چشمانداز زیرساختهای هوش مصنوعی در حال تجربه یک چرخش بنیادین است، زیرا سرمایه از آموزش مدل به سمت اجرای مدل حرکت میکند. یک وام عظیم ۴۰۰ میلیون دلاری از شرکت سرمایهگذاری فناوری Upper90 به استارتاپ استنتاج هوش مصنوعی General Compute، نقطه عطفی تاریخی در نحوه تأمین مالی و استقرار سختافزار محسوب میشود.
عصر جدید وثیقه: تأمین مالی تراشههای استنتاج
در حرکتی که یادآور روزهای اولیه تأمین مالی GPU است، Upper90 در حال ورود به یک طبقه دارایی جدید است: سیلیکونهای مخصوص استنتاج. در حالی که موج قبلی تأمین مالی — که توسط شرکتهایی مانند CoreWeave پیشگامی شد — بر GPUهای انویدیا که برای حجمهای کاری عظیم آموزشی استفاده میشدند تمرکز داشت، این قرارداد ۴۰۰ میلیون دلاری از تراشههایی که اختصاصاً برای اجرای مدلهای از پیش آموزشدیده ساخته شدهاند، به عنوان وثیقه استفاده میکند.
شرکت General Compute به رهبری مدیرعامل آن، Finn Puklowski، در حال ساخت یک «نئوکلاود» (neocloud) است؛ یک ارائهدهنده زیرساخت تخصصی که بهجای محاسبات عمومی، بهطور ویژه برای حجمهای کاری هوش مصنوعی طراحی شده است. این تمایز بسیار حیاتی است؛ در حالی که ابرمقیاسهای سنتی مانند AWS و Azure خدمات گستردهای ارائه میدهند، نئوکلاودها برای پاسخگویی به نیازهای منحصربهفرد تأخیر (latency) و توان عملیاتی (throughput) در مدلهای زبانی بزرگ (LLMs) بهینهسازی شدهاند.
مزیت فنی تراشههای SN50 از SambaNova
در قلب استراتژی General Compute، مشارکت با SambaNova قرار دارد، یک سازنده تراشه با حمایت Intel. این شرکت در حال بهکارگیری تراشههای SN50 از SambaNova است که برای ایجاد جهشی قابل توجه در عملکرد نسبت به سختافزارهای سنتی مهندسی شدهاند.
طبق گفته General Compute، این تراشهها میتوانند سرعت استنتاج را تا ۱۶ برابر بیشتر از ابرهای مبتنی بر GPU فعلی ارائه دهند. فراتر از سرعت خام، SN50 دو مزیت عملیاتی بزرگ را فراهم میکند:
- بهرهوری انرژی: آنها انرژی کمتری در هر توکن مصرف میکنند که باعث کاهش هزینههای سنگین عملیاتی استقرار هوش مصنوعی میشود.
- سرمایش سادهشده: برخلاف GPUهای ردهبالا که اغلب به سیستمهای پیچیده و گرانقیمت خنککننده آبی نیاز دارند، این تراشهها امکان استقرار سریعتر در طیف وسیعتری از محیطهای استاندارد مرکز داده را فراهم میکنند.
شکست انحصار انویدیا
این قرارداد فراتر از یک تزریق سرمایه ساده است؛ این یک سیگنال استراتژیک است که نشان میدهد بازار به دنبال جایگزینهایی برای سلطه انویدیا میگردد. از آنجایی که هزینه توکنها و دسترسی به مدلهای پیشرو همچنان مانعی برای توسعهدهندگان است، تقاضای فزایندهای برای دسترسی ارزان و کارآمد به مدلهای متنباز وجود دارد.
ظهور مدلهای متنباز با عملکرد بالا — مانند K3 از شرکت Kimi که در بنچمارکهای کدنویسی با Anthropic و OpenAI رقابت میکند — به این معناست که گلوگاه صنعت از «چگونه مدلها را بسازیم؟» به «چگونه آنها را با هزینه کم اجرا کنیم؟» تغییر یافته است. با بهرهگیری از سیلیکونهای غیر انویدیا، General Compute و رقبایی مانند TensorWave (که با AMD همکاری میکند) خود را در موقعیتی قرار میدهند که هزینه کل مالکیت (TCO) برتری را ارائه دهند.
همانطور که Puklowski اشاره کرد، این قرارداد نشاندهنده «سازماندهی خودجوش سرمایه» برای تکهتکه کردن سلطه انحصاری انویدیا بر اکوسیستم هوش مصنوعی است. سرمایهگذاران با شرطبندی روی سختافزارهای تخصصی استنتاج، در حال تأیید این موضوع هستند که مرحله بعدی رونق هوش مصنوعی توسط مقیاسپذیری، کارایی و فراگیر شدن هوش مصنوعی در کاربردهای روزمره هدایت خواهد شد.
نکات کلیدی
- تأمین مالی با اولویت استنتاج: این قرارداد ۴۰۰ میلیون دلاری نشاندهنده تغییری به سمت استفاده از تراشههای تخصصی استنتاج، بهجای صرفاً GPUهای آموزشی، به عنوان وثیقه برای وامهای عظیم است.
- افزایش عملکرد: General Compute قصد دارد با استفاده از تراشههای SN50 از SambaNova که بهرهوری انرژی بهتر و استقرار آسانتری دارند، تا ۱۶ برابر از ابرهای مبتنی بر GPU پیشی بگیرد.
- تنوعبخشی به پشته فناوری: این حرکت نشاندهنده تقاضای رو به رشد بازار برای سیلیکونهای غیر انویدیا جهت حمایت از مقیاسپذیری مقرونبهصرفه مدلهای زبانی بزرگ (LLM) متنباز است.