گوگل رقابت انویدیا را با نسخه های تخصصی تراشه های هوش مصنوعی تشدید می کند

جدیدترین تراشه‌های Google به مدل‌ها کمک می‌کند هنگام رسیدگی به درخواست‌ها به طیف وسیع‌تری از اطلاعات دسترسی داشته باشند.

گوگل آلفابت در حال عرضه مجموعه گسترده‌تری از تراشه‌های هوش مصنوعی است تا از صعود سریع خود به عنوان رقیب انویدیا در بازاری به ارزش صدها میلیارد دلار سرمایه‌گذاری کند.

این شرکت در حال معرفی دو نوع جدید از واحدهای پردازش تانسور یا TPU ها، نیمه هادی های سفارشی است که به توسعه و اجرای نرم افزار هوش مصنوعی کمک می کند. جدیدترین تراشه‌ها نیاز به محاسبات محرمانه را برطرف می‌کنند و به مدل‌ها کمک می‌کنند در هنگام رسیدگی به درخواست‌ها به طیف وسیع‌تری از اطلاعات دسترسی پیدا کنند. به طور گسترده تر، آنها برای خدمت به صنعتی هستند که در حال تغییر به سمت استفاده از عوامل هوش مصنوعی و مقابله با چالش های امنیتی است.

این عرضه نشان دهنده تسریع در توسعه محصول برای واحد تراشه گوگل است. این کسب و کار یک بار هر دو سال یک پردازنده هوش مصنوعی جدید منتشر می کرد. در سال 2026، دو را به طور همزمان منتشر کرد. و آخرین تغییرات، که قرار است در 9 نوامبر اعلام شود، طعم های بیشتری را به آن جفت چیپس اضافه می کند.

امین وحدت، مدیر تراشه گوگل در مصاحبه ای گفت: چهار پیشنهاد TPU نیازهای مختلف را بهینه می کند. "این واقعا از تزی که ما اینجا در گوگل داریم پیروی می کند، و آن این است که آینده در مورد تخصص خواهد بود و نکات مثبت برای تخصص همچنان قابل توجه است."

گوگل ادعای خود را در زمان پرفراز و نشیبی برای صنعت تراشه های هوش مصنوعی به خطر می اندازد. نگرانی‌ها در مورد کاهش بالقوه در هزینه‌های زیرساختی، سهام فناوری را تحت تأثیر قرار داده است، و انتخابات میان‌دوره‌ای ایالات متحده که دموکرات‌ها را به قدرت رساند، تردیدهای جدیدی را در مورد پروژه‌های مرکز داده ایجاد کرده است. اما تقاضا برای پردازنده‌های هوش مصنوعی انویدیا بیشتر از آن چیزی است که می‌تواند برآورده کند، و این باعث شده است که گوگل و سایر رقبای خود بتوانند یک تجارت بزرگ ایجاد کنند.

وحدت گفت، تغییرات جدید TPU 8tx و 8i Max طرح‌های سیلیکونی کاملا جدیدی نیستند - بلکه برای انجام وظایفی که مشتریان درخواست کرده‌اند، مجددا پیکربندی شده‌اند.

هدف 8tx انجام کارهای ایمن و محرمانه برای مشتریانی مانند سازمان‌های دولتی و شرکت‌ها در صنایع تحت نظارت است. این سیستم با تراشه های Advanced Micro Devices کار می کند که بخشی از همکاری بین این دو شرکت است.

در همین حال، 8i Max برای اجرای برنامه‌های هوش مصنوعی که به پنجره‌های با زمینه طولانی نیاز دارند، طراحی شده است - مقدار داده‌ای که یک سیستم هوش مصنوعی می‌تواند در یک درخواست در نظر بگیرد. وحدت گفت که این برای مواردی مانند کشف دارو و ریاضیات ضروری است، اما برای برنامه های کاربردی کدگذاری نیز مهم است.

