نظام شرائح الاستدلال الذي ستطرحه Nvidia قريبًا يدمج تقنية "وحدة معالجة اللغة" (LPU) من Groq، ويعتمد على بنية مختلفة تمامًا عن وحدات معالجة الرسوميات التقليدية (GPU)، من خلال دمج أوسع故 للذاكرة SRAM وتقنية التكديس ثلاثي الأبعاد، وهو مُصمم خصيصًا لتحسين مشاكل التأخير وعرض النطاق الترددي للذاكرة في استدلال النماذج الكبيرة.

قد يكون هذا المنتج الجديد مبنياً على تصميم الجيل القادم من بنية Feynman، مما يؤدي إلى تقليل كبير في استهلاك الطاقة والتكلفة لتشغيل وكلاء الذكاء الاصطناعي. وقد تعهدت OpenAI بشراء واستثمار 30 مليار دولار. تخطط Nvidia لإطلاق شريحة استدلال جديدة مدمجة بتقنية Groq "وحدة معالجة اللغة" (LPU) في مؤتمر GTC للمطورين الشهر المقبل، مما يشير إلى أن Nvidia تسرع تحولها نحو مجال الحوسبة الاستدلالية لتلبية الطلب المتزايد من العملاء على حلول حوسبة عالية الكفاءة ومنخفضة التكلفة. ووفقاً لتقرير Wall Street Journal، فإن هذا النظام الجديد الذي وصفه الرئيس التنفيذي لشركة Nvidia Jensen Huang بأنه "لم يشهد العالم مثله من قبل"، صُمم خصيصاً لتسريع استجابة الاستعلامات لنماذج الذكاء الاصطناعي. من المتوقع أن يؤدي إطلاق هذا المنتج إلى إعادة تشكيل مشهد سوق قوة الحوسبة للذكاء الاصطناعي الحالي، مما يؤثر بشكل مباشر على مزودي خدمات السحابة والمستثمرين من المؤسسات الذين يبحثون عن بدائل أكثر فعالية من حيث التكلفة. وكعلامة هامة على الاعتراف الأولي للسوق بهذه التقنية، وافقت OpenAI، مطورة ChatGPT، على أن تصبح واحدة من أكبر عملاء المعالج الجديد، وأعلنت أنها ستشتري من Nvidia قدرة استدلالية مخصصة على نطاق واسع. هذه الخطوة لم تعزز فقط قاعدة عملاء Nvidia الأساسية، بل أرسلت أيضاً إشارة واضحة إلى السوق: أن البنية التحتية الأساسية الداعمة لوكلاء الذكاء الاصطناعي المستقلين تنتقل من التدريب المسبق واسع النطاق إلى الاستدلال عالي الكفاءة. في ظل المنافسة الشرسة من بعض البورصات والعديد من الشركات الناشئة، تواصل Nvidia كسر اعتمادها التقليدي على وحدات معالجة الرسومات (GPU) فقط. من خلال إدخال بنى تقنية جديدة واستكشاف نماذج نشر تعتمد فقط على وحدة المعالجة المركزية (CPU)، تحاول الشركة ترسيخ هيمنتها في المرحلة التالية من تطور صناعة الذكاء الاصطناعي. دمج تصميم LPU، لمعالجة عنق الزجاجة في استدلال النماذج الكبيرة مع انتقال صناعة الذكاء الاصطناعي من تدريب النماذج إلى النشر الفعلي للتطبيقات، أصبحت الحوسبة الاستدلالية محور التركيز الأساسي. ينقسم استدلال الذكاء الاصطناعي بشكل رئيسي إلى مرحلتين: التعبئة المسبقة (pre-fill) وفك التشفير (decode)، حيث تكون عملية فك التشفير في النماذج الكبيرة بطيئة بشكل خاص. لمواجهة هذا القيد التقني، اختارت Nvidia تجاوز الحدود الفيزيائية من خلال دمج تقنيات خارجية. ووفقاً لـ Wall Street Journal، أنفقت Nvidia في نهاية العام الماضي 20 مليار دولار للحصول على ترخيص تقني رئيسي من شركة Groq الناشئة، واستقطبت فريقها التنفيذي، بما في ذلك المؤسس Jonathan Ross، في صفقة توظيف ضخمة. تعتمد "وحدة معالجة اللغة" (LPU) التي صممتها Groq على بنية مختلفة تماماً عن وحدات معالجة الرسومات التقليدية، وتظهر