رونمایی گوگل از تراشههای تخصصی TPU 8tx و 8i Max؛ چالش جدی برای تسلط انویدیا در بازار هوش مصنوعی
شرکت گوگل با معرفی دو سیستم جدید در نسل هشتم شتابدهندههای خود، پردازش امن دادههای حساس و مدیریت پنجرههای زمینه عظیم را هدف قرار داده است. این تراشهها با قیمتی کمتر و کارایی بالاتر، رقابت در بازار زیرساختهای هوش مصنوعی را وارد مرحله تازهای میکنند.
به قلم ساناز امامی
این خبر را به اشتراک بگذارید
در تاریخ ۹ نوامبر ۲۰۲۶، شرکت گوگل با معرفی دو تراشه تخصصی جدید با نامهای TPU 8tx و TPU 8i Max، سبد شتابدهندههای هوش مصنوعی نسل هشتم خود را گسترش داد. این اقدام نشاندهنده تشدید رقابت در بازار زیرساختهای پردازشی است و تسلط بلامنازع انویدیا را به طور مستقیم به چالش میکشد.[2][4]
این رونمایی در شرایطی انجام میشود که صنعت هوش مصنوعی در حال گذر از تعاملات انسانی به سوی پردازشهای مبتنی بر عاملهای خودکار است. این تغییر پارادایم نیازمند سختافزارهایی است که بتوانند پنجرههای زمینه بسیار بزرگ را مدیریت کرده و همزمان امنیت دادهها را در بالاترین سطح تضمین کنند.[1][2]
امین وحدت، مدیر ارشد فناوری زیرساختهای هوش مصنوعی گوگل، در گفتگو با بلومبرگ اعلام کرد که این مدلهای جدید، تراشههایی کاملاً متفاوت نیستند. به گفته او، این سیستمها نسخههایی با پیکربندی مجدد از سیلیکونهای موجود هستند که دقیقاً برای پاسخگویی به نیازها و بارهای کاری درخواستی مشتریان طراحی شدهاند.[4]
با معرفی این دو محصول جدید، گوگل برای نخستین بار در تاریخ خود موفق شده است چهار سیستم متمایز TPU را در کمتر از یک سال روانه بازار کند. این رویکرد ماژولار به شرکت اجازه میدهد تا به جای صرف سالها زمان برای توسعه، نسخههای سختافزاری جدید را در عرض چند ماه ارائه دهد.[1][3]
کسبوکار پردازندههای تنسور (TPU) گوگل اکنون فراتر از زیرساختهای ابری این شرکت رفته و استقرار در دیتاسنترهای اختصاصی مشتریان را نیز شامل میشود. گوگل گزارش داده است که تعداد مشتریان سازمانی این تراشهها به نزدیک ۱۰۰ مورد رسیده که شامل آزمایشگاههای پیشرو، شرکتهای تجاری، خردهفروشهای بزرگ و دانشگاهها میشود.[3]
پردازش امن دادههای حساس در سطح سختافزار
تراشه TPU 8tx به طور ویژه برای سازمانهای دولتی و شرکتهای فعال در صنایع قانونگذاریشده طراحی شده است. این نهادها نیازمند اجرای مدلهای اختصاصی و عاملهای خودکار بر روی دادههای بسیار حساس خود هستند و این تراشه یک آسیبپذیری مهم در معماری رایانش ابری سنتی را برطرف میکند.[2][3]
در سیستمهای سنتی، اطلاعات در زمان ذخیرهسازی یا انتقال رمزنگاری میشوند، اما برای انجام محاسبات باید در حافظه سیستم رمزگشایی شوند. این فرآیند یک پنجره آسیبپذیری ایجاد میکند که در آن دادههای حساس و وزنهای مدل از نظر تئوری در معرض خطر افشا قرار میگیرند.[1][3]
سیستم TPU 8tx این مشکل را با حفظ رمزنگاری دادهها حتی در طول پردازش فعال حل کرده است. این سختافزار تضمین میکند که اطلاعات اختصاصی و ساختار مدلها کاملاً ایزوله باقی بمانند و امنیت سطح سختافزار را برای استنتاج محرمانه و آموزشهای مقیاس کوچک فراهم میکند.[1][2]
برای دستیابی به این سطح از امنیت، گوگل همان سیلیکون به کار رفته در تراشه آموزشی TPU 8t را با پردازندههای میزبان نسل پنجم AMD EPYC ترکیب کرده است. این سیستم همچنین از شبکه ارتباطی Boardfly با تأخیر بسیار پایین بهره میبرد که منحصراً برای استدلالهای بلادرنگ توسعه یافته است.[3][7]
