تراشهها بسیار کوچک هستند—برخی از آنها در کف دست جا میشوند. اما برای ساخت مدلهای هوش مصنوعی ضروریاند و بزرگترین شرکتهای فناوری جهان برای جلو ماندن به تعداد عظیمی از آنها نیاز دارند.
مایکروسافت یکی از آن شرکتهاست. و روی کاغذ، به نظر میرسد مشکلی دارد. یک تحقیق گاردین ناسازگاری آشکاری بین آنچه مایکروسافت درباره ظرفیت هوش مصنوعی خود گفته و تعداد تراشههای پیشرفته هوش مصنوعی که واقعاً در حال استفاده دارد، پیدا کرده است.
این فقط یک شکاف کوچک نیست. مایکروسافت ظاهراً هدف داشت تا پایان سال ۲۰۲۴ تعداد ۱.۸ میلیون تراشه هوش مصنوعی در مراکز داده خود در سراسر جهان نصب کند. تقریباً دو سال بعد، در میانه یک توسعه ۲۸۰ میلیارد دلاری، این شرکت ۲.۲ میلیون تراشه هوش مصنوعی نصب شده دارد، طبق اسناد داخلی که گاردین مشاهده کرده است. این کمتر از نصف عددی است که برخی کارشناسان انتظار داشتند.
به زبان ساده، رقابت جهانی هوش مصنوعی مستلزم ساخت مراکز داده عظیمی است که با تراشههای بسیار گرانقیمت کار میکنند. این ناسازگاری آشکار نشان میدهد که جدیدترین مراکز داده مایکروسافت ممکن است کاملاً عملیاتی نباشند—یا اگر هستند، تراشههای مورد نیازشان را ندارند.
این موضوع به یک مسئله بزرگتر نیز اشاره دارد: پیگیری اینکه فناوری هوش مصنوعی واقعاً چگونه پیشرفت میکند دشوار است. تراشههایی که هوش مصنوعی را تغذیه میکنند توسط انویدیا ساخته میشوند، یکی از دو شرکت باارزش جهان. زنجیره تأمین آن یکی از محافظتشدهترین اسرار صنعت است.
تقریباً بدون استثنا، انویدیا گزارش نمیدهد که چه تعداد از این تراشهها را به چه کسی میفروشد. مشتریانش—بزرگترین شرکتهای فناوری جهان—نیز فاش نمیکنند که چه تعداد دارند. بدون این اطلاعات، برای هر کسی بسیار دشوار است که بداند آیا هوش مصنوعی واقعاً در حال رونق است یا نه.
مایکروسافت: خلاء قدرت؟
در دو سال گذشته، مایکروسافت میگوید زیرساخت هوش مصنوعی را با سرعتی سرسامآور ساخته است. مدیرعامل آن، ساتیا نادلا، سال گذشته گفت که تا اواسط سال ۲۰۲۷ ردپای مراکز داده جهانی خود را دو برابر خواهد کرد. از سال ۲۰۲۲، این شرکت تقریباً ۲۸۰ میلیارد دلار در زمین، ساختمان و زیرساخت محاسباتی برای ساخت هوش مصنوعی سرمایهگذاری کرده است. این شامل بیش از ۴۱ میلیارد دلار فقط در سه ماهه گذشته است.
اما تخمین اینکه مایکروسافت با این پول چند مرکز داده ساخته دشوار است.
یکی از راههای سنجش پیشرفت شرکت، نگاه به اعلامیههای عمومی آن است، بهویژه در مورد نیازهای برق. مراکز داده به برق نیاز دارند، بنابراین راهی برای تخمین تعداد مراکز عملیاتی، جمع کردن انرژی در دسترس مایکروسافت است—ظرفیت هوش مصنوعی آن.
ادعاهای خود مایکروسافت، در گزارشهای سالانه و درآمدهای فصلی، نشان میدهد که در دو سال گذشته ۵ گیگاوات ظرفیت مرکز داده به عنوان بخشی از توسعه هوش مصنوعی خود اضافه کرده است. این شرکت میگوید اکنون صدها مرکز داده در پنج قاره دارد.
پنج گیگاوات مقدار عظیمی انرژی است—چهار برابر اندازه بزرگترین پارک مرکز داده در اروپا. اما ظرفیت کل مایکروسافت باید حتی از این هم بیشتر باشد؛ این شرکت از سال ۲۰۲۲ زیرساخت هوش مصنوعی میسازد. اینکه چقدر بیشتر، یک سؤال باز است.
در یک ارائه داخلی از سال ۲۰۲۴، مایکروسافت ظاهراً ادعا کرده بود که ۵ گیگاوات ظرفیت مرکز داده از قبل نصب شده دارد. این نشان میدهد که اکنون ممکن است مجموعاً ۱۰ گیگاوات داشته باشد. مشخص نیست که آیا همه اینها مراکز داده هوش مصنوعی هستند—برخی ممکن است برای سایر خدمات ابری باشند. اما اظهارات خود مایکروسافت نشان میدهد که تمرکز غالب هزینههای اخیر آن بر ساخت زیرساخت هوش مصنوعی بوده است.
