به گزارش ساوت چاینا مورنینگ پست، نگرانی‌ها زمانی بیشتر شد که مشخص گردید دیپ‌سیک در این مسیر تنها نیست و شرکت هواوی نیز در تلاش است تا جاه‌طلبی‌های هوش مصنوعی چین را بدون تکیه بر فناوری آمریکایی پیش ببرد.
اخیرا هواوی تازه‌ترین محصولات سری تراشه‌های Ascend خود را معرفی کرد و از سخت‌افزاری پرده برداشت که می‌تواند بدون استفاده از پردازنده‌های انویدیا قدرت محاسباتی در سطح جهانی ارائه دهد.
این نخستین بار بود که این شرکت از زمان قرار گرفتن در فهرست تحریم‌های ایالات متحده در سال ۲۰۱۹، جزئیات نقشه‌ی راه تراشه‌هایش را علنی می‌کرد. با افزایش اعتماد به فناوری بومی، پکن از غول‌های فناوری کشورش خواسته است تا خرید تراشه‌های مخصوص بازار چینِ انویدیا — که با هدف تبعیت از محدودیت‌های صادراتی آمریکا طراحی شده بودند — را متوقف کنند.
هواوی و دیپ‌سیک در کنار هم، به نمادهای تاب‌آوری فناوری چین تبدیل شده‌اند و نشان می‌دهند که چگونه تحریم‌های آمریکا موجی از نوآوری داخلی در صنعت هوش مصنوعی را به راه انداخته که به چین امکان داده در رقابت فناوری با واشنگتن پیشروی کند.
در حالی که محدودیت‌های آمریکا نقش عامل فشار را ایفا می‌کند و تلاش چین برای خودکفایی عامل کشش است، دیپ‌سیک به‌دنبال جایگزین‌هایی برای تراشه‌ها خواهد رفت و در این میان، هواوی به‌عنوان قهرمان ملی نقش اصلی را بازی خواهد کرد.
نقشه‌ی جاه‌طلبانه‌ی هواوی برای نسل‌های آتی تراشه‌های Ascend مورد توجه بسیار قرار گرفته شده و آن را «زیربنای استراتژی محاسباتی هوش مصنوعی هواوی» توصیف کرده‌اند.
بر اساس اعلام شرکت، نسل‌های آینده‌ی این تراشه‌ها قرار است هر سال دو برابر قدرت پردازشی بیشتری ارائه دهند، از قالب‌های داده‌ی متنوع‌تر پشتیبانی کنند، کاربردپذیری و پهنای باند را افزایش دهند.
مدل Ascend 950PR برای کارهای پیش‌پردازش و پیشنهاددهی طراحی شده و قرار است در سه‌ماهه‌ی نخست سال آینده عرضه شود. پس از آن، مدل ۹۵۰DT که برای رمزگشایی و آموزش مدل‌های هوش مصنوعی بهینه‌سازی شده، در سه‌ماهه‌ی چهارم همان سال ارائه خواهد شد. تراشه‌های Ascend 960 و ۹۷۰ نیز به ترتیب برای پایان سال‌های ۲۰۲۷ و ۲۰۲۸ برنامه‌ریزی شده‌اند.
در کنار تراشه‌ها، هواوی همچنین از ابرخوشه‌های محاسباتی (Supernode Clusters) خود با نام‌های Atlas 950 و Atlas 960 SuperPoD و SuperCluster رونمایی کرد که می‌توانند تا یک‌میلیون واحد پردازش عصبی (NPU) را تجمیع کنند. این واحدها برای شتاب‌دهی وظایف هوش مصنوعی طراحی شده‌اند.
این نوآوری‌ها به هواوی کمک می‌کند تا محدودیت‌های فرایند ساخت تراشه در چین را دور بزند.
از نظر ظرفیت کارت‌ها، سیستم‌های هواوی در میان محصولات عمومی پیشرو هستند، هرچند که هنوز از نظر عملکرد تک‌تراشه‌ای یک تا دو نسل از انویدیا عقب‌ترند.
هواوی برای جبران این شکاف از فناوری پشته‌سازی تراشه‌ها (chip stacking) استفاده می‌کند. تراشه‌های Ascend می‌توانند از طریق فناوری‌هایی مانند پشته‌سازی و خوشه‌سازی، حتی با وجود عقب‌ماندگی یک نسلی، به کارایی مشابه تراشه‌های پیشرفته آمریکایی برسند.
البته پشته‌سازی چالش‌های خود را دارد — از جمله مصرف انرژی بالا، سیم‌کشی پیچیده و مسائل پایداری — اما پیشرفت‌های هواوی توجه گسترده‌ای را در سراسر چین جلب کرده است.
هواوی همچنین سامانه‌ی CloudMatrix 384 را برای کاربرد صنعتی ترویج می‌دهد که بر پایه‌ی معماریSupernode384 ساخته شده است. این شرکت قصد دارد تراشه‌های ۹۵۰DT را در سامانه‌ی Atlas 950 SuperPoD به کار گیرد — سامانه‌ای شامل ۸٬۱۹۲ کارت، با وسعتی نزدیک به هزار مترمربع و شامل ۱۶۰ کابینت، که قرار است در پایان سال آینده عرضه شود.
