هشدار برای انویدیا؛ گوگل با TorchTPU وابستگی به CUDA را کاهش می‌دهد

شلیک گوگل و متا به امپراتوری انویدیا؛ پروژه TorchTPU چیست

گوگل و متا در یک همکاری استراتژیک پروژه‌ای به نام TorchTPU را کلید زده‌اند که هدف آن پایان دادن به سلطه بلامنازع انویدیا بر دنیای هوش مصنوعی است. این پروژه قصد دارد پردازنده‌های اختصاصی گوگل (TPU) را به بهترین گزینه برای اجرای فریمورک محبوب PyTorch تبدیل کند.

چرا PyTorch کلید نبرد هوش مصنوعی است

در دنیای برنامه‌نویسی هوش مصنوعی، PyTorch محبوب‌ترین ابزار متن‌باز جهان است که توسط متا توسعه یافته.
تا پیش از این، انویدیا با پلتفرم نرم‌افزاری CUDA، تنها زیرساختی بود که می‌توانست PyTorch را با بالاترین بازدهی اجرا کند.
حال گوگل با بهینه‌سازی TPUهای خود برای PyTorch، قصد دارد توسعه‌دهندگان را از انحصار انویدیا خارج کند.

اهداف استراتژیک پروژه TorchTPU

شکستن انحصار CUDA: انویدیا تنها به خاطر سخت‌افزارش قدرتمند نیست، بلکه نرم‌افزار CUDA سد محکمی در برابر رقباست. گوگل با این پروژه، این سد را دور می‌زند.

کاهش هزینه‌های متا: شرکت متا سالانه میلیاردها دلار برای خرید پردازنده‌های گران‌قیمت انویدیا هزینه می‌کند. با استفاده از TPUهای گوگل، هزینه‌های استنتاج هوش مصنوعی به شدت کاهش می‌یابد.

متن‌باز کردن نرم‌افزار: گوگل در حال بررسی متن‌باز کردن بخشی از پروژه است تا پذیرش سریع‌تر توسط مشتریان ابری (Google Cloud) را فراهم کند.

تغییر آرایش جنگی در گوگل؛ از تولید تا فروش مستقیم

گوگل دیگر فقط از TPUها برای نیازهای داخلی استفاده نمی‌کند. با انتصاب امین وحدت به عنوان رئیس زیرساخت‌های هوش مصنوعی، این شرکت وارد فاز جدیدی شده است:

فروش مستقیم: گوگل فروش TPU به دیتاسنترهای بزرگ را آغاز کرده است.

رشد درآمد ابری: زیرساخت‌های هوش مصنوعی محرک اصلی رشد درآمد Google Cloud هستند و شرکت می‌خواهد به سرمایه‌گذاران نشان دهد که سرمایه‌گذاری‌های سنگین در حوزه AI بازده اقتصادی بالایی دارند.

مقایسه جبهه جدید گوگل و انویدیا

ویژگی اکوسیستم انویدیا اکوسیستم جدید گوگل (TorchTPU)
سخت‌افزار پردازنده‌های گرافیکی (GPU) پردازنده‌های هوش مصنوعی (TPU)
بستر نرم‌افزاری انحصاری CUDA متن‌باز و متمرکز بر PyTorch
شرکای کلیدی اکثر دیتاسنترها و استارتاپ‌ها گوگل، متا و مشتریان Google Cloud
مزیت اصلی هماهنگی کامل و باسابقه هزینه کمتر و بهینه‌سازی اختصاصی برای مدل‌های بزرگ
پروژه TorchTPU یک تغییر پارادایم مهم است. گوگل و متا به این نتیجه رسیده‌اند که برای رقابت با انویدیا، نباید فقط روی سخت‌افزار تمرکز کنند، بلکه باید حق انتخاب نرم‌افزاری را به توسعه‌دهندگان بازگردانند.

اگر گوگل موفق شود اجرای PyTorch روی TPU را به سادگی اجرای آن روی پردازنده‌های انویدیا کند، بازار چندصد میلیارد دلاری تراشه‌های هوش مصنوعی با یک زلزله بزرگ مواجه خواهد شد.