همکاری استراتژیک با شرکت AMD نقش مهمی در معماری این سیستم ایفا میکند. با ادغام پردازندههای قدرتمند اپیک، گوگل اطمینان حاصل کرده است که پردازندههای میزبان میتوانند همگام با نیازهای رمزنگاری پرسرعت شتابدهندهها عمل کنند، بدون آنکه گلوگاه جدیدی در جریان انتقال اطلاعات ایجاد شود.[3][7]
بر اساس گزارشهای فنی گوگل، این ترکیب سختافزاری تا دو برابر تأخیر کمتری نسبت به مدل TPU 8t ارائه میدهد، در حالی که افت عملکرد آن تقریباً صفر است. این ویژگی به سازمانها اجازه میدهد تا مدلهای خود را روی دادههای خصوصی تنظیم ظریف کرده و عاملهای هوشمند را در یک محیط کاملاً امن آموزش دهند.[3]
غلبه بر محدودیتهای حافظه در پردازشهای سنگین
در حالی که تمرکز مدل 8tx بر امنیت است، تراشه TPU 8i Max برای مقابله با گلوگاه حافظه در پردازش پنجرههای زمینه عظیم طراحی شده است. این قابلیت برای وظایف پیچیدهای مانند تحلیل همزمان کل کدهای یک نرمافزار یا پردازش ساعتها ویدیوی باکیفیت، کاملاً حیاتی محسوب میشود.[1][2]
هنگامی که چندین عامل هوش مصنوعی به طور همزمان روی چنین مجموعه دادههای بزرگی کار میکنند، پهنای باند حافظه به سرعت به اصلیترین گلوگاه سیستم تبدیل میشود. در این حالت، صرفنظر از سرعت خام پردازنده، کل فرآیند محاسباتی کند میشود؛ مشکلی که گوگل با تکنیکهای پیشرفته بستهبندی سختافزاری به آن پاسخ داده است.[1]
معماری TPU 8i Max دو تراشه کمتأخیر 8i را در یک بسته واحد ترکیب میکند. این تصمیم مهندسی باعث میشود تا قدرت محاسباتی، ظرفیت کل حافظه و پهنای باند آن در همان ابعاد فیزیکی رک سرور به طور دقیق دو برابر شود.[1][3]
با به حداکثر رساندن تراکم محاسباتی در هر رک، دیتاسنترها میتوانند عملکرد بسیار بیشتری را به ازای هر متر مربع از فضای فیزیکی خود ارائه دهند. این یک شاخص کلیدی برای ارائهدهندگان خدمات ابری است که با محدودیتهای شدید فضا و تأمین برق در تأسیسات خود مواجه هستند.[1][2]
مصرف انرژی و فضای فیزیکی اکنون به بزرگترین عوامل محدودکننده در توسعه دیتاسنترهای هوش مصنوعی تبدیل شدهاند. گوگل با دو برابر کردن تراکم پردازشی، به مشتریان ابری خود اجازه میدهد تا عملیات هوش مصنوعی خود را بدون نیاز به ساخت تأسیسات جدید یا دریافت سهمیه برق بیشتر، گسترش دهند.[1][3]
این قابلیتهای پردازشی به ویژه برای کاربردهای پیچیدهای مانند کشف داروهای جدید، مدلسازیهای پیشرفته ریاضی و ابزارهای برنامهنویسی خودکار اهمیت دارند. در این حوزهها، مدل هوش مصنوعی باید پیش از تولید پاسخ نهایی، حجم بسیار گستردهتری از اطلاعات متنی و ساختاری را به طور همزمان در نظر بگیرد.[7]
رقابت اقتصادی و تغییر موازنه در بازار تراشهها
معرفی این تراشههای تخصصی نشاندهنده یک تغییر استراتژیک بزرگ برای گوگل است. این شرکت اکنون تراشههای داخلی خود را به عنوان یک پلتفرم گسترده و در دسترس برای مشتریان خارجی معرفی میکند و تسلط بلامنازع انویدیا در بازار سختافزار هوش مصنوعی را هدف قرار داده است.[1][7]
گزارشهای بازار نشان میدهد که تراشههای TPU گوگل حدود ۳۰ درصد ارزانتر از پردازندههای گرافیکی مشابه ساخت انویدیا قیمتگذاری شدهاند. علاوه بر هزینه اولیه کمتر، این سیستمها بهرهوری انرژی بالاتری برای بارهای کاری استنتاجی ارائه میدهند که هزینههای عملیاتی بلندمدت را به شدت کاهش میدهد.[6]
