تصور کنید یک میلیارد دلار سرمایه صرف شود تا کل بنیاد پژوهش‌های علمی آمریکا از شبیه‌سازی‌های سنتی به سمت ابررایانه‌هایی برود که در ذات خود برای هوش مصنوعی طراحی شده‌اند. در ۸ اکتبر ۲۰۲۶، شرکت انویدیا (NVIDIA) متعهد شد طی پنج سال این مبلغ را برای حمایت از پروژه Genesis Mission هزینه کند؛ برنامه‌ای که هدفش استفاده از هوش مصنوعی برای دستیابی به پیشرفت‌های بنیادین در حوزه‌های سلامت، امنیت انرژی و رایانش کوانتومی است.
این اقدام در حالی رخ می‌دهد که ایالات متحده با شکافی جدی در توان محاسباتی روبروست. در حال حاضر، سامانه LineShine چین با عملکرد اندازه‌گیری شده ۲.۲ اگزافلاپس (exaFLOPS) از مجموع ۲.۷ اگزافلاپس تئوریک، در رتبه نخست فهرست Top500 قرار دارد. برای آمریکا، بحث دیگر تنها بر سر سرعت خام نیست، بلکه این است که کدام معماری سخت‌افزاری، دهه آینده علمِ با بودجه دولتی را تعریف می‌کند.
زمینه: مأموریت جنسیس و مزیت ملی
این خبر در رویدادی در واشینگتن توسط دفتر سیاست‌های علم و فناوری (OSTP) اعلام شد، جایی که گسترش مأموریت جنسیس مورد تأکید قرار گرفت. انویدیا در این مسیر به عنوان شریک صنعتی پیشرو معرفی شده است. مدیرعامل انویدیا این سرمایه‌گذاری را با ادبیات «مزیت ملی» توصیف کرد و اظهار داشت: «با سرمایه‌گذاری یک میلیارد دلاری، انویدیا در حال قرار دادن ابرهوش پیشرفته در دستان دانشمندان آمریکا است تا پیشرفت‌ها در پزشکی، انرژی و مواد تسریع شود».
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی رقابت سخت‌افزاری تراشه‌های AI اشاره کردیم، این بودجه یک هدیه ساده یا کمک مالی مستقل نیست، بلکه یک استراتژی محصول است. این رویکرد در راستای تغییر مدل‌های تأمین مالی زیرساخت‌های محاسباتی است، مشابه آنچه در بررسی اعتبارات تخصصی برای سیستم‌های GB200 دیدیم که جایگزین سرمایه‌گذاری‌های سنتی در مراکز داده می‌شوند. انویدیا با هدف قرار دادن حوزه‌های سلامت، رایانش کوانتومی و امنیت انرژی، دقیقاً روی همان فهرست کوتاهی تمرکز کرده است که آزمایشگاه‌های ملی در حال حاضر بودجه‌های خود را در آنجا هزینه می‌کنند. همچنین، این اقدام از یک دهه تجربه در ساخت کتابخانه‌های نرم‌افزاری موجود برای کشف دارو و شبیه‌سازی بهره می‌برد.
جایگاه استراتژیک
زمان‌بندی این تعهد بسیار دقیق است. انویدیا با همسو شدن با Genesis Mission تضمین می‌کند که پلتفرم آن در تار و پود برنامه‌هایی قرار بگیرد که آینده علم با بودجه دولتی را تعریف می‌کنند. شرکت تنها سخت‌افزار نمی‌فروشد، بلکه در واقع روی افرادی سرمایه‌گذاری می‌کند که ابزارهای نسل بعدی پژوهش را انتخاب خواهند کرد.
این استراتژی روی بارهای کاری خاصی متمرکز است که در آن‌ها توان عملیاتی (Throughput) GPU تعیین می‌کند که یک گرنت پژوهشی چقدر خروجی علمی داشته باشد. با کنترل لایه محاسباتی، انویدیا بر جهت پیشرفت‌ها در علوم مواد و پزشکی تأثیر می‌گذارد.
استقرار سخت‌افزاری
به نقل از مستندات این برنامه، این بودجه به شکل یک رابطه تأمین استراتژیک است و نه یک گرنت ساده. انویدیا متعهد شده است که حداقل هفت ابررایانه جدید را در سه سایت اصلی یعنی آزمایشگاه‌های ملی آرگون (Argonne)، لوس آلاموس (Los Alamos) و لورنس برکلی (Lawrence Berkeley) مستقر کند. این اولین بازگشت گسترده انویدیا به ابررایانه‌های مقیاس‌بزرگ آمریکا پس از دوران سیستم‌های Summit و Sierra است که در سال ۲۰۱۸ سفارش داده شده بودند.