كفاءة عالية جداً في معالجة وظائف الاستدلال. ويعتقد محللو الصناعة أن المنتج الجديد الذي سيتم إطلاقه قد يتضمن بنية Feynman الجيل القادم الثورية. ووفقاً لمقال سابق من Wall Street News، قد تعتمد بنية Feynman على تكامل SRAM بشكل أوسع، بل وقد تدمج LPU بعمق من خلال تقنية التكديس ثلاثي الأبعاد، مع تحسينات خاصة لعنقي الزجاجة في الاستدلال: التأخير وعرض النطاق الترددي للذاكرة، مما يؤدي إلى تقليل كبير في استهلاك الطاقة والتكلفة لتشغيل وكلاء الذكاء الاصطناعي. توسيع نشر CPU فقط، وتقديم خيارات حوسبة متنوعة بالتزامن مع إدخال بنية LPU، تقوم Nvidia أيضاً بتعديل طريقة استخدام معالجاتها التقليدية بشكل مرن. كانت الممارسة القياسية السابقة لـ Nvidia هي ربط Vera CPU مع Rubin GPU القوية في خوادم مراكز البيانات، لكن هذه التكوينات أثبتت أنها مكلفة للغاية وغير فعالة في بعض أعباء عمل وكلاء الذكاء الاصطناعي المحددة. وقد وجدت بعض الشركات الكبرى أن بيئة CPU فقط أكثر كفاءة في تشغيل مهام الذكاء الاصطناعي المعينة. تماشياً مع هذا الاتجاه، أعلنت Nvidia هذا الشهر عن توسيع تعاونها مع Meta Platforms، وقامت بأول نشر واسع النطاق يعتمد فقط على CPU لدعم وكلاء الذكاء الاصطناعي للإعلانات المستهدفة لدى Meta. ويُنظر إلى هذا التعاون في السوق كنافذة مبكرة على التعديل الاستراتيجي لـ Nvidia، مما يدل على أن الشركة تتجاوز نموذج بيع GPU فقط، وتحاول تأمين قطاعات السوق المختلفة للذكاء الاصطناعي من خلال مجموعة متنوعة من الأجهزة. تغير الطلب في السوق، وتصاعد المنافسة هذا التطور في تصميم الأجهزة الأساسية ينبع مباشرة من انفجار الطلب في صناعة التكنولوجيا على تطبيقات وكلاء الذكاء الاصطناعي. اكتشفت العديد من الشركات التي تبني وتدير وكلاء الذكاء الاصطناعي أن تكلفة GPU التقليدية مرتفعة للغاية، وليست الخيار الأفضل لتشغيل النماذج فعلياً. وتبرز تحركات OpenAI هذا الاتجاه. فبالإضافة إلى تعهدها بشراء النظام الجديد من Nvidia لتحسين أداة Codex التي تنمو بسرعة، أبرمت OpenAI الشهر الماضي أيضاً شراكة حوسبة بمليارات الدولارات مع شركة Cerebras الناشئة. ووفقاً للرئيس التنفيذي لشركة Cerebras Andrew Feldman، فإن شريحتهم التي تركز على الاستدلال تتفوق في السرعة على GPU الخاصة بـ Nvidia. بالإضافة إلى ذلك، وقعت OpenAI أيضاً اتفاقية رئيسية لاستخدام شريحة Trainium من إحدى البورصات. وليس فقط الشركات الناشئة، بل أيضاً مزودو الخدمات السحابية الرئيسيون يسرعون من وتيرة تطوير شرائحهم الخاصة. ويعتمد Anthropic Claude Code، الذي يُنظر إليه على نطاق واسع كقائد في سوق الترميز التلقائي، حالياً بشكل أساسي على شرائح من إحدى البورصات وشرائح من إحدى البورصات التابعة لإحدى البورصات، وليس على منتجات Nvidia. في مواجهة هجوم المنافسين، أكد Jensen Huang في مقابلة مع wccftech أن Nvidia تتحول من مجرد مورد شرائح إلى منشئ نظام بيئي كامل للذكاء الاصطناعي يشمل أشباه الموصلات ومراكز البيانات والسحابة والتطبيقات. بالنسبة للمستثمرين، سيكون مؤتمر GTC الشهر المقبل نقطة محورية لاختبار ما إذا كانت Nvidia ستتمكن من الحفاظ على أسطورة حصتها السوقية البالغة 90% في عصر الاستدلال.