زمانبندی این رونمایی نیز قابل توجه است، زیرا با دورهای از نوسانات برای انویدیا همزمان شده است. در حالی که پردازندههای انویدیا همچنان استاندارد طلایی برای آموزش مدلهای پایه هستند، بازار استنتاج که مدلها در آن اجرا و پاسخ تولید میکنند، به شدت رقابتی و حساس به قیمت شده است.[1][7]
مؤسسه بلومبرگ اینتلیجنس پیشبینی کرده است که درآمدهای گوگل از محل فروش تراشههای TPU در سالهای آینده رشد چشمگیری خواهد داشت. برآوردها نشان میدهد که این رقم از ۱۲ میلیارد دلار در سال ۲۰۲۶ به بیش از ۱۳۵ میلیارد دلار در سال ۲۰۲۸ افزایش خواهد یافت.[6]
شرکتهای بزرگ فناوری از هماکنون برای استفاده از این زیرساخت صف کشیدهاند. بر اساس گزارشها، مشتریان این تراشهها شامل اپل، متا، اوراکل و آنتروپیک هستند و شایعاتی وجود دارد که حتی شرکت اوپنایآی نیز قصد دارد برای پردازشهای خود از این سختافزارهای تخصصی گوگل استفاده کند.[6]
بازارهای مالی واکنش بسیار مثبتی به گسترش سبد سختافزاری گوگل نشان دادند. پس از انتشار این خبر در روز دوشنبه، ارزش سهام شرکت آلفابت در معاملات پیشگشایش بازار با ۲.۴ درصد رشد همراه شد که نشاندهنده اعتماد سرمایهگذاران به استراتژی زیرساختی این شرکت است.[4][7]
یکپارچگی نرمافزاری و تسهیل کار توسعهدهندگان
پیشرفتهای سختافزاری تنها نیمی از استراتژی گوگل را تشکیل میدهند؛ این شرکت سرمایهگذاری سنگینی روی ابزارهای نرمافزاری انجام داده تا موانع ورود توسعهدهندگان را کاهش دهد. هدف نهایی این است که استفاده از TPUها برای استنتاج روزمره مدلها، به سادگی استفاده از پردازندههای گرافیکی سنتی شود.[1][2]
گوگل پشته نرمافزاری بومی خود یعنی vLLM-TorchTPU را برای کار یکپارچه با این تراشههای جدید بهینهسازی کرده است. در بنچمارکهای استاندارد صنعتی مانند InferenceX و AgentX که وظایف کدنویسی عاملمحور را آزمایش میکنند، این ترکیب نرمافزاری و سختافزاری به رکوردهای بیسابقهای در نسبت قیمت به عملکرد دست یافته است.[2]
وبلاگ رسمی گوگل در این باره تأکید کرده است: «در محیطهای عملیاتی، آنچه واقعاً اهمیت دارد، نتایج بهدستآمده در بارهای کاری واقعی هوش مصنوعی است، نه سرعتهای تئوری و حداکثری تراشهها.» این ارزیابیها نشان میدهد که مزایای TPUهای جدید در طیف وسیعی از مدلهای متنباز قابل مشاهده است.[2]
نکته حائز اهمیت این است که این افزایش سرعت و کارایی، بدون هیچگونه افت در دقت و قابلیت اطمینان مدلها به دست آمده است. گوگل وعده داده است که بهینهسازیهای نرمافزاری آینده بر روی همین سختافزار، نتایج عملکردی را از سطح فعلی نیز فراتر خواهد برد.[2]
نکته حائز اهمیت این است که این افزایش سرعت و کارایی، بدون هیچگونه افت در دقت و قابلیت اطمینان مدلها به دست آمده است.
با پشتیبانی کامل از فریمورک PyTorch و سایر ابزارهای متنباز، گوگل اطمینان حاصل کرده است که توسعهدهندگان برای استفاده از این تراشهها نیازی به یادگیری اکوسیستمهای کاملاً جدید ندارند. این رویکرد، پذیرش سختافزارهای گوگل را در میان جامعه برنامهنویسان به شدت تسریع میکند.[2]
در نهایت، عرضه سیستمهای 8tx و 8i Max ثابت میکند که فاز بعدی توسعه هوش مصنوعی نیازمند سختافزارهای کاملاً تخصصی است. با گذر از چتباتهای آزمایشی به سوی عاملهای خودمختار سازمانی، زیرساختهای پردازشی نیز باید برای پاسخگویی به نیازهای امنیتی و حافظهای جدید تکامل یابند.[7]
نکات کلیدی
- گوگل دو تراشه تخصصی TPU 8tx و 8i Max را برای پردازشهای امن و مدلهای دارای زمینه متنی گسترده معرفی کرد.
