گوگل در مسیر توسعه چیپ اختصاصی برای بهینهسازی مدلهای Gemini؛ «Frozen v2» تا ۲۰۲۸ عرضه میشود
به گزارش The Information، شرکت مادر گوگل، Alphabet، در حال طراحی یک چیپ سرور جدید با نام داخلی «Frozen v2» است که هدف آن افزایش چشمگیر کارایی مدلهای داخلی هوش مصنوعی این شرکت، بهویژه سری Gemini، اعلام شده است. طبق این گزارش که به منابع ناشناس استناد میکند، عرضه این چیپ برای سال ۲۰۲۸ برنامهریزی شده است.
بر اساس اطلاعات منتشرشده، چیپ Frozen v2 میتواند بین شش تا ده برابر انرژی-بهرهورتر از چیپهای فعلی گوگل باشد؛ معیار سنجش در این مقایسه تعداد توکن تولیدشده به ازای هر واحد انرژی است. این معیار یکی از شاخصهای کلیدی برای ارزیابی کارایی پردازش استنتاج (inference) در مدلهای زبانی بزرگ به شمار میآید و نشاندهنده کاهش مصرف انرژی و هزینه عملیاتی مراکز داده است.
گوگل در پاسخ به TechCrunch گزارش را مستقیماً تأیید یا تکذیب نکرد و اعلام کرد: «تیمهای ما بهطور مستمر روی نوآوریها تحقیق و آزمایش میکنند تا بالاترین عملکرد و کارایی را برای کاربران و مشتریان فراهم کنند. هر پروژهای به تولید منتهی نمیشود، اما این کاوش دقیق بخشی از رویکرد full-stack ما است؛ با طراحی مشترک سختافزار و نرمافزار از پایه، سیستمها برای بارهای کاری واقعی بهینه میشوند.»
روند ساخت چیپهای سفارشی در صنعت هوش مصنوعی اخیر شتاب گرفته است؛ شرکتها به دنبال افزایش کارایی، کاهش وابستگی به تامینکنندگان خارجی و پاسخ به کمبود جهانی ظرفیت محاسباتی AI هستند. سلطه طولانیمدت Nvidia بر بازار چیپهای AI باعث شده بسیاری از توسعهدهندگان بزرگ به دنبال راههایی برای کاهش وابستگی به این سازنده باشند. در همین راستا، OpenAI ماه ژوئن از اولین چیپ سفارشی خود با نام «Jalapeño» برای پردازش استنتاج رونمایی کرد و گزارشهایی نیز از مذاکرات Anthropic با سامسونگ برای شراکت در تولید چیپ منتشر شده است.
ابعاد اقتصادی این تحولات نیز قابل توجه است. Alphabet امسال برنامهای گسترده برای سرمایهگذاری در حوزه هوش مصنوعی اعلام کرده و برآورد هزینهها بین ۱۸۰ تا ۱۹۰ میلیارد دلار است. با چنین سرمایهگذاریهای عظیمی، ضرورت اثبات بازدهی و کارایی این هزینهها برای جلب اعتماد سرمایهگذاران بخش حیاتی از استراتژی شرکت است. انتشار خبر Frozen v2 ظاهراً توانست بخشی از نگرانیهای بازار را کاهش دهد؛ ارزش سهام گوگل پس از انتشار گزارش The Information حدود سه درصد افزایش یافت و این اتفاق درست پیش از گزارش سود و زیان فصل جاری رخ داد.
پیامدهای احتمالی توسعه چیپهای کارآمدتر برای اکوسیستم هوش مصنوعی گسترده است: کاهش هزینههای عملیاتی مراکز داده، امکان راهاندازی مدلهای بزرگتر با مصرف انرژی کمتر، و ایجاد رقابت بیشتر در بازار سختافزار AI که میتواند فشار بر قیمتها و نوآوری را افزایش دهد. با این حال، پرسشهایی درباره زمانبندی تولید، هزینههای توسعه و قابلیت انتقال این معماری به تولید انبوه همچنان پابرجاست و پاسخ گوگل به این سوالات در ماهها و سالهای آینده روشنتر خواهد شد.
در نهایت، اقدام Alphabet برای طراحی چیپهایی مانند Frozen v2 نشاندهنده ادامه حرکت صنعت به سمت همطراحی سختافزار و نرمافزار است؛ رویکردی که میتواند تعیینکننده برتری رقابتی در عصر مدلهای زبانی بزرگ و کاربردهای گسترده هوش مصنوعی باشد.