مایکروسافت نسل تازهٔ شتاب‌دهندهٔ اختصاصی خود، Azure Maia 300، را معرفی کرده است. شرکت می‌گوید این سامانه برای استنتاج مدل‌ها و وظایف طولانی، از جمله کارهای چندمرحله‌ای عامل‌های هوش مصنوعی، طراحی شده و گسترش آن از سال ۲۰۲۷ آغاز می‌شود.
Maia 300 چیست؟
Azure Maia 300 نسل بعدی شتاب‌دهندهٔ اختصاصی مایکروسافت برای استنتاج هوش مصنوعی است؛ یعنی اجرای مدل برای تولید پاسخ، کد یا خروجی کاربردی پس از آموزش. مایکروسافت می‌گوید Maia 200 در حال حاضر بارهای کاری تولیدی شرکت، از جمله برخی قابلیت‌های Copilot، را اجرا می‌کند و Maia 300 گام بعدی گسترش زیرساخت اختصاصی آن است.
معماری و بارهای کاری هدف
بر اساس اطلاعیهٔ رسمی، Maia 300 برای استدلال با زمینهٔ طولانی، تجربه‌های مکالمه‌ای حساس به تأخیر و وظایف چندمرحله‌ای عامل‌ها طراحی شده است. مایکروسافت همچنین بر طراحی چیپلت و همکاری نزدیک سخت‌افزار و نرم‌افزار تأکید می‌کند تا سامانه برای بارهای کاری واقعی سرویس‌های ابری بهینه شود.
این نوع طراحی اهمیت دارد چون کارایی هوش مصنوعی فقط به تراشهٔ منفرد وابسته نیست؛ حافظه، شبکه، توان برق، خنک‌سازی، نرم‌افزار و نحوهٔ توزیع بار در مقیاس رک نیز روی هزینه و سرعت اثر دارند.
اعداد ۴۰ درصد و ۷ برابر چه معنایی دارند؟
مایکروسافت می‌گوید Maia 300 می‌تواند در مقایسه با سامانه‌های پیشرو مبتنی بر GPU، به‌ازای هر مگاوات ۴۰ درصد توکن بیشتری پردازش کند. همچنین در پیکربندی کامل رک با ۹۶ شتاب‌دهنده، شرکت تا هفت برابر توان عملیاتی توکن در مقایسه با Maia 200 را اعلام کرده است.
این اعداد را باید با دقت خواند: معیار اول کارایی نسبت به انرژی مصرفی و معیار دوم توان عملیاتی در پیکربندی رک است؛ این دو سنجه یکی نیستند. اطلاعیهٔ عمومی مایکروسافت جزئیات کامل یک آزمون مستقل همسان را برای بازتولید ادعای ۴۰ درصد ارائه نمی‌کند. بنابراین تا زمان آزمون مستقل، بهتر است ارقام را به‌عنوان هدف یا نتیجهٔ اعلامی سازنده در نظر گرفت.
چرا شرکت‌ها تراشهٔ اختصاصی می‌سازند؟
شرکت‌های بزرگ خدمات ابری برای کنترل هزینه، عرضهٔ ظرفیت محاسباتی و بهینه‌کردن سخت‌افزار با مدل‌های خود، به تراشه‌های اختصاصی علاقه‌مندند. این تلاش به معنای حذف کامل تراشه‌های Nvidia یا AMD نیست؛ اکوسیستم‌های مختلف می‌توانند هم‌زمان در مراکز داده حضور داشته باشند.
برای کسب‌وکارهایی که API مدل‌ها را مصرف می‌کنند، نتیجهٔ نهایی زمانی ملموس می‌شود که ظرفیت بیشتر یا کارایی بهتر به هزینهٔ پایین‌تر، زمان پاسخ مناسب‌تر یا قابلیت دسترسی بیشتر تبدیل شود. معرفی تراشه به‌تنهایی تضمین نمی‌کند که قیمت محصول نهایی برای همهٔ کاربران کاهش پیدا کند.
پرسش‌های متداول
آیا Maia 300 هم‌اکنون برای عموم قابل استفاده است؟
خیر؛ مایکروسافت گسترش Azure Maia در مقیاس چند گیگاوات را از سال ۲۰۲۷ اعلام کرده است. این به معنی دسترسی عمومی مستقیم به تراشه نیست.
آیا Maia 300 مصرف انرژی را ۴۰ درصد کاهش می‌دهد؟
شرکت می‌گوید به‌ازای هر مگاوات ۴۰ درصد توکن بیشتر نسبت به سامانه‌های پیشرو GPU ارائه می‌کند. این با کاهش ۴۰ درصدی مصرف انرژی کل یکسان نیست.
آیا این تراشه جایگزین کامل Nvidia می‌شود؟
چنین نتیجه‌ای از اطلاعیه برنمی‌آید. مایکروسافت در حال ساخت گزینهٔ اختصاصی برای بخشی از نیازهای خود است و بازار همچنان چند معماری دارد.
این مقاله را در چند نکته بخوان
گسترش و استقرار این سامانه در مقیاس چند گیگاوات از سال ۲۰۲۷ آغاز خواهد شد.
مایکروسافت ادعا می‌کند این تراشه ۴۰ درصد توکن بیشتری به‌ازای هر مگاوات نسبت به سامانه‌های پیشرو GPU پردازش می‌کند و در پیکربندی رک با ۹۶ شتاب‌دهنده، تا هفت برابر توان عملیاتی بیشتری نسبت به Maia 200 دارد.
طراحی این تراشه شامل معماری چیپلت و همکاری سخت‌افزار و نرم‌افزار برای استدلال با زمینهٔ طولانی و وظایف چندمرحله‌ای عامل‌ها است.
ساخت تراشه‌های اختصاصی توسط شرکت‌های ابری با هدف کنترل هزینه و بهینه‌سازی انجام می‌شود، اما به معنای حذف کامل تراشه‌های انویدیا یا ای‌ام‌دی نیست.
ارقام و ادعاهای عملکردی مطرح‌شده برآورد خود شرکت است و تا پیش از بررسی‌های مستقل، باید به عنوان اهداف سازنده در نظر گرفته شوند.
سؤالت را از همین مقاله بپرس
پاسخ‌ها فقط بر اساس محتوای همین مقاله تولید می‌شوند.