در عمق آزمایشگاه‌های پیشرفته گوگل در مانتین‌ویو، کالیفرنیا،صدها رک سرور با سرعتی شگفت‌انگیز در حال محاسبه‌اند؛ اما ماموریت آن‌ها ایندکس‌کردن وب نیست. این زیرساخت قدرتمند، قلب تپنده واحدهای پردازش تنسور (TPU) است، تراشه‌های اختصاصی که اکنون بار آموزش مدل‌های کلان هوش مصنوعی از جمله Apple Intelligence و جمینای گوگل را بر دوش می‌کشند.

«دانیل نیومن»، مدیرعامل فیوچروم (Futurum) تأکید می‌کند: «با وجود تسلط انویدیا بر اکوسیستم آموزش، گوگل از سال ۲۰۱۵ مسیر استقلال سیلیکونی را پیش گرفته و اکنون بازیگر جدی در عرصه ابر هوش مصنوعی است.»

🔗 بیشتر بخوانید: گمان تایید ETFهای اسپات اتریوم تا «نیمه جولای»_دوپلر

رهبری گوگل در سازماندهی سیلیکون اختصاصی ابر

گوگل پیش‌گام ورود به حوزه تراشه‌های AI سفارشی ابری بود؛ سه سال پس از آن، آمازون با اینفرنتیا (Inferentia) و در نهایت مایکروسفت در اواخر ۲۰۲۳ با مایا (Maia) به میدان آمدند. هرچند ورود اولیه تضمین برتری در هوش مصنوعی مولد نبود—گوگل با چالش‌های محصولاتی روبرو شد و جمینای با تاخیر بیش از یک سال نسبت به ChatGPT رونمایی گردید—اما vartه‌ی گوگل کلود (Google Cloud) رو به رشد است. آلفابت (Alphabet) اعلام کرد درآمد سه‌ماهه ابر لأولین بار از سقف ۱۰ میلیارد دلار فراتر رفته (افزایش ۲۹ درصدی).

نیومن می‌افزاید: «تفاوت سیلیکونی (Silicon Differentiation) یکی از عوامل کلیدی ارتقای گوگل از جایگاه سومین ارائه‌دهنده ابر به سطح رقبای برتر و حتی فراتر از آن است.»

آخرین مطالب

• راهنمای کامل پاسخ به خطاب «جانم» در تمام روابط و موقعیت‌ها
• راهنمای جامع کنترل بیماری ریفلوکس معده-مری (GERD) با تغذیه و تغییر سبک زندگی
• تأثیر استرس اقتصادی والدین بر توسعه اجتماعی کودکان: نتایج پژوهش‌های جدید
• خواص شیرین گفتن برای چه چیزهایی خوب است؟
• معرفی دو مدل جدید برای ارتقای ایمنی آنلاین

🔗 بیشتر بخوانید: مشخصات ظاهری و سخت‌افزاری گلکسی F۱۵ لو رفت

در جولای اخیر، CNBC نخستین تور تصویری از لابراتوار تراشه گوگل برگزار کرد. «امین وحدت» (Amin Vahdat)، رئیس بخش تراشه‌های ابری سفارشی، ریشه‌ی این ماجر را به سال ۲۰۱۴ بازمی‌گرداند.

وحدت توضیح می‌دهد: «همه چیز با یک سناریوی فکری آغاز شد: اگر کاربران گوگل روزانه فقط ۳۰ ثانیه از طریق صوت با جستجوگر تعامل داشته باشند، چه قدر قدرت محاسبه لازم است؟ برآوردها نشان می‌داد باید تعداد سرورها دوبرابر شود؛ راه‌حل، ساخت سخت‌افزار مخصوص بود.»

مراکز داده گوگل تا پیش از TPU به CPUهای عمومی و GPUهای انویدیا وابسته بودند. TPUها از نوع مجتمع‌های ویژه‌ی کاربرد (ASIC) هستند که صرفاً برای محاسبات تنسوری (ضرب ماتریس‌ها) بهینه شده‌اند. این فلسفه شبیه استراتژی اپل در تراشه‌های سری Tensor G4 (پیکسل ۹) و A1 (پیچک‌های Pixel Buds Pro ۲) است. طبق گزارش فیوچروم، TPUها با سهم ۵۸ درصدی، رهبر شتاب‌دهنده‌های سفارشی ابری هستند.

نام «تنسور» ریشه در جبر خطی دارد و به عملیات ماتریسی پرسرعت در مدل‌های پیشرفته AI اشاره دارد. با نسل دوم در ۲۰۱۸، گوگل فوکوس را از استنتاج (Inference) به سمت آموزش مدل (Training) سوق داد.