TPU ها در بازاری رقابت می کنند که واحدهای پردازش گرافیکی انویدیا یا GPU ها بر آن تسلط دارند. گوگل بیش از یک دهه پیش در کنار Broadcom که به طراحی و هماهنگی تولید کمک کرد، این فناوری را توسعه داد. ایده اولیه این بود که نیازهای محاسباتی رو به رشد غول جست و جو را به طور موثرتر رسیدگی کند. سپس به پتانسیل TPUها برای انجام کارهای هوش مصنوعی پی برد و اکنون فروش آنها را خارج از عملیات محاسبات ابری خود آغاز کرده است.

TPU ها برخی از مشتریان برجسته از جمله اپل، متا پلتفرم و اوراکل را جذب کرده اند. وحدت گفت و ارائه نسخه های تخصصی تراشه ها باید به پیشرفت بیشتر گوگل کمک کند. او گفت که این تغییرات در سال 2027 در دسترس خواهند بود.

او گفت: «ما می‌توانیم یک تراشه واحد بسازیم که سعی کند کل بازار را مورد توجه قرار دهد یا با ساختن نسخه‌های تخصصی تراشه‌ها، در واقع می‌توانیم ارزش بسیار بیشتری را ارائه دهیم.»

حتی انویدیا که در طول تاریخ پردازنده‌های گرافیکی خود را به عنوان محصولی برای تمام وظایف هوش مصنوعی معرفی کرده است، شروع به ارائه سیستم‌های تراشه تخصصی‌تر کرده است. این شامل ارائه واحدهای پردازش مرکزی یا CPUهای خود است، دسته ای که توسط اینتل پیشگام است. این پردازنده‌ها از ریزش داده‌های سنگینی که برای ایجاد مدل‌های هوش مصنوعی لازم است کنترل نمی‌کنند، اما برای مدیریت عوامل هوش مصنوعی مفید هستند.

انویدیا همچنین تراشه‌هایی را ارائه می‌کند که بیشتر بر مرحله استنتاج هوش مصنوعی متمرکز شده‌اند - جایی که مدل‌های هوش مصنوعی از قبل آموزش دیده وظایف خود را انجام می‌دهند - با استفاده از فناوری که از استارت‌آپ Groq به دست آورده است.

8tx گوگل با یک CPU از AMD، رقیب انویدیا و اینتل، جفت می شود. این فناوری اجازه می دهد تا داده ها در سطح تراشه رمزگذاری شوند و آن را ایمن تر می کند. وحدت گفت: به طور معمول، قفل اطلاعات باید در حافظه باز شود، در حالی که رایانه آن را پردازش می کند. 8i Max دو تراشه TPU را در یک بسته قرار می دهد تا قدرت محاسباتی و حافظه بیشتری را ارائه دهد.

ماندیپ سینگ، تحلیلگر بلومبرگ اینتلیجنس گفت: بخشی از جذابیت TPU ها قیمت عملکرد آنهاست. آنها حدود 30 درصد کمتر از پردازنده‌های گرافیکی انویدیا هزینه دارند، اما از نظر توان عملیاتی کار رقابتی انجام می‌دهند - مقدار داده‌ای که می‌تواند در یک زمان معین پردازش شود.

این رویکرد برای مشتریان مختلفی از جمله کاربران در امور مالی و سایر زمینه ها جذاب است. گوگل طی گزارش درآمد خود در ماه اکتبر اعلام کرد که Jump Trading یک مشتری TPU است.

الکس دیویس، مدیر ارشد فناوری Jump Trading در مصاحبه ای گفت که این شرکت چندین سال را صرف آزمایش تراشه ها کرد تا اینکه حدود یک سال پیش قرارداد بزرگتری با گوگل امضا کرد.

این شرکت تجاری هزاران TPU دارد که از آنها برای آموزش مدل های هوش مصنوعی برای مواردی مانند تحقیقات تجاری استفاده می کند. دیویس گفت که جامپ هنوز هم عمدتا از انویدیا برای آموزش استفاده می کند، اما «اقلیت صوتی» کارمندان واقعا TPU ها را برای وظایف خود دوست دارند.

او گفت که TPU ها برای زیرمجموعه ای از وظایف بسیار خوب عمل می کنند. دیویس گفت، استفاده از انواع مختلف تراشه‌ها برای مقابله با چالش‌ها مزایایی دارد. او گفت: «در واقع جذاب است که برخی از مشکلات به شکلی متفاوت انجام شوند. "شما چیزها را یاد می گیرید."