یکی از محورهای اصلی این استقرار، سامانه Solstice در آزمایشگاه ملی آرگون است. این ماشین که با همکاری اوراکل (Oracle) ساخته شده، میزبان ۱۰۰ هزار GPU مدل بلک‌ول (Blackwell) خواهد بود. Solstice به‌طور خاص برای بارهای کاری نوظهور AI طراحی شده که با دقت‌های پایین ۱۶، ۸ یا حتی ۴ بیت عمل می‌کنند.
در لوس آلاموس، سامانه‌های آتی Mission و Vision از همان تراشه‌های Solstice استفاده می‌کنند. این سیستم‌ها با شبکه Quantum-X800 InfiniBand یکپارچه می‌شوند تا اتصالات و استک نرم‌افزاری انویدیا عمیقاً در زیرساخت آزمایشگاه‌های ملی جای بگیرد. این توزیع سخت‌افزاری به آزمایشگاه‌ها اجازه می‌دهد کدها را بین سه سایت مختلف جابه‌جا کنند بدون اینکه نیاز باشد آن‌ها را برای فروشنده دیگری بازنویسی کنند، که این خود یک مزیت عملیاتی واقعی است.
جزئیات استقرار
مقیاس این استقرار برای تداوم عملیاتی طراحی شده است. هفت سیستم که به‌صورت متوالی می‌رسند، به فروشنده جریانی از نصب‌های مرجع (Reference Installations) می‌دهد و به آزمایشگاه‌ها مجموعه‌ای از ماشین‌ها را برای مقایسه با یکدیگر فراهم می‌کند:
- توزیع سایت‌ها: سیستم‌ها در سه مرکز آرگون، لوس آلاموس و لورنس برکلی پخش شده‌اند.
- اتصالات: استفاده از InfiniBand Quantum-X800 در چندین ماشین مختلف.
- تداوم نرم‌افزاری: هدف، حفظ یک استک نرم‌افزاری واحد برای بارهای کاری مختلف، اعم از طبقه‌بندی‌شده (محرمانه) و غیرطبقه‌بندی‌شده است.
موازنه دقت و سرعت
در اینجا یک مصالحه فنی بزرگ رخ داده است. انویدیا برای به حداکثر رساندن توان عملیاتی AI، بخش زیادی از توان دقت مضاعف (FP64) — که استاندارد طلایی شبیه‌سازی‌های علمی کلاسیک است — را فدا کرده است. این یک هدف طراحی عمدی است: سیستمی که برای آموزش AI اندازه شده، ترانزیستورهای خود را به‌جای سیلیکون مورد نیاز برای ممیز شناور دقت مضاعف، صرف توان عملیاتی ماتریسی در دقت پایین می‌کند.
برای جبران این نقص، پلتفرم آتی Vera Rubin بر قابلیت شبیه‌سازی FP64 بر اساس طرح Ozaki تکیه می‌کند. این روش نتایج دقت مضاعف را از طریق تقسیم عملیات ریاضی به عملیات با دقت پایین‌تر بازسازی می‌کند. در حالی که این امر اجازه می‌دهد یک ماشین تمام روز مدل‌های AI را آموزش دهد و گهگاه کارهای با دقت بالا را مدیریت کند، اما باعث کاهش توان عملیاتی و افزایش پیچیدگی می‌شود.
این انتخاب طراحی، شکافی واضح در چشم‌انداز ابررایانه‌های آمریکا ایجاد می‌کند:
- ماشین‌های AI-First: قدرت گرفته از انویدیا؛ اولویت با توان عملیاتی ماتریسی برای آموزش و سرو مدل‌هاست. این‌ها برای بارهای کاری ایده‌آل هستند که عمدتاً بهینه‌شده برای AI هستند و فقط گاهی به دقت بالاتر نیاز دارند.
- پرچمداران شبیه‌سازی کلاسیک: قلمرو AMD؛ سیستم Discovery در آزمایشگاه ملی اوک ریج که انتظار می‌رود در سال ۲۰۲۹ برسد، توسط بخش Cray شرکت HPE و با استفاده از GPUهای MI430X و CPUهای Venice ساخته می‌شود تا عملکرد خالص FP64 را حفظ کند.
پیامدهای فنی شبیه‌سازی
استفاده از طرح Ozaki به این معناست که صحت محاسبات بدون نیاز به سیلیکون اختصاصی دقت مضاعف حفظ می‌شود. با این حال، این موضوع باری را بر دوش کسی می‌اندازد که وظیفه زمان‌بندی (Scheduling) کارهای روی ماشین را دارد. برای یک کد اقلیمی یا گداخت هسته‌ای که تمام عمر خود را در دقت مضاعف می‌گذراند، شبیه‌سازی بیش از حد کند است و نمی‌تواند کاربردی باشد.
