دیپ‌سیک و هواوی برای به‌چالش‌کشیدن کوادای انویدیا، بسته نرم‌افزاری متن‌باز هوش مصنوعی عرضه کردند

توسعه‌دهندگانی که بر روی مدل‌های زبانی بزرگ کار می‌کنند، اکنون می‌توانند کدهای خود را با استفاده از یک بسته نرم‌افزاری متن‌باز تازه منتشرشده، مستقیماً روی پردازنده‌های اسند (Ascend) هواوی کامپایل و اجرا کنند. این اقدام مشترک دیپ‌سیک و هواوی، پلتفرم اختصاصی کوادا (CUDA) متعلق به انویدیا را کاملاً دور می‌زند و یک مسیر عملیاتی مستقل برای آموزش مدل‌ها فراهم می‌آورد.[1][2]

این دو شرکت سه کتابخانه زیرساختی و کلیدیِ بهینه‌سازی‌شده برای اسند را به اشتراک گذاشته‌اند: TileLang، DeepGEMM و DeepEP. این ابزارها چارچوب‌های محاسباتی و ارتباطی پایه‌ای را در اختیار توسعه‌دهنده می‌گذارند تا بتوان مدل‌های سنگین هوش مصنوعی را روی سیلیکونی غیر از انویدیا آموزش داد و مستقر ساخت.[4][6]

بخش عمده‌ای از سلطه بی‌رقیب انویدیا در حوزه هوش مصنوعی مدیون کواداست؛ یک مدل برنامه‌نویسی متن‌بسته که مهندسان نرم‌افزار بیش از یک دهه وقت صرف یادگیری و تطبیق با آن کرده‌اند. درهم‌شکستن چنین انحصاری تنها با ساخت سخت‌افزار قدرتمند ممکن نیست، بلکه نیازمند اکوسیستم نرم‌افزاری پایداری است که توسعه‌دهنده در عمل مایل به کار با آن باشد.[3][4]

اگرچه بیانیه‌های تبلیغاتی معمولاً این قبیل فریم‌ورک‌ها را «قاتل کوادا» جا می‌زنند، اما آنچه در واقعیت عرضه شده بسیار هدفمند و محدودتر است. این بسته نه یک جایگزین همه‌کاره برای تمام قطعات بازار، بلکه تلاشی دقیق و مهندسی‌شده برای قابل استفاده کردن تراشه‌های اسند هواوی در پردازش بارهای کاری پیچیده و سنگین مدل‌های پیشرو است.[1][5]

پشته فنی ابزارها

هسته اصلی این پکیج، ابزار TileLang است که فرآیند نوشتن کرنل‌های محاسباتی سفارشی را تسهیل می‌کند. پیش از این، نوشتن چنین کدهایی نیازمند دانش عمیق از جزئیات معماری هر قطعه سخت‌افزار بود؛ مانعی فنی که برنامه‌نویسان را ناچار در دامان مستندات غنی اکوسیستم انویدیا نگه می‌داشت.[2][4]

دیپ‌سیک با متن‌باز کردن پشتیبانی پردازنده‌های اسند در TileLang، سد ورود به برنامه‌نویسی برای تراشه‌های هواوی را شکسته است. اکنون مهندسان می‌توانند کدهایی با کارایی بالا بنویسند، بدون آنکه مجبور باشند پیچیدگی‌ها و لم‌های معماری اسند را از صفر یاد بگیرند.[4][6]

کتابخانه DeepGEMM مستقیماً سراغ شاهرگ ریاضیاتی هوش مصنوعی رفته است: ضرب ماتریس‌ها. این ابزار به طور اختصاصی برای مدیریت محاسبات فشرده مورد نیاز مدل‌های زبانی بزرگ تنظیم شده تا اطمینان حاصل شود که هسته‌های محاسباتی هواوی در طول فرآیند آموزش با بالاترین راندمان ممکن کار می‌کنند.[6]

از سوی دیگر، DeepEP گره لجستیکی پردازش توزیع‌شده را باز می‌کند. هنگامی که یک مدل آن‌قدر حجیم است که در حافظه یک تراشه واحد جا نمی‌شود، DeepEP تبادل داده با سرعت بالا و تقسیم بار کاری بین هزاران پردازنده موازی را مدیریت می‌کند.[2][6]

نشریه تامز هاردویر در تحلیل این انتشار گزارش داد: «این بسته شامل ابزارهای محاسباتی، کتابخانه‌های ارتباطی شبکه و پشتیبانی سخت‌افزاری TileLang برای تراشه‌های اسند است.» این رسانه تأکید کرد که معماری این ابزارها با هدف صریح کاهش اتکا به اکوسیستم تثبیت‌شده انویدیا تدوین شده است.[2]