تراشه‌های Ascend نقشی کلیدی در آموزش مدل‌های جدید دیپ‌سیک ایفا خواهند کرد. این استارت‌آپ مستقر در هانگژو (Hangzhou) که برای آموزش مدلV3 خود در دسامبر از بیش از ۲٬۰۰۰ تراشه‌ی انویدیا استفاده کرده بود، در اوت نسخه‌یV3.1 را عرضه کرد — مدلی که با روش اختصاصی UE8M0 FP8 آموزش دیده است تا بهره‌وری سخت‌افزار را به حداکثر برساند.
دیپ‌سیک در پستی کوتاه در شبکه‌های اجتماعی اعلام کرد که فرمت UE8M0 FP8 به‌طور ویژه «برای تراشه‌های بومی نسل بعدی که به‌زودی عرضه می‌شوند» طراحی شده است — پیامی که گمانه‌زنی‌هایی درباره‌ی تأمین‌کنندگان این تراشه‌ها برانگیخت.
این معماری به‌طور خاص با منطق سخت‌افزاری تراشه‌های چینی سازگار است و باعث می‌شود مدل‌های هوش مصنوعی به‌صورت روان روی آن‌ها اجرا شوند.
هرچند هواوی و دیپ‌سیک هنوز تأیید نکرده‌اند که آیا تراشه‌های Ascend در توسعه‌ی مدل‌های V3.1 یا نسل‌های بعدی استفاده شده‌اند یا نه، بسیاری از تحلیل‌گران پیش‌بینی می‌کنند که هواوی یکی از تأمین‌کنندگان اصلی سخت‌افزار دیپ‌سیک خواهد بود.
احتمالاً خوشه‌های محاسباتی آینده‌ی هواوی در آموزش مدل‌های دیپ‌سیک نقش حیاتی خواهند داشت. هواوی تجربه‌ی استفاده از تراشه‌های Ascend در فرآیند استنتاج مدل‌های فعلی دیپ‌سیک را دارد، که به آموزش مدل‌های جدید نیز کمک خواهد کرد.
در ماه ژوئیه، هواوی همراه با شرکت‌های بزرگ تراشه‌سازی و هوش مصنوعی چین، ائتلاف نوآوری اکوسیستم مدل-تراشه (Model-Chips Ecosystem Innovation Alliance) را تأسیس کرد تا استفاده از پردازنده‌های بومی را در پروژه‌های هوش مصنوعی گسترش دهد.
یکی دیگر از بازیگران مهم این عرصه، شرکت کمبریکن (Cambricon ) است که از زمان تأسیس در سال ۲۰۱۶ به یکی از پُرارزش‌ترین سهام بازار چین بدل شده و در سال گذشته نزدیک به ۵۰۰ درصد رشد داشته است.
در اوت، کمبریکن از افزایش خیره‌کننده‌ی ۴٬۳۴۸ درصدی درآمد نیم‌سال نخست خود خبر داد که به ۲.۸۸ میلیارد یوان (حدود ۴۰۴ میلیون دلار) رسید — بالاترین رقم از زمان عرضه‌ی عمومی سهام در سال ۲۰۲۰. این جهش نتیجه‌ی گسترش بازار و حمایت گسترده از اجرای برنامه‌های هوش مصنوعی بود.
شرکت تنسنت اعلام کرده که واحد رایانش ابری آن «به‌طور کامل با تراشه‌های داخلی سازگار شده است.
واحد طراحی تراشه‌ی شرکت علی‌بابا (T-Head) نیز یک تراشه‌ی اختصاصی جدید برای کاربردهای هوش مصنوعی توسعه داده که قابلیت‌هایی مشابه پردازنده‌ی H20 انویدیا دارد.
با وجود پیشرفت‌ها، چین هنوز با چالش‌هایی در کارایی اکوسیستم نرم‌افزاری و ظرفیت تولید روبه‌روست. سؤال کلیدی این است: آیا شرکت‌های تولید تراشه‌ی چینی مانند SMIC (شرکت بین‌المللی ساخت نیمه‌رسانا) — که خود نیز زیر تحریم‌های آمریکاست — می‌توانند تراشه‌های Ascend را در مقیاسی مشابه با شرکت تایوانی TSMC تولید کنند؟ (TSMC از سال ۲۰۲۰ همکاری با هواوی را متوقف کرده است.)
پیش‌بینی می‌شود خطوط تولید ۷ نانومتری چین در سال ۲۰۲۶ حدود ۶۰۰ تا ۷۰۰ هزار تراشه‌ی هوش مصنوعی تولید کنند. اگر خوشه‌ی یک‌میلیونی هواوی به واقعیت بپیوندد، این پروژه به‌تنهایی یک‌ششم ظرفیت تولید سالانه را مصرف می‌کند و فشار سنگینی بر تولیدکنندگان داخلی وارد خواهد کرد.
هنوز روشن نیست که آیا معماری Supernode هواوی می‌تواند تراشه‌های متعدد را طوری یکپارچه کند که مانند یک رایانه‌ی واحد عمل کنند — امری که برای آموزش مدل‌های بزرگ حیاتی است.
با این حال، هواوی مصمم به ادامه‌ی مسیر است. فناوری تراشه‌ی در حال حاضر یک تا دو نسل از انویدیا عقب‌تر است و نمی‌توان پیش‌بینی کرد چند نسل عقب خواهد ماند. اما چاره‌ای جز یافتن راه‌های جایگزین وجود ندارد.
منبع: scmp
