خرید اقساطی از سایت کارت با کمترین پیش پرداخت

گلوگاه نامرئی هوش مصنوعی؛ وقتی کمبود حافظه سرعت پیشرفت را می‌گیرد


avatar
نازنین طالب لو
04 اسفند 1404 | 4 دقیقه مطالعه

کمبود جهانی تراشه‌های حافظه به یکی از جدی‌ترین موانع پیش‌روی صنعت هوش مصنوعی تبدیل شده است؛ مانعی که نه‌تنها برنامه‌های توسعه‌ای شرکت‌های بزرگ فناوری را تحت فشار قرار داده، بلکه هزینه‌ها را افزایش داده و حتی بر قیمت محصولات مصرفی نیز اثر گذاشته است.

بر اساس گزارشی از Business Insider، مدیرعامل Google DeepMind، این وضعیت را «محدودیتی جدی» برای گسترش مدل‌های هوش مصنوعی گوگل، از جمله Gemini، توصیف کرده است. به گفته او، سطح تقاضا برای این مدل‌ها به‌مراتب فراتر از ظرفیت فعلی زیرساخت‌هاست و چالش‌های فیزیکی در زنجیره تأمین، امکان استقرار گسترده آن‌ها را محدود کرده است.

هاسابیس تأکید می‌کند که مسئله تنها به تجاری‌سازی محدود نمی‌شود؛ بلکه حتی پژوهش‌های پیشرفته نیز از این تنگنا آسیب می‌بینند. آزمایش ایده‌های نو در مقیاس بزرگ، به حجم عظیمی از تراشه‌های حافظه نیاز دارد و وقتی دسترسی به این منابع محدود باشد، سرعت نوآوری نیز ناگزیر کاهش می‌یابد. در شرایطی که شرکت‌هایی مانند Meta و OpenAI نیز برای توسعه مدل‌های پیشرفته خود به همان منابع سخت‌افزاری وابسته‌اند، رقابت برای دستیابی به تراشه‌های حافظه به سطحی بی‌سابقه رسیده است. در این رقابت فشرده، حافظه نه یک قطعه جانبی، بلکه قلب تپنده زیرساخت‌های هوش مصنوعی به شمار می‌رود.

پیامدهای این کمبود تنها در لایه زیرساخت باقی نمانده است. افزایش هزینه تأمین تراشه‌ها، به رشد هزینه‌های عملیاتی انجامیده و این فشار در نهایت می‌تواند به بازار مصرف منتقل شود؛ از سرورها و مراکز داده گرفته تا دستگاه‌های الکترونیکی پیشرفته‌ای که به قابلیت‌های هوش مصنوعی مجهز هستند.

این بحران نشان می‌دهد که آینده هوش مصنوعی صرفاً به الگوریتم‌های هوشمند وابسته نیست، بلکه به زیرساخت‌های فیزیکی و زنجیره تأمین جهانی نیز گره خورده است. در سال‌های اخیر تمرکز اصلی بر رقابت نرم‌افزاری و مدل‌های زبانی بوده، اما اکنون روشن شده که سخت‌افزار می‌تواند تعیین‌کننده برنده این رقابت باشد. اگر سرمایه‌گذاری گسترده‌تری در تولید تراشه و تنوع‌بخشی به زنجیره تأمین انجام نشود، احتمال دارد رشد شتابان هوش مصنوعی با یک سقف سخت‌افزاری مواجه شود؛ سقفی که نه با کد، بلکه با سیلیکون تعریف می‌شود.

نبرد بر سر تراشه‌ها؛ از «نقاط خفگی» زنجیره تأمین تا رقابت پنهان با انویدیا

Mark Zuckerberg، مدیرعامل Meta، پیش‌تر تصویری روشن از مطالبات پژوهشگران هوش مصنوعی ترسیم کرده بود: آن‌ها علاوه بر بودجه، دو خواسته اساسی دارند؛ حداقل گزارش‌دهی اداری و حداکثر دسترسی به تراشه‌ها. این گزاره به‌خوبی نشان می‌دهد که در رقابت امروز هوش مصنوعی، قدرت واقعی نه‌فقط در الگوریتم، بلکه در سیلیکون نهفته است.

در همین چارچوب، Demis Hassabis، مدیرعامل Google DeepMind، وضعیت کنونی صنعت را شبکه‌ای از «نقاط خفگی» توصیف کرده است؛ گلوگاه‌هایی که هرجا ظرفیت محدود می‌شود، سرعت پیشرفت را کاهش می‌دهد. به گفته او، کل زنجیره تأمین تحت فشار بی‌سابقه‌ای قرار دارد. بااین‌حال، گوگل به دلیل توسعه تراشه‌های اختصاصی TPU (Tensor Processing Unit) در موقعیت نسبتاً بهتری ایستاده است. این شرکت سال‌هاست طراحی و تولید این تراشه‌ها را در اختیار دارد و آن‌ها را هم برای مصرف داخلی در دیتاسنترها و هم از طریق خدمات ابری به مشتریان عرضه می‌کند.

تراشه‌های TPU به‌تدریج به رقیبی جدی برای پردازنده‌های گرافیکی  NVIDIA تبدیل شده‌اند؛ به‌ویژه در حوزه پردازش‌های مرتبط با یادگیری عمیق. حتی ارائه این تراشه‌ها از طریق سرویس‌های ابری، حساسیت‌هایی در بازار ایجاد کرده و رقابت میان غول‌های نیمه‌هادی را تشدید کرده است. بااین‌وجود، برخورداری از طراحی اختصاصی نیز گوگل را از وابستگی به بازار جهانی حافظه بی‌نیاز نمی‌کند؛ زیرا حتی پیشرفته‌ترین تراشه‌ها بدون دسترسی پایدار به ماژول‌های حافظه کارآمد، عملاً دچار محدودیت می‌شوند.

افزایش شدید تقاضا برای تراشه‌های مرتبط با هوش مصنوعی، تولیدکنندگان را در دوراهی دشواری قرار داده است: اولویت‌دادن به مشتریان بزرگ حوزه AI یا پایبندی به قراردادهای سنتی با سازندگان گوشی‌های هوشمند، لپ‌تاپ‌ها و سایر تجهیزات مصرفی. این فشار مضاعف، در نهایت به افزایش هزینه‌ها در صنایع الکترونیک منجر شده و برخی تولیدکنندگان برای جبران، قیمت محصولات نهایی را بالا برده‌اند؛ نشانه‌ای روشن از اینکه تب رقابت هوش مصنوعی، اکنون به بازار مصرف نیز سرایت کرده است.

آنچه امروز شاهدش هستیم، آغاز مرحله‌ای تازه از رقابت فناوری است؛ مرحله‌ای که در آن «زیرساخت» تعیین‌کننده‌تر از «ایده» شده است. شرکت‌هایی که زنجیره تأمین مطمئن‌تر و کنترل بیشتری بر طراحی تراشه دارند، در این ماراتن جلوتر خواهند بود. اما اگر بحران حافظه و محدودیت ظرفیت ادامه پیدا کند، ممکن است بازار مصرفی بیش از پیش تحت فشار قرار گیرد و هزینه توسعه هوش مصنوعی به شکل غیرمستقیم از جیب کاربران عادی پرداخت شود. آینده این صنعت، بیش از هر زمان دیگری، به توازن میان نوآوری و ظرفیت تولید وابسته است.