- تراشه 8tx با حفظ رمزنگاری دادهها در حین پردازش، امنیت سطح سختافزار را برای نهادهای دولتی و صنایع حساس فراهم میکند.
- مدل 8i Max با ترکیب دو پردازنده، توان محاسباتی و پهنای باند حافظه را در همان ابعاد فیزیکی سرور دو برابر میسازد.
- این سختافزارها با قیمتی حدود ۳۰ درصد ارزانتر از محصولات انویدیا، رقابت در بازار زیرساختهای هوش مصنوعی را تشدید کردهاند.
آنچه نمیدانیم
- هنوز مشخص نیست که آیا شرکت اوپنایآی (OpenAI) به طور قطعی قرارداد خرید این تراشهها را با گوگل امضا کرده است یا خیر.
- جزئیات دقیق مربوط به میزان مصرف انرژی (TDP) تراشه 8i Max در مقایسه با نسلهای قبلی به صورت عمومی منتشر نشده است.
روند رویداد
آوریل ۲۰۲۶
گوگل در کنفرانس Cloud Next از تراشههای TPU 8t برای آموزش مدلها و 8i برای استنتاج بلادرنگ رونمایی کرد.
تابستان ۲۰۲۶
افزایش تقاضای مشتریان سازمانی برای پردازش امن دادههای محرمانه و مدیریت پنجرههای زمینه بزرگتر.
۹ نوامبر ۲۰۲۶
معرفی رسمی تراشههای تخصصی TPU 8tx و 8i Max و تکمیل سبد سختافزاری نسل هشتم گوگل.
- توسعهدهندگان زیرساختهای ابری
- تمرکز بر رفع گلوگاههای سختافزاری و تسهیل یکپارچگی نرمافزاری.
- تحلیلگران بازارهای مالی
- ارزیابی تأثیر اقتصادی این تراشهها بر موازنه قدرت در صنعت فناوری.
- ناظران امنیت داده
- بررسی اهمیت پردازش محرمانه برای سازمانهای دولتی و صنایع حساس.
دیدگاههایی که این گزارش پوشش نداده
- تولیدکنندگان مستقل سختافزار
- نهادهای تنظیمگر دولتی
منابع
[1]The Decoderتوسعهدهندگان زیرساختهای ابریGoogle expands 8th-gen TPU lineup with focus on confidential AI and memory
مطالعه در The Decoder →
[2]Google Blogتوسعهدهندگان زیرساختهای ابریOur expanded eighth-generation TPU portfolio: TPU 8t, TPU 8i, TPU 8tx, and TPU 8i Max
مطالعه در Google Blog →
[3]Unite.aiتوسعهدهندگان زیرساختهای ابریGoogle announced TPU 8tx and TPU 8i Max
مطالعه در Unite.ai →
[4]Channel News Asiaتحلیلگران بازارهای مالیGoogle to introduce two variants of in-house chips, Bloomberg News reports
مطالعه در Channel News Asia →
[5]UTO Timesتحلیلگران بازارهای مالیشرکت آلفابت، مالک گوگل، در حال عرضه دو تراشه تخصصی هوش مصنوعی با نامهای TPU 8tx و 8i Max است
مطالعه در UTO Times →
[6]Finpulseناظران امنیت دادهگوگل با دو نسخه جدید از سامانههای TPU به رقابت با انویدیا میرود
مطالعه در Finpulse →
[7]Investing.comتحلیلگران بازارهای مالیAlphabet's Google is expanding its artificial intelligence chip portfolio
مطالعه در Investing.com →
بیشتر در هوش مصنوعی
مشاهده همه →بازار هوش مصنوعی
سقوط سهام فناوری و شوک به بازار هوش مصنوعی در پی نتایج انتخابات آمریکا
4 منبع
هوش مصنوعی در پزشکی
خرید استارتاپ ارکسترا بایو توسط اوپنایآی؛ تسریع روند کشف و توسعه دارو با هوش مصنوعی
2 منبع
بهروزرسانی جمینای
گوگل قابلیت بازیابی ابزارها را به رابط برنامهنویسی جمینای اضافه کرد
7 منبع
سختافزار هوش مصنوعی
رونمایی انویدیا از کیت توسعهدهنده DGX Spark؛ تبدیل رایانههای رومیزی به آزمایشگاه ابررایانش
6 منبع
نظرات
هر زاویه. هر روز.
اخبار هوش مصنوعی با پوشش کامل منابع و تحلیل دیدگاهها، هر روز و رایگان.