«استیسی راسگون» (Stacy Rasgon)، تحلیلگر برنستین ریسرچ (Bernstein Research) می‌گوید: «GPUها انعطاف‌پذیرترند، اما عرضه آن‌ها محدود مانده است.»

فروپاشی عرضه GPU سبب شد ارزش بازار انویدیا در ژوئن به ۳ تریلیون دلار برسد، فراتر از آلفابت. اما نیومن هشدار می‌دهد: «شتاب‌دهنده‌های تخصصی هنوز انعطاف‌پذیرند و قدرت اکوسیستم انویدیا را ندارند؛ بازار در انتظار بیدادگر جدید است.»

آزمون واقعی پیش‌روست: وقتی ویژگی‌های Apple Intelligence به طور کامل بر آی‌فون و مک مستقر شوند، عملکرد TPUهای گوگل در مقیاس جهانی سنجیده می‌شود.

تحالف استراتژیک گوگل، برادکام و TSMC

سازماندهی جایگزین برای انویدیا سرمایه‌بر و پیچیده است. نسل ششم TPU با نام تریلیوم (Trillium) پیش‌رو است. راسگون تأکید دارد: «تنها غول‌های ابر با پول، talento و زیرساخت می‌توانند این مسیر را طی کنند.»

گوگل از نسل اول TPU با برادکام (Broadcom) همکار است—شرکتی که متا (Meta) را نیز در طراحی تراشه AI یاری می‌رساند و بیش از ۳ میلیارد دلار در این مشارکت‌ها هزینه کرده. برادکام وظایف جانبی حیاتی را بر عهده دارد: مدیریت ورودی/خروجی، مدارهای سریال/موازی (SerDes)، و بسته‌بندی پیشرفته (Packaging).

راسگون تشریح می‌کند: «برادکام همه کارهای حاشیه‌ای را انجام می‌دهد تا هسته محاسباتی گوگل خالص بماند.»

مرحله نهایی، فابریکاسیون در TSMC است، غول تایوانی که ۹۲ درصد تراشه‌های پیشرفته جهان را تولید می‌کند. وحدت در مورد ریسک‌های ژئوپلیتیک چین-تایوان می‌گوید: «ما برای بدترین سناریوها برنامه‌ریزی داریم، اما امیدواریم لزوم اجرایی شدن نداشته باشد.» این نگرانی، موتور تخصیص ۵۲ میلیارد دلاری قانون CHIPS آمریکا برای اینتل، TSMC و سامسونگ بوده است.

آیا گوگل در میدان CPU هم پیروز خواهد بود؟

گوگل اکنون قدم فراتر می‌گذارد: پردازشنده‌ی عمومی آکسیون (Axion) بر پایه معماری ARM تا پایان سال رونمایی می‌شود. این دیرکرد قابل توجهی نسبت به گراویتون (Graviton) آمازون (۲۰۱۸)، تراشه سرور علی‌بابا (۲۰۲۱) و کوبالت (Cobalt) مایکروسفت (۲۰۲۳) است.

ولتد می‌گوید: «اولویت ما حوزه‌هایی بود که بیشترین ارزش را برای مشتریان می‌سازیم: TPU، واحد کدگذاری ویدیو (VCU) و شبکه. اکنون زمان CPU فرا رسیده است.»

معماری ARM به دلیل بازدهی انرژی بهینه‌تر از x86 (اینتل/AMD) انتخاب شده است. پیش‌بینی‌ها حاکی است سرورهای AI تا ۲۰۲۷ انرژی معادل کشور آرژانتین را مصرف کنند. گزارش زیست‌محیطی گوگل نشان می‌دهد انتشار گازهای گلخانه‌ای از ۲۰۱۹ تا ۲۰۲۳ gần ۵۰ درصد رشد کرده، بخشی ناشی از توسعه مراکز داده AI است.</p

وحدت تعهد می‌کند: «ما ۲۴ ساعته در حال کاهش اثر کربن زیرساخت‌ها هستیم تا به صفر برسیم.»

خنک‌سازی نیز چالش مایع است. نسل سوم TPU از فناوری خنک‌سازی مستقیم تراشه (Direct-to-Chip Cooling) بهره می‌برد—مشابه روش بلاک‌ول (Blackwell) انویدیا—که مصرف آب را به شدت کاهش می‌دهد.

با وجود موانع ژئوپلیتیک، انرژی و آب، گوگل عزم خود را برای پیشبرد ابزارهای GenAI و سیلیکون اختصاصی جزم کرده است.

وحدت جمع‌بندی می‌کند: «هرگز عزمی از این قابیتی در گوگل ندیدم؛ سرعت حرکت کاسته نشده و سخت‌افزار نقش محوری در آینده ایفا خواهد کرد.»