شرکت OLIX به‌تازگی دور جذب سرمایه سری B خود را به ارزش ۳۱۲ میلیون دلار به پایان رساند که ارزش‌گذاری این شرکت را به ۳.۳ میلیارد دلار رساند. این سرمایه برای تأمین هزینه‌های اولین محموله‌های تراشه استنتاج (inference chip) این شرکت استفاده خواهد شد؛ تراشه‌ای که حافظه پهنای باند بالا (HBM) را حذف کرده و می‌تواند اقتصاد سخت‌افزار هوش مصنوعی را متحول کند.

چرا این تراشه اهمیت دارد

تراشه‌های استنتاج، مدل‌های پشت چت‌بات‌ها، موتورهای پیشنهادگر و تحلیل‌های ویدئویی را اجرا می‌کنند. اکثر تراشه‌های امروزی به HBM متکی هستند؛ یک پشته حافظه سریع اما گران‌قیمت و پرمصرف که در کنار پردازنده قرار می‌گیرد. طراحی OLIX با حذف HBM، داده‌ها را از طریق منابع درون‌تراشه‌ای و حافظه‌های ارزان‌تر هدایت می‌کند. اگر این معماری مطابق با ادعاهای مطرح‌شده عمل کند، ارائه‌دهندگان خدمات هوش مصنوعی می‌توانند ضمن حفظ نرخ انتقال داده (throughput) ثابت، هزینه‌های سرمایه‌ای و قبوض برق خود را به شدت کاهش دهند.

پیشینه تأمین مالی

  • سرمایه‌گذار اصلی: Fundomo (نیویورک)
  • سایر حامیان: Arm، Hudson River Trading و صندوق سرمایه‌گذاری خطرپذیر Sovereign AI دولت بریتانیا
  • شرکت‌کننده برجسته: Reed Hastings، از بنیان‌گذاران Netflix
  • عضو جدید هیئت مدیره: Nick McKeown، استاد دانشگاه استنفورد

این دور از جذب سرمایه در زمره بزرگ‌ترین جذب سرمایه‌های نیمه‌هادی در اروپا قرار دارد و پس از راه‌اندازی OLIX در لندن در سال ۲۰۲۴ انجام شده است. این شرکت قصد دارد اولین واحدهای مشتری خود را در نیمه دوم سال ۲۰۲۷ عرضه کند.

پیامدها برای بازار سخت‌افزار هوش مصنوعی

  • برندگان بالقوه: ارائه‌دهندگان خدمات ابری و اپراتورهای لبه (edge) که شتاب‌دهنده‌های مجهز به HBM را با جایگزینی ارزان‌تر و کم‌مصرف‌تر تعویض می‌کنند.
  • ریسک‌ها: HBM همچنان بر سنگین‌ترین حجم‌های کاری با بالاترین نرخ انتقال داده تسلط دارد. حذف آن ممکن است عملکرد را محدود کند و OLIX را مجبور کند تا بر مجموعه محدودتری از موارد استفاده تمرکز کند.
  • پیامدهای هزینه‌ای: حذف HBM می‌تواند هزینه‌های لیست قطعات (BOM) و نیازهای سرمایشی را به شدت کاهش داده و هزینه کل مالکیت (TCO) را برای حجم‌های کاری هوش مصنوعی پایین بیاورد.

آنچه هنوز نامشخص است

هنوز هیچ داده‌ای از آزمون‌های معیار (benchmark) منتشر نشده است، بنابراین اعداد مربوط به سرعت بر وات (speed-per-watt) و تأخیر (latency) در دنیای واقعی همچنان در حد گمانه‌زنی است. رقبای احتمالی ممکن است معماری‌های کم‌حافظه خود را عرضه کنند و محدودیت‌های زنجیره تأمین نیز می‌تواند تولید انبوه را به تأخیر بیندازد.

آنچه باید زیر نظر داشت

  • تأیید عملکرد: آزمایش‌های مستقل از سرعت استنتاج و میزان مصرف برق تراشه.
  • پذیرش مشتریان: کدام ارائه‌دهندگان خدمات هوش مصنوعی پیش از بازه زمانی تحویل در سال ۲۰۲۷ قرارداد می‌بندند.
  • حمایت اکوسیستم: سازگاری ابزارها و پشته‌های نرم‌افزاری با چارچوب‌های (frameworks) موجود هوش مصنوعی.

اگر OLIX ثابت کند که یک تراشه بدون HBM می‌تواند نیازهای عملکردی مدل‌های مدرن را برآورده کند، این امر می‌تواند باعث بازنگری در طراحی شتاب‌دهنده‌های هوش مصنوعی شده و ساختارهای هزینه را در سراسر این صنعت بازسازی کند. داده‌های چند ماه آینده مشخص خواهد کرد که آیا این وعده‌ها با ارزش‌گذاری سنگینی که پشت آن‌هاست، همخوانی دارد یا خیر.