مقدمه
در دنیای پرشتاب هوش مصنوعی، وابستگی به تأمین‌کنندگان تراشه یکی از بزرگترین چالش‌ها است. شرکت‌های پیشرو برای حفظ برتری، به دنبال راه‌حل‌های نوآورانه هستند.
خلاصه مقاله
این مقاله به بررسی تصمیم OpenAI برای طراحی تراشه‌های سفارشی خود با همکاری Broadcom می‌پردازد. این اقدام با هدف کاهش وابستگی به شرکت‌هایی مانند Nvidia، کنترل هزینه‌ها و تضمین پایداری زنجیره تأمین صورت گرفته است. این رویکرد مشابه استراتژی غول‌های فناوری دیگر مانند گوگل و آمازون است که برای تقویت زیرساخت‌های هوش مصنوعی خود، میلیاردها دلار سرمایه‌گذاری می‌کنند.
چرا OpenAI تراشه خود را می‌سازد؟
OpenAI، غول هوش مصنوعی، برای کاهش وابستگی به تراشه‌های موجود و افزایش کارایی مدل‌های خود، به طراحی تراشه‌های سفارشی روی آورده است.
این شرکت با همکاری Broadcom، تراشه‌هایی را با قابلیت‌های منحصربه‌فرد برای نیازهای خاص خود تولید می‌کند.
این اقدام از سوی OpenAI نشان‌دهنده یک تغییر استراتژیک در صنعت هوش مصنوعی است.
همکاری با Broadcom: یک راز آشکار
منابع آگاه فاش کرده‌اند که OpenAI تراشه‌های خود را با همکاری Broadcom طراحی کرده است.
برادکام اخیراً از یک سفارش ۱۰ میلیارد دلاری تراشه از مشتری ناشناس خبر داده بود که تحلیلگران آن را OpenAI می‌دانند.
این همکاری برای مدت‌ها یک راز آشکار در محافل صنعتی بوده است و اکنون به نظر می‌رسد به سرانجام رسیده است.
رقابت یا تقلید؟
OpenAI قصد دارد این تراشه‌های سفارشی را به صورت داخلی استفاده کند، نه اینکه آنها را به مشتریان خارجی بفروشد.
این رویکرد مشابه استراتژی غول‌های فناوری دیگر مانند گوگل و آمازون است.
این شرکت‌ها نیز برای کاهش هزینه‌ها، افزایش پایداری تأمین و کاهش وابستگی به Nvidia، تراشه‌های سفارشی طراحی کرده‌اند.
این حرکت نشان‌دهنده روند رو به رشد شرکت‌های فناوری برای کنترل کامل بر سخت‌افزار خود است.
سرمایه‌گذاری‌های میلیارد دلاری در هوش مصنوعی
شرکت‌های بزرگ فناوری، از جمله OpenAI، میلیاردها دلار در تقویت زیرساخت‌های هوش مصنوعی سرمایه‌گذاری می‌کنند.
حفظ دسترسی به تراشه‌ها برای اجرای مدل‌های هوش مصنوعی نیازمند داده‌های فراوان، حیاتی است.
این سرمایه‌گذاری‌ها به منظور تضمین رشد و نوآوری در این صنعت رقابتی انجام می‌شود.
| شرکت | استراتژی تراشه | هدف اصلی |
|---|---|---|
| OpenAI | تولید تراشه سفارشی با Broadcom | کاهش وابستگی به Nvidia، کنترل هزینه، افزایش کارایی |
| گوگل | تولید تراشه سفارشی (TPU) | بهبود عملکرد هوش مصنوعی، کاهش هزینه |
| آمازون | تولید تراشه سفارشی (Inferentia/Graviton) | افزایش بهره‌وری خدمات ابری، کاهش هزینه |