نفيديا هي ملك رقائق الذكاء الاصطناعي بلا منازع. ولكن بفضل الذكاء الاصطناعي الذي ساعد في بنائه، قد يواجه البطل منافسة متزايدة قريبًا.
يعتمد الذكاء الاصطناعي الحديث على تصميمات Nvidia، وهي ديناميكية دفعت الشركة إلى قيمة سوقية تزيد عن 4 تريليون دولار. يسمح كل جيل جديد من شرائح Nvidia للشركات بتدريب نماذج ذكاء اصطناعي أكثر قوة باستخدام مئات أو آلاف المعالجات المرتبطة ببعضها البعض داخل مراكز بيانات ضخمة. أحد أسباب نجاح Nvidia هو أنها توفر برامج للمساعدة في برمجة كل جيل جديد من الرقائق. قد لا تكون هذه مهارة مميزة قريبًا.
تقوم شركة ناشئة تدعى Wafer بتدريب نماذج الذكاء الاصطناعي للقيام بواحدة من أصعب وأهم الوظائف في الذكاء الاصطناعي، ألا وهي تحسين التعليمات البرمجية بحيث تعمل بأكبر قدر ممكن من الكفاءة على شريحة سيليكون معينة.
يقول Emilio Andere، المؤسس المشارك والرئيس التنفيذي لشركة Wafer، إن الشركة تنفذ التعلم المعزز على نماذج مفتوحة المصدر لتعليمهم كتابة كود kernel، أو البرامج التي تتفاعل مباشرة مع الأجهزة في نظام التشغيل. يقول أنديري إن شركة ويفر تضيف أيضًا “أدوات مساعدة” إلى نماذج البرمجة الحالية مثل Anthropic’s Claude وOpenAI’s GPT لتعزيز قدرتها على كتابة التعليمات البرمجية التي تعمل مباشرة على الرقائق.
تمتلك العديد من شركات التكنولوجيا البارزة الآن شرائحها الخاصة. استخدمت شركة Apple وغيرها لسنوات السيليكون المخصص لتحسين أداء وكفاءة البرامج التي تعمل على أجهزة الكمبيوتر المحمولة والأجهزة اللوحية والهواتف الذكية. وعلى الطرف الآخر من المقياس، تقوم شركات مثل جوجل وأمازون بصك السيليكون الخاص بها لتحسين أداء منصات الحوسبة السحابية الخاصة بها. قالت Meta مؤخرًا إنها ستنشر 1 جيجاوات من سعة الحوسبة مع شريحة جديدة تم تطويرها مع Broadcom. يتضمن نشر السيليكون المخصص أيضًا كتابة الكثير من التعليمات البرمجية بحيث يعمل بسلاسة وكفاءة على المعالج الجديد.
تعمل شركة Wafer مع شركات بما في ذلك AMD وAmazon للمساعدة في تحسين البرامج لتعمل بكفاءة على أجهزتها. وقد جمعت الشركة الناشئة حتى الآن 4 ملايين دولار من التمويل الأولي من جيف دين من جوجل، ووجيتش زاريمبا من OpenAI، وآخرين.
ويعتقد أنديري أن نهج شركته الذي يقوده الذكاء الاصطناعي لديه القدرة على تحدي هيمنة إنفيديا. يقدم عدد من الرقائق المتطورة الآن أداءً مماثلاً للفاصلة العائمة الخام — وهو معيار صناعي رئيسي لقدرة الشريحة على إجراء عمليات حسابية بسيطة — لأفضل سيليكون من Nvidia.
قال لي أنديري مؤخرًا: “إن أفضل أجهزة AMD، وأفضل أجهزة Trainium (من Amazon)، وأفضل وحدات TPU من Google، تمنحك نفس الإخفاقات النظرية التي تتمتع بها وحدات معالجة الرسومات Nvidia”. “نريد تعظيم الذكاء لكل واط.”
يقول أنديري إن مهندسي الأداء الذين يتمتعون بالمهارات اللازمة لتحسين التعليمات البرمجية للتشغيل بشكل موثوق وفعال على هذه الرقائق باهظون الثمن ويزداد الطلب عليهم، في حين أن النظام البيئي لبرامج Nvidia يجعل من السهل كتابة التعليمات البرمجية لرقائقها والحفاظ عليها. وهذا يجعل من الصعب حتى على أكبر شركات التكنولوجيا القيام بذلك بمفردها.
يقول أنديري إنه عندما دخلت شركة Anthropic في شراكة مع Amazon لبناء نماذج الذكاء الاصطناعي الخاصة بها على برنامج Trainium، على سبيل المثال، كان عليها إعادة كتابة كود نموذجها من الصفر لجعله يعمل بأكبر قدر ممكن من الكفاءة على الأجهزة.
بالطبع، يعد Anthropic’s Claude الآن واحدًا من العديد من نماذج الذكاء الاصطناعي التي أصبحت الآن خارقة في كتابة التعليمات البرمجية. لذلك يعتقد أندير أنه قد لا يمر وقت طويل قبل أن يبدأ الذكاء الاصطناعي في استهلاك ميزة برنامج Nvidia.
“إن الخندق يكمن في قابلية برمجة الشريحة”، كما يقول أنديري، في إشارة إلى المكتبات وأدوات البرمجيات التي تسهل تحسين التعليمات البرمجية لأجهزة Nvidia. “أعتقد أن الوقت قد حان للبدء في إعادة التفكير فيما إذا كان هذا خندقًا قويًا بالفعل.”
إلى جانب تسهيل تحسين التعليمات البرمجية لمختلف أنواع السيليكون، قد يسهل الذكاء الاصطناعي قريبًا تصميم الرقائق نفسها. تعمل شركة Ricursive Intelligence، وهي شركة ناشئة أسسها مهندسان سابقان في Google، أزاليا ميرحسيني وآنا جولدي، على تطوير طرق جديدة لتصميم شرائح الكمبيوتر باستخدام الذكاء الاصطناعي. إذا نجحت هذه التقنية، فيمكن لعدد أكبر من الشركات أن تتفرع إلى تصميم الرقائق، مما يؤدي إلى إنشاء سيليكون مخصص يشغل برامجها بكفاءة أكبر.