او گفت، برای مناطقی که TPU ها به خوبی یا بهتر از تراشه های انویدیا هستند، مزایای مصرف انرژی بیشتر را نیز ارائه می دهند که هزینه را کاهش می دهد.

در ماه اکتبر، اوراکل گفت که قراردادی را امضا کرده است که به مشتریان ابری خود اجازه می دهد از TPU برای اولین بار از سال 2027 استفاده کنند. مشتریان ابری اوراکل قبلا انتخابی از تراشه‌های هوش مصنوعی انویدیا و AMD داشتند.

کاران باتا، معاون ارشد ناظر زیرساخت ابری اوراکل، در بیانیه‌ای گفت: «ما با Google همکاری کردیم زیرا مشتریان به انتخاب بیشتری نیاز دارند زیرا حجم کاری هوش مصنوعی بیشتر می‌شود. "این مشارکت توانایی ما را برای کمک به مشتریان در ساخت و اجرای هوش مصنوعی بر روی زیرساختی که به بهترین وجه با نیازهای آنها مطابقت دارد، گسترش می دهد."

وضعیت خود گوگل به عنوان یک توسعه دهنده نرم افزار هوش مصنوعی به تقویت عملکرد تراشه کمک کرده است. توسعه دهندگان TPU به دسترسی زودهنگام به جدیدترین مدل های Gemini گوگل برای بهبود مواردی مانند بهره وری انرژی و رفع اشکالات متکی هستند. این در طراحی نیمه هادی ها بسیار مهم است، جایی که نقص ها می تواند میلیاردها دلار هزینه داشته باشد و ماه ها کار را پاک کند. وحدت گفت که هوش مصنوعی احتمال این مشکلات را کمتر می کند.

اما گوگل با چالش های دیگری از جمله تازه واردان به بازار مواجه است. یک استارت آپ که توسط دو مهندس سابق TPU به نام Tenspresso تأسیس شده است، اولین تراشه خود را بر روی استنتاج پنجره با زمینه طولانی متمرکز کرده است - همان منطقه ای که 8i Max هدف آن قرار گرفته است. هفته گذشته بلومبرگ گزارش داد، اما این محصول حداقل یک سال با تکمیل طراحی فاصله دارد.

OpenAI و Anthropic نیز در حال کار بر روی تلاش‌های تراشه‌های داخلی - با کارکنان کهنه‌کار TPU - منبع دیگری برای رقابت آینده هستند.

به گفته سینگ، حاشیه سود TPU گوگل کمتر از آن چیزی است که Nvidia تولید می کند.

مانند بقیه تراشه ها و فضای زیرساخت هوش مصنوعی، گوگل نیز با کمبود اجزای کلیدی مانند حافظه و ظرفیت تولید مواجه است. که تامین تقاضا را سخت کرده است. این شرکت در گزارش درآمد خود گفت: هر TPUی که گوگل در دسترس دارد، قبلا با یک مشتری قرارداد دارد.

تیم وحدت در تلاش است تا جایی که می تواند منابع تامین خود را متنوع کند. این حتی به معنای نگاهی فراتر از Broadcom است که تولید TPU را ترتیب می دهد. در ماه‌های اخیر، گوگل با رقیب Broadcom، Marvell Technology قراردادی امضا کرد که شامل برخی کارهای TPU نیز می‌شد – اگرچه این اعلامیه در مورد جزئیات جزئی بود. همچنین گزارش هایی وجود دارد که مدیاتک در حال انجام کار برای تجارت TPU گوگل است.

وحدت از اظهار نظر در مورد نقش هر دو شرکت در تجارت TPU خودداری کرد.

ویلیام تانگ، تحلیلگر بلومبرگ اینتلیجنس، می‌گوید که احتمالا گوگل در حال کار کردن توافق‌های بلندمدت «برای به دست آوردن این عرضه و جلوگیری از تنگناهای بیشتر» است. بلومبرگ