سخت‌افزار و ژئوپلیتیک

همزمانی این انتشار نرم‌افزاری با معرفی معماری SuperPoD Flex توسط هواوی معنادار است. این معماری مقیاس‌پذیر کلاسترینگ به گردانندگان مراکز داده اجازه می‌دهد هزاران تراشه اسند را برای آموزش مدل‌های غول‌پیکر به یکدیگر متصل کنند.[6]

ترکیب نرم‌افزار متن‌باز با سخت‌افزار مقیاس‌پذیر، تلاشی مستقیم برای شبیه‌سازی همان یکپارچگی عمودی است که انویدیا را به غولی چند تریلیون دلاری بدل ساخت؛ هواوی سیلیکون را می‌سازد و دیپ‌سیک لایه ترجمه نرم‌افزاری را برای برنامه‌نویسان مهیا می‌کند.[1][3]

این اقدام برای مناطقی که زیر بار سنگین تحریم‌های صادراتی تراشه‌های پیشرفته آمریکایی هستند، اهمیتی حیاتی دارد. از آنجا که غول‌های فناوری چین از دسترسی به پردازنده‌های H100 و بلک‌ول انویدیا محروم شده‌اند، راهی جز خلق معماری مستقل خود نداشته‌اند.[1][3]

دیپ‌سیک که به خاطر مدل‌های بهینه‌اش اعتباری جهانی در حوزه پژوهش هوش مصنوعی به دست آورده، وزنه فنی معتبری برای این پروژه محسوب می‌شود. حمایت عملی و توسعه فعالانه این ابزارها توسط دیپ‌سیک، به سایر تیم‌ها پیام می‌دهد که پلتفرم سخت‌افزاری هواوی از مرحله آزمایشگاهی گذر کرده و آماده محیط‌های واقعی عملیاتی است.[4][5]

چالش پذیرش عمومی

با تمام این‌ها، انتشار کد متن‌باز صرفاً گام نخست در چالش با یک انحصار ریشه‌دار است. کوادای انویدیا از یک «اثر شبکه‌ای» عظیم و خودتقویت‌کننده سود می‌برد: چون همگان از آن استفاده می‌کنند، تمام پژوهش‌های روز هوش مصنوعی به طور پیش‌فرض روی آن نوشته می‌شوند.[3][5]

برای ماندگاری این مسیر، ائتلاف دیپ‌سیک و هواوی باید توسعه‌دهندگان مستقل و شرکت‌های رقیب را قانع کند که وقت گرانبهای خود را پای یادگیری اکوسیستم اسند بگذارند. ارزش واقعی یک پشته نرم‌افزاری تنها به اندازه جامعه‌ای است که فعالانه آن را نگهداری کرده و توسعه می‌دهد.[1][4]

نشانه‌های اولیه از عملکرد درست این ابزارها حکایت دارد، اما مهاجرت کدهای قدیمی از کوادا به یک پلتفرم جدید، پروسه‌ای بسیار وقت‌گیر و پرهزینه است. شرکت‌ها ناچارند هزینه بازنویسی پایه‌کدهای خود را در برابر منفعت استراتژیک استقلال از انویدیا سبک و سنگین کنند.[3][5]

متن‌باز بودن این بسته ترفندی حساب‌شده برای شتاب‌بخشی به این پذیرش عمومی است. هواوی و دیپ‌سیک با دادن اجازه دسترسی، بازبینی و بازتوزیع آزادانه کدها، به دنبال جذب جامعه متن‌باز برای خطایابی و بهینه‌سازی جمعی پلتفرم خود هستند.[4][6]

افق پیش رو

آزمون واقعی این مجموعه نرم‌افزاری طی دوازده ماه آینده و با تلاش مراکز داده ثالث برای استقرار آن در مقیاس وسیع رقم خواهد خورد. معیار موفقیت، تعداد ستاره‌های گیت‌هاب نخواهد بود، بلکه شمار مدل‌های پیشرویی است که صفر تا صد آن‌ها روی سخت‌افزار اسند آموزش می‌بینند.[1][5]

اگر این اکوسیستم به بلوغ برسد، بازار جهانی زیرساخت هوش مصنوعی به دو اردوگاه مجزا تقسیم خواهد شد: یکی وابسته به انویدیا و انحصار کوادا، و دیگری متکی بر ابزارهای متن‌باز و تراشه‌های بومیِ جایگزین.[3][4]

فعلاً آنچه توسعه‌دهندگان در دست دارند یک جایگزین واقعی، کدشده و قابل ارزیابی است. هنوز هیچ انحصاری در دنیای برنامه‌نویسی هوش مصنوعی شکسته نشده، اما پی‌ریزی یک اکوسیستم موازی و جدی، رسماً کلید خورده است.[1][2]