کوالکام از جدیدترین تراشه‌های هوش مصنوعی خود رونمایی کرد. این پردازنده‌ها برای راه‌حل‌های استنتاج در مقیاس رک طراحی شده‌اند، اما نکته متمایز آن‌ها بهره‌گیری از حافظه موبایل LPDDR است. شرکتی که سال‌ها بر بازار موبایل متمرکز بود، اخیراً حوزه فعالیت خود را به محاسبات مصرفی و زیرساخت هوش مصنوعی گسترش داده است.

معرفی راه‌حل‌های AI200 و AI250

به گزارش بخش نیمه‌هدایت رسانه تکنا، راه‌حل‌های تازه AI200 و AI250 برای پیکربندی‌های مقیاس رک معرفی شده‌اند. این حرکت نه تنها ورود بازیگری جدید به فضایی که تحت سلطه انویدیا و ای‌ام‌دی است را نشان می‌دهد، بلکه پیاده‌سازی منحصر‌به‌فردی با اتکا به حافظه LPDDR موبایل را ارائه می‌کند. این محصولات تا ۷۶۸ گیگابایت حافظه LPDDR را روی بسته شتاب‌دهنده در اختیار می‌گذارند که به طور قابل‌توجهی بالاتر از ظرفیت ماژول‌های HBM صنعتی است.

🔗 بیشتر بخوانید: مراقبت‌های سپس از عمل بینی شامل چه مواردی است؟

مزایای رویکرد حافظه نزدیک

جذابیت اصلی این استراتژی، کاهش هزینه و انرژی جابجایی داده است که به آن رویکرد «حافظه نزدیک» می‌گویند. بهره‌گیری از LPDDR مزایای سنتی نظیر کارایی انرژی بهتر، هزینه کمتر نسبت به ماژول‌های HBM، چگالی حافظه بالا و عملکرد حرارتی بهتر به دلیل اتلاف حرارت کمتر را به همراه دارد.

چالش‌ها در مقایسه با رقبا

با این حال، این پیاده‌سازی در مقایسه با گزینه‌های پیشرو انویدیا و ای‌ام‌دی ضعف‌هایی دارد. عدم استفاده از HBM منجر به پهنای باند حافظه کمتر و تأخیر بالاتر به دلیل رابط باریک‌تر می‌شود. در نتیجه، این پشته حافظه برای محیط‌های سروری پرحرارت و کار مداوم تا کنون به بلوغ کامل نرسیده است.

🔗 بیشتر بخوانید: ۳ فروشگاه آنلاین معتبر که حرفه‌ای‌ها از آن‌ها دوربین ورزشی می‌خرند!_تمشک

هدف: استنتاج کارآمد، نه آموزش سنگین

مقصد کوالکام، ارائه گزینه‌ای قدرتمند برای استنتاج است و LPDDR این هدف را محقق می‌کند. اما این انتخاب، کاربرد پیکربندی‌های رک را به سناریوهای خاص محدود می‌کند. راه‌حل‌های AI200 و AI250 دارای خنک‌کننده مایع مستقیم، پروتکل‌های PCIe و اترنت هستند. مصرف توان ۱۶۰ کیلوواتی در سطح رک نیز رقمی پایین برای راه‌حل‌های امروزی محسوب می‌شود.

معماری داخلی و روند بازار

تراشه‌های داخلی از واحدهای پردازش عصبی هگزاگون بهره می‌برند که قابلیت‌های استنتاج آن‌ها به سرعت در حال گسترش است. این واحدها از فرمت‌های داده پیشرفته و ویژگی‌های متمرکز بر استنتاج پشتیبانی می‌کنند. حرکت به سمت راه‌حل‌های استنتاجی قدرتمند توسط تعداد زیادی از ارائه‌دهندگان محاسبه در حال انجام است؛ مثال‌های اخیر شامل راه‌حل کرسنت آیلند اینتل و تراشه هوش مصنوعی روبین سی‌پی‌ایکس انویدیا می‌باشد.

به نظر می‌رسد کوالکام متوجه شده که بخش استنتاج در حال جذب توجه بازار است. به همین دلیل راه‌حل‌های AI200 و AI250 رویکردی منطقی به نظر می‌رسند. با این حال، برای آموزش مدرن یا بارهای کاری بزرگ، به احتمال زیاد این رک‌ها آخرین گزینه خواهند بود. ظهور رقابت در فضای هوش مصنوعی هیجان‌انگیز است و به نظر می‌رسد خرده‌فروشان نسبت به این اطلاعیه‌ها خوش‌بینی قابل‌توجهی نشان داده‌اند.