گوگل با معرفی پروژهای تازه تحت عنوان TorchTPU و با همکاری نزدیک متا، قدم مهمی در جهت افزایش سازگاری شتابدهندههای هوش مصنوعی خود، یعنی TPUها، با فریم ورک محبوب PyTorch برداشته است. این اقدام بیش از هر چیز تلاشی هدفمند برای کاستن از وابستگی توسعهدهندگان هوش مصنوعی به اکوسیستم نرمافزاری CUDA انویدیا تلقی میشود؛ اکوسیستمی که سالها یکی از مهمترین مزیتهای رقابتی انویدیا در بازار سختافزارهای هوش مصنوعی بوده است.
بر اساس گزارش رویترز، گوگل در حال توسعه زیرساختی است که اجرای PyTorch — پرکاربردترین فریمورک متنباز برای ساخت و آموزش مدلهای هوش مصنوعی — را روی TPUها سادهتر و بهینهتر کند. PyTorch که متا از اصلیترین حامیان آن به شمار میرود، نقشی محوری در فرآیند توسعه مدلهای یادگیری ماشین دارد و ابزار اصلی بسیاری از پژوهشگران و شرکتها برای خودکارسازی وظایف پیچیده محسوب میشود. پشتیبانی بهتر TPUها از این فریمورک میتواند توسعهدهندگان را به استفاده از سختافزارهای غیر از GPUهای انویدیا ترغیب کند.
به گفته منابع مطلع، گوگل حتی احتمال متنباز کردن بخشی از نرمافزار TorchTPU را نیز بررسی میکند؛ اقدامی که میتواند سرعت پذیرش این پلتفرم را در میان مشتریان و جامعه توسعهدهندگان بهطور چشمگیری افزایش دهد و موانع مهاجرت از CUDA را کاهش دهد.
برتری انویدیا در بازار هوش مصنوعی بیش از آنکه به سختافزار گره خورده باشد، به قفل نرمافزاری CUDA وابسته است. اگر گوگل و متا بتوانند تجربهای روان و کمدردسر از PyTorch روی TPUها ارائه دهند، این قفل بهتدریج شل خواهد شد. هرچند شکستن کامل اکوسیستم CUDA در کوتاهمدت بعید به نظر میرسد، اما همین حرکتها میتوانند آغازگر رقابتی واقعی باشند که در نهایت به نفع توسعهدهندگان و کاهش هزینهها تمام میشود؛ رقابتی که شاید برای اولینبار سلطه انویدیا را نه از مسیر سختافزار، بلکه از جبهه نرمافزار به چالش بکشد.
صفآرایی تازه در میدان هوش مصنوعی؛ گوگل مستقیماً به قلمرو انویدیا نزدیک میشود
سخنگوی Google Cloud بدون اشاره به جزئیات فنی پروژه، در گفتوگو با رویترز تأیید کرده است که این رویکرد جدید با هدف گسترش حق انتخاب مشتریان دنبال میشود. به گفته او، تقاضا برای هر دو زیرساخت TPU و GPU با سرعت بالایی در حال رشد است و گوگل تلاش دارد پاسخگوی نیاز طیف گستردهتری از مشتریان باشد؛ از شرکتهای نوپا گرفته تا غولهای فناوری که بهدنبال مقیاسپذیری بیشتر در پروژههای هوش مصنوعی هستند.
این تحول، بهطور مستقیم جایگاه تثبیتشده انویدیا در بازار محاسبات هوش مصنوعی را به چالش میکشد. انویدیا طی سالهای گذشته با تکیه بر ترکیب سختافزارهای قدرتمند و اکوسیستم نرمافزاری CUDA، عملاً استاندارد غالب این بازار را شکل داده است. یکی از مهمترین عوامل موفقیت CUDA، پشتیبانی عمیق و بهینه از فریمورک PyTorch بوده؛ ابزاری که بخش بزرگی از جامعه توسعهدهندگان هوش مصنوعی به آن وابستهاند و همین موضوع مهاجرت به پلتفرمهای جایگزین را دشوار کرده است.
در این میان، متا نیز بهعنوان یکی از ذینفعان اصلی این همکاری، از کاهش وابستگی به انویدیا سود میبرد. این شرکت که بهدنبال کاهش هزینههای استنتاج و متنوعسازی زیرساخت هوش مصنوعی خود است، با استفاده از TPUها میتواند انعطافپذیری بیشتری در انتخاب سختافزار به دست آورد. همزمان، گوگل با آغاز فروش مستقیم TPU به دیتاسنترهای مشتریان و انتصاب امین وحدت بهعنوان رئیس زیرساخت هوش مصنوعی، پیام روشنی به بازار ارسال کرده است: این شرکت قصد دارد نقش پررنگتری در رقابت زیرساختهای هوش مصنوعی ایفا کند.
در سالهای اخیر، فروش TPUهای گوگل به یکی از موتورهای رشد درآمد بخش Google Cloud تبدیل شده است. معرفی چنین برنامههایی، علاوه بر جذب مشتریان جدید، تلاشی است برای متقاعد کردن سرمایهگذاران که سرمایهگذاریهای سنگین گوگل در حوزه هوش مصنوعی نهتنها استراتژیک، بلکه از نظر اقتصادی نیز توجیهپذیر و سودآور هستند.
گوگل بهخوبی دریافته که رقابت با انویدیا صرفاً از مسیر ساخت سختافزار قویتر عبور نمیکند، بلکه میدان اصلی نبرد در لایه نرمافزار و تجربه توسعهدهنده شکل میگیرد. اگر گوگل بتواند قفل وابستگی به CUDA را حتی تا حدی باز کند، موازنه قدرت در بازار هوش مصنوعی تغییر خواهد کرد. بااینحال، انویدیا هنوز فاصله زیادی با رقبا دارد و اکوسیستم بالغ آن بهراحتی فرو نمیریزد؛ اما آنچه مسلم است، ورود جدی گوگل به این میدان، دوره انحصار بیچونوچرای انویدیا را وارد مرحلهای تازه و پرچالش کرده است.