به گزارش ساوت چاینا مورنینگ پست، این دستاورد نقطه عطفی برای غول فناوری چین به شمار می‌رود؛ شرکتی که با تمرکز بیشتر بر این استاندارد باز، به دنبال توسعه کاربردهای آن در هوش مصنوعی و سامانه‌های خودرویی است. «مِنگ جیانی»، دانشمند ارشد آکادمی دامو، در نشست سالانه RISC-V چین در شهر شنژن این آمار را اعلام کرد.
این دستاورد در شرایطی رقم خورده است که شرکت‌های چینی تلاش می‌کنند نقش پررنگ‌تری در اکوسیستم جهانی RISC-V ایفا کنند؛ معماری‌ای که جایگزینی برای معماری‌های تثبیت‌شده تراشه، توسعه‌یافته از سوی شرکت‌هایی مانند اینتل و آرم، به شمار می‌رود.
RISC-V؛ راهبرد چین برای کاهش وابستگی به فناوری‌های خارجی
علی‌بابا که دفتر مرکزی آن در شهر هانگژو قرار دارد، از شرکت‌های پیشگام در توسعه RISC-V در چین بوده و اکنون در حال گسترش توانمندی‌های خود در حوزه زیرساخت‌های هوش مصنوعی است.
از آنجا که RISC-V یک استاندارد باز است، توسعه‌دهندگان می‌توانند از آن برای طراحی پردازنده استفاده کنند. این رویکرد همچنین می‌تواند وابستگی به فناوری‌های خارجی طراحی تراشه را کاهش دهد؛ موضوعی که در شرایط محدودیت‌های صادراتی تحت رهبری ایالات متحده، برای چین اهمیت بیشتری پیدا کرده است.
مِنگ برای نشان دادن سرعت گسترش جهانی این معماری، به پیش‌بینی‌های شرکت پژوهشی «اومدیا» (Omdia) اشاره کرد. بر اساس این پیش‌بینی‌ها، عرضه جهانی پردازنده‌های مبتنی بر RISC-V سالانه نزدیک به ۳۰ درصد رشد خواهد کرد و این معماری می‌تواند تا سال ۲۰۳۰ حدود ۲۵ درصد از بازار جهانی پردازنده‌ها را به خود اختصاص دهد.
ثبت رکورد عرضه بیش از ۶ میلیارد تراشه، پس از معرفی پردازنده XuanTie C950 در اوایل سال جاری میلادی صورت می‌گیرد؛ محصولی پرچم‌دار مبتنی بر معماری RISC-V که علی‌بابا آن را قدرتمندترین پردازنده در نوع خود در جهان توصیف کرده است.
این شرکت اعلام کرده که پردازنده C950 برای پشتیبانی از عامل‌های هوش مصنوعی و دیگر بارهای کاری در محیط‌های رایانش ابری و محاسبات با کارایی بالا توسعه یافته است. به گفته علی‌بابا، عملکرد این پردازنده بیش از سه برابر بهتر از نسل قبلی آن، یعنی C920، است.
پردازنده C950 بخشی از تلاش گسترده‌تر شرکت‌های فناوری چین برای توسعه زیرساخت‌های محاسباتی مورد نیاز هوش مصنوعی است.
علی‌بابا، شرکت تنسنت هولدینگز و بایت‌دنس نیز در رقابت برای توسعه «عامل‌های هوش مصنوعی» قرار دارند؛ نرم‌افزارهایی که می‌توانند به‌صورت خودکار وظایف مختلفی را به نمایندگی از کاربران یا دیگر سامانه‌ها انجام دهند. این شرکت‌ها همچنین به دنبال ادغام چنین عامل‌هایی در اپلیکیشن‌های خود هستند تا قابلیت‌های مبتنی بر هوش مصنوعی را بیش از پیش در اختیار کاربران قرار دهند.
RISC-V چیست و چرا برای چین اهمیت دارد؟
RISC-V که مخفف عبارت «رایانه با مجموعه دستورالعمل‌های کاهش‌یافته، نسل پنجم» است، یک معماری مجموعه دستورالعمل باز محسوب می‌شود که به توسعه‌دهندگان اجازه می‌دهد واحدهای پردازش مرکزی (CPU) طراحی کنند. مدیریت این معماری بر عهده سازمان غیرانتفاعی «RISC-V International» است.
RISC-V برای استفاده و اصلاح در دسترس همگان قرار دارد و از این رو، یکی از مسیرهای بالقوه چین برای دستیابی به خودکفایی بیشتر در طراحی تراشه به شمار می‌رود. این معماری جایگزینی برای معماری x86 شرکت اینتل و معماری اختصاصی آرم فراهم می‌کند؛ دو معماری که به‌ترتیب در بسیاری از دستگاه‌های مجهز به سیستم‌عامل ویندوز مایکروسافت و اندروید گوگل به کار می‌روند.
با وجود پیشرفت‌های حاصل‌شده، مِنگ بر چالش‌های مهندسی پیش روی علی‌بابا برای بهبود عملکرد پردازنده‌های RISC-V هنگام اجرای مدل‌های زبانی بزرگ تأکید کرد.
او در مصاحبه‌ای با سازمان RISC-V International که از سوی آکادمی دامو منتشر شد، گفت: بزرگ‌ترین چالش در طراحی مشترک نهفته است. توان محاسباتی خام به‌تنهایی اهمیت چندانی ندارد؛ نکته کلیدی، ایجاد توازن میان محاسبات، جابه‌جایی داده‌ها و بهینه‌سازی نرم‌افزار است.
مِنگ افزود برای اجرای مدل‌های بزرگ هوش مصنوعی، مانند مدل Qwen3.8-27B، باید فناوری‌هایی نظیر کوانتیزه‌سازی، دستورالعمل‌های ماتریسی و پهنای باند حافظه در قالب یک سامانه یکپارچه با یکدیگر ترکیب شوند.
کوانتیزه‌سازی روشی برای کاهش دقت عددی نمایش داده‌ها و محاسبات مدل‌های هوش مصنوعی است که می‌تواند مصرف حافظه و هزینه محاسباتی را کاهش دهد. دستورالعمل‌های ماتریسی نیز به پردازنده کمک می‌کنند عملیات ریاضی مورد استفاده در شبکه‌های عصبی را با کارایی بیشتری انجام دهد. پهنای باند حافظه هم تعیین می‌کند داده‌ها با چه سرعتی میان حافظه و واحد پردازش جابه‌جا شوند.
به گفته مِنگ، دستیابی به عملکرد بهتر در مدل‌های بزرگ هوش مصنوعی صرفاً به افزایش قدرت پردازنده وابسته نیست؛ بلکه مستلزم هماهنگی میان سخت‌افزار، انتقال داده و نرم‌افزار است.
منبع: scmp