این تقسیم‌بندی بازار را تعریف می‌کند: ماشین‌های AI-first به یک سو می‌روند و پرچمداران شبیه‌سازی کلاسیک به سوی دیگر. انتخاب سخت‌افزار کاملاً به این بستگی دارد که چرخه کاری اصلی، آموزش مدل‌ها باشد یا اجرای شبیه‌سازی‌های با دقت بالا.
نفوذ استراتژیک و بودجه
یک میلیارد دلار بودجه در سه مدل توزیع شده تا پلتفرم انویدیا در هر سطحی از پژوهش جای بگیرد:
- گرنت‌ها: بودجه مستقیم برای مؤسسات پژوهشی آموزش عالی.
- برنامه‌های آزمایشگاهی: تسریع کارهای کوانتومی آمریکا در داخل آزمایشگاه‌های ملی.
- ظرفیت اجاره‌ای: بودجه برای ارائه‌دهندگان خدمات ابری که نیازهای مأموریتی دولت را پوشش می‌دهند.
انویدیا همچنین در چندین جایزه فاز ۲ پروژه Genesis که در ۸ اکتبر اعلام شد، همکاری می‌کند. این جوایز حوزه‌های حیاتی زیر را پوشش می‌دهند:
- رایانش کوانتومی
- پژوهش‌های گداخت (Fusion)
- طراحی شتاب‌دهنده
- میکروالکترونیک
انویدیا با تأمین بودجه دانشجویان دکترا و پژوهشگرانی که ابزارهای نسل بعدی علم را انتخاب می‌کنند، پلتفرم خود را در هر لایه از استک پژوهشی جای داده است؛ از اولین تخصیص منابع یک دانشجو تا ماشین‌های پرچمدار ملی.
محدودیت زیرساختی
با وجود سخت‌افزار خیره‌کننده، محدودیت نهایی برق است. عملکرد پیک سیستم Discovery — که بین ۳.۳ تا ۸.۵ اگزافلاپس تخمین زده می‌شود — کاملاً به این بستگی دارد که آیا مرکز مربوطه ارتقای لازم در شبکه برق را دریافت می‌کند یا خیر. بدون برق کافی، عملکرد تئوریک سیلیکون بی‌معنی است.
این وضعیت اکوسیستمی تکه‌تکه ایجاد می‌کند که در آن آزمایشگاه‌ها باید دو مسیر سخت‌افزاری کاملاً متفاوت را مدیریت کنند. یک کد اقلیمی یا گداخت که نیاز به دقت مضاعف دائمی دارد، نمی‌تواند از طریق شبیه‌سازی به پاسخ برسد، و این امر آزمایشگاه‌ها را مجبور می‌کند تا همزمان خوشه‌های AMD و انویدیا را حفظ کنند.
قفل‌شدگی بلندمدت
خرید یک ابررایانه یعنی تعیین اینکه یک گروه پژوهشی تا پایان عمر آن ماشین از چه کامپایلر، کتابخانه و ابزار دیباگینگ استفاده کند. این تصمیمات سال‌ها قبل از بازنشستگی سخت‌افزار گرفته می‌شوند. چون بودجه Genesis Mission و هفت سیستم همزمان می‌رسند، تصمیمات نرم‌افزاری و سخت‌افزاری در یک چرخه بودجه‌ای واحد گرفته می‌شوند.
انویدیا در حال خرید نفوذ در بخش در حال رشد «علمِ AI-first» است، در حالی که AMD خط قرمز نیازهای شبیه‌سازی کلاسیک را که وزارت انرژی همچنان به آن نیاز دارد، حفظ کرده است. تعهد استراتژیک برای استقرار هفت سیستم تضمین می‌کند که محیط پژوهشی برای دهه آینده در اکوسیستم انویدیا قفل شود.
گام بعدی شما
- اگر در حوزه شبیه‌سازی‌های علمی فعال هستید، تفاوت بین توان عملیاتی AI و دقت FP64 را در انتخاب سخت‌افزار خود لحاظ کنید.
- بررسی کنید که آیا کتابخانه‌های نرم‌افزاری پروژه شما با استک جدید انویدیا در آزمایشگاه‌های ملی سازگار است یا خیر.
- تغییرات در معماری Blackwell را دنبال کنید تا متوجه شوید چگونه دقت‌های پایین‌تر (FP4/FP8) در حال جایگزینی استانداردهای قدیمی می‌شوند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو