایل ساده، مجبور باشند کیلومترها مسیر طی کنند؛ دقیقاً همین اتفاق در سطح رک‌های فعلی می‌افتد.
همان‌طور که در تحلیل‌های پیشین ما درباره بهینه‌سازی سخت‌افزارهای استنتاج اشاره کردیم، فاصله فیزیکی بین تراشه و حافظه، بزرگ‌ترین دشمن سرعت است. Mueon این مشکل را با Cubelets حل می‌کند. این‌ها بلوک‌های ساختمانی سه‌بعدی و ماژولاری هستند که محاسبات (Compute) — یعنی همان موتور پردازشی که دستورات را اجرا می‌کند — را در کنار حافظه، سیستم برق و خنک‌کننده در یک سیستم یکپارچه جمع می‌کنند.
به نقل از مستندات شرکت، این طراحی فاصله طی شده توسط داده‌ها را به شدت کوتاه کرده و هزینه انرژی جابه‌جایی را می‌کشد. این معماری به‌گونه‌ای طراحی شده که با رشد تقاضا، بتواند به تراکم‌های در سطح مگاوات برسد.
در معماری Cubelets، به‌جای بهینه‌سازی تک‌تک زیرسیستم‌ها به صورت مستقل، کل پلتفرم بر اساس جابه‌جایی داده، تراکم توان و محدودیت‌های استقرار طراحی شده است. Mueon بسته‌بندی، اتصالات، توان و سیستم‌های حرارتی را نه به عنوان مشکلات ثانویه که پس از طراحی حل شوند، بلکه به عنوان متغیرهای اصلی و درجه اول طراحی در نظر می‌گیرد. این معماری به‌گونه‌ای ساخته شده که فراتر از هر فناوری شتاب‌دهنده خاصی عمل کند.
برای رسیدن به تولید انبوه، شرکت چهار مسیر استراتژیک را دنبال می‌کند:
- معماری سیستم و سیلیکون: پوشش تمام کارهای مربوط به محاسبات، حافظه و اتصالات لازم برای تبدیل Cubelets به سیستم‌های سه‌بعدی مقیاس‌پذیر.
- یکپارچه‌سازی پیشرفته: پرداختن به روش‌های بسته‌بندی، توزیع برق و مدیریت حرارتی برای دستیابی به تراکم محاسباتی بالاتر و جلوگیری از تبدیل شدن سیستم به یک نسخه کوچک‌تر از پیچیدگی‌های رک‌های قدیمی.
- ارکستراسیون نرم‌افزاری: ساخت لایه‌ای که سخت‌افزار ماژولار را از طریق چارچوب‌های رایج هوش مصنوعی و جریان‌های کاری استقرار، قابل دسترس کند.
- اعتبارسنجی اکوسیستم: به‌کارگیری شرکای فناوری، تولیدکنندگان و شرکای صنعتی برای تست قطعات و بررسی مسیر تبدیل نمونه اولیه به تولید انبوه.
رهبران صنعت نیز این تغییر را تأیید کرده‌اند. Sudeep Bhoja، مدیر فنی d-Matrix، معتقد است ترکیب معماری ماژولار با محاسبات درون-حافظه، زیرساخت‌های متراکم‌تری را ایجاد می‌کند که به‌طور خاص برای بارهای کاری هوش مصنوعی بهینه شده‌اند. همچنین Rohit Vidwans از Ampere Computing (که اکنون بخشی از SoftBank است) اشاره کرد که رویکرد Mueon دقیقاً محدودیت‌های برق و خنک‌کننده‌ای را هدف قرار داده که سال‌ها مراکز داده بزرگ را محدود کرده بود.
شرکت Mueon در ۱۷ سپتامبر ۲۰۲۵ از حالت مخفیانه خارج شد. در آن زمان دور Seed توسط Intel Capital رهبری شد و تمرکز شرکت بر استنتاج (Inference) — یعنی لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی و نه دوره‌ی آموزش آشپز — و بارهای کاری آموزشی بود که توسط سیستم‌های رک‌محور محدود شده بودند. در آن مرحله، شرکت با شرکای ریخته‌گری (Foundry) و ساخت تراشه برای اعتبارسنجی معماری خود همکاری کرد.
Wilfred Gomes، مدیرعامل شرکت، تأکید کرد که این سرمایه جدید اجازه می‌دهد یکپارچگی در مقیاس سیستم نسل بعد را به بازار عرضه کنند. او این معماری را راهی برای عبور از محدودیت‌های فعلی رک‌ها و رسیدن به تراکمی می‌داند که کل صنعت تازه در ابتدای مسیر دستیابی به آن است.
این چرخش نشان می‌دهد نبرد بعدی در هوش مصنوعی، دیگر فقط بر سر تعداد پارامترهای مدل نیست، بلکه بر سر فیزیک تراشه‌هاست. با تبدیل سیستم‌های حرارتی و برق به متغیرهای اصلی طراحی به جای اینکه آن‌ها را به عنوان مسائل جانبی در نظر بگیرند، Mueon روی تراکم‌های مگاواتی شرط‌بندی کرده است.
برای سازمان‌ها، این یعنی فضای فیزیکی خوشه‌های هوش مصنوعی به‌شدت کوچک شده و در عین حال توان عملیاتی آن‌ها افزایش می‌یابد. اگر این طرح موفق شود، مفهوم «رک» به شکل فعلی منسوخ شده و جای خود را به مکعب‌های محاسباتی متراکم سه‌بعدی می‌دهد.
نتایج اعتبارسنجی سیستم‌های Mueon را دنبال کنید تا ببینید آیا ادعای بهره‌وری ۱۰ برابری در بارهای کاری واقعی آموزش هوش مصنوعی محقق می‌شود یا خیر.
گام بعدی شما
- نتایج اعتبارسنجی سیستم‌های Mueon را دنبال کنید تا ببینید آیا ادعای بهره‌وری ۱۰ برابری در بارهای کاری واقعی آموزش هوش مصنوعی محقق می‌شود یا خیر.
- اگر مدیر زیرساخت هستید، مدل‌های جایگزین برای رک‌های سنتی را در استراتژی مرکز داده ۲۰۲۷ خود بگنجانید.
- بررسی کنید که آیا نرم‌افزارهای ارکستراسیون شما با سخت‌افزارهای ماژولار سازگار هستند یا نیاز به بازنویسی دارند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell و رقابت انویدیا با استارتاپ‌های سخت‌افزاری مراجعه کنید.
گفتگو