ده گیگاوات مراکز داده هوش مصنوعی نشان میدهد که مایکروسافت باید تقریباً ۶.۴ میلیون واحد پردازش گرافیکی داشته باشد. شائولی رن، استاد دانشگاه کالیفرنیا، ریورساید، گفت که گزارشهای پایداری مایکروسافت—که شامل ارقام مصرف برق است و جدا از صورتهای مالی منتشر میشوند—تصویر متفاوتی ارائه میدهند. او گفت این گزارشها نشان میدهند که ظرفیت هوش مصنوعی مایکروسافت در سال ۲۰۲۴ احتمالاً نزدیک به ۱.۲ گیگاوات بوده است. اما حتی این رقم پایینتر نیز به این معنی است که مایکروسافت به تقریباً ۴ میلیون تراشه هوش مصنوعی نیاز دارد—اگر در دو سال گذشته ۵ گیگاوات مرکز داده هوش مصنوعی اضافه کرده باشد.
«طبق معیارهای خودشان، مایکروسافت ممکن است درست باشد. اما مشخص نیست وقتی میگویند ظرفیت مرکز داده اضافه کردهاند، منظورشان چیست. آنها زمینه کافی ارائه نمیدهند»، رن گفت. «گزارشهای پایداری توسط شخص ثالث حسابرسی میشوند. آنها اعتبار بیشتری نسبت به اعلامیهها دارند.»
یک تحلیلگر متخصص در انویدیا گفت که فکر میکند مایکروسافت با توجه به اظهارات عمومیاش باید تراشههای بیشتری داشته باشد. «آنها برای من کم هستند. کمتر از چیزی هستند که انتظار داشتم مایکروسافت داشته باشد»، او گفت.
مایکروسافت اصرار داشت که محاسبات گاردین بر اساس اطلاعات نادرست است. این شرکت هیچ بینشی درباره اینکه کدام یک از ارقام گاردین نادرست است یا چرا ارائه نکرد. آنچه واضح است این است که توسعه ظرفیت هوش مصنوعی مایکروسافت به نظر میرسد بسیار کندتر از آنچه گزارشهای سالانهاش ممکن است نشان دهند پیش میرود.
رن گفت: «ممکن است تأمین یا اعلام ۱ گیگاوات ظرفیت برق در یک سه ماهه روی کاغذ قابل قبول باشد. اما عملیاتی کردن آن ظرفیت و استفاده واقعی از آن برای محاسبات در همان سه ماهه بسیار دشوارتر خواهد بود.»
منابع داخل مایکروسافت میگویند که تعداد کل تراشههای هوش مصنوعی این شرکت در سال گذشته «به سختی حرکت کرده است».
برخی از ناسازگاری آشکار ممکن است با اتحاد مایکروسافت با اوپنایآی توضیح داده شود. شرایط دقیق مشارکت تجاری آنها عمومی نیست، اما این واحد ممکن است بخشی از استقرارهای مرکز داده مایکروسافت را توضیح دهد که در اسناد مشاهدهشده توسط گاردین نخواهند بود.
مشاهده تصویر در اندازه کامل
یک مرکز داده مایکروسافت در میدنمیر، هلند. عکس: ANP/Shutterstock
«ممکن است یک دسته تراشه داشته باشید … که نمیتوانید وصل کنید»
عامل دیگری نیز وجود دارد: برخی از پروژههای بزرگ مایکروسافت به نظر میرسد بسیار دور از عملیاتی شدن هستند.
بزرگترین توسعه هوش مصنوعی مایکروسافت در آمریکا را در نظر بگیرید، یک جفت مرکز داده در ویسکانسین و جورجیا به نام فیرواتر. در آوریل، نادلا، مدیرعامل مایکروسافت، گفت که پروژه فیرواتر در ویسکانسین «در حال راهاندازی است».
با این حال، تصاویر ماهوارهای ساختمان از اپوک ایآی به نظر میرسد نشان میدهد که فقط بخشی از آن عملیاتی است. در ماه مه، مایکروسافت به یک روزنامه ویسکانسین اعتراف کرد که فیرواتر هنوز آنلاین نشده است.
این بسیار رایج است، رن گفت. در ابتدا یک سرمایهگذاری چند گیگاواتی و چند میلیارد دلاری بود. سه سال بعد، فقط ۳۰۰ مگاوات ساخته شده است.
مشاهده تصویر در اندازه کامل
ساتیا نادلا سال گذشته گفت مایکروسافت تا اواسط سال ۲۰۲۷ ردپای مرکز داده جهانی خود را دو برابر خواهد کرد. عکس: Jeff Chiu/AP
سند داخلی همچنین نشان میدهد که مایکروسافت تعداد کمتری از جدیدترین مدل تراشه انویدیا، بلکول، دارد نسبت به آنچه با توجه به اعلامیههای عمومی انویدیا انتظار میرود. در مارس گذشته، جنسن هوانگ، مدیرعامل انویدیا، گفت که سفارشهای بلکول از چهار مشتری برتر انویدیا—که عموماً تصور میشود آمازون، اوراکل، مایکروسافت و گوگل هستند—به ۳.۶ میلیون میرسد.
هیچ تفکیکی برای این رقم ارائه نشد، اما مایکروسافت از نظر تاریخی یکی از بزرگترین مشتریان انویدیا بوده است. اگر این هنوز هم مورد بود، باید مجموع داراییهای بلکول مایکروسافت را به نزدیک ۱ میلیون تراشه برساند. در واقع، کمتر از نصف این مقدار نصب شده دارد.
تراشهها کجا هستند، اگر در مراکز داده نیستند؟
ترازنامههای انویدیا به نظر میرسد نشان میدهد که تعداد بسیار زیادی تراشه فروخته است؛ این شرکت در فوریه درآمدی معادل ۲۱۵.۹ میلیارد دلار ثبت کرد. آیا مایکروسافت اