اگر امروز برای اجرای مدل‌های هوش مصنوعی در سخت‌افزارهای لبه هزینه می‌دهید، احتمالاً در حال پرداخت یک «مالیات انحصاری» به انویدیا یا اپل هستید. تصور کنید سخت‌افزاری داشته باشید که نه‌تنها ارزان است، بلکه تمام نقشه‌های داخلی آن برای شما باز است.
TSU Protocol قصد دارد با عرضه تراشه‌هایی با قیمت پایه ۱۵۰ دلار، بازار رایانش لبه (Edge Computing) — که مثل داشتن یک آشپز حرفه‌ای در خانه به‌جای سفارش غذا از رستورانی دور است — را متحول کند. طبق گزارش وب‌سایت dev.to در ۷ می ۲۰۲۶، این پروژه روی معماری RISC-V RV64 متمرکز شده است.
همان‌طور که در تحلیل قبلی ما درباره‌ی معماری‌های استاد-شاگرد برای بهینه‌سازی مدل‌های Gemma 4 اشاره کردیم، دسترسی به سخت‌افزار بهینه، نیمی از مسیر است. این تراشه‌ها برای استنتاج (Inference) — یعنی همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی و نه دوره‌ی آموزش آشپز — طراحی شده‌اند. این سخت‌افزار از ۱۶ دستورالعمل اختصاصی برای مدل‌های ترنسفورمر استفاده می‌کند.
سلسله‌مراتب سخت‌افزاری این پروژه به سه سطح تقسیم می‌شود:
• TSU-M1: قیمت ۱۵۰ دلار، مصرف ۵ وات، مناسب برای اینترنت اشیا (IoT).
• TSU-M2: قیمت ۳۰۰ دلار، مصرف ۲۰ وات، مخصوص هوش مصنوعی روی دستگاه.
• TSU-M3: قیمت ۵۵۰ دلار، مصرف ۴۵ وات، برای مصارف سازمانی در لبه.
این سیستم همچنین شامل یک محیط امنیتی برای اجرای ایزوله و یک شبکه‌ی مش برای مقیاس‌پذیری داخلی است. گروه توسعه‌دهنده اکنون برای انتقال کدها به سیلیکون واقعی در فرآیندهای ۲۸ و ۲۲ نانومتری، مبلغ ۵۰ تا ۲۰۰ هزار دلار بودجه جمع‌آوری می‌کند.
این تغییر رویکرد، گامی به سوی «حاکمیت محاسباتی» برای توسعه‌دهندگان کوچک است. با استفاده از مدل تامین مالی DAO و انتشار رایگان مشخصات فنی، این پروژه دروازه‌بانی‌های سرمایه‌گذاری خطرپذیر در صنعت نیمه‌هادی را دور می‌زند. نتیجه این است که شما می‌توانید عامل‌های (Agents) اختصاصی خود را روی سخت‌افزاری ارزان و کاملاً قابل‌بازرسی مستقر کنید.
گام بعدی شما
- وضعیت جذب بودجه ۲۰۰ هزار دلاری پروژه را برای بررسی زمان تولید اولین نمونه (Tape-out) دنبال کنید.
- اگر توسعه‌دهنده سخت‌افزار هستید، مستندات Verilog RTL این پروژه را با استانداردهای فعلی مقایسه کنید.
- بررسی کنید که آیا مدل حاکمیتی این پروژه می‌تواند جایگزینی برای تراشه‌های بسته در پروژه‌های محلی شما باشد.
اما چالش اصلی، تبدیل کدهای نرم‌افزاری به سیلیکون واقعی است؛ در گزارش بعدی بررسی می‌کنیم که چرا تولید تراشه‌های ۲۸ نانومتری هنوز یک ریسک بزرگ است.
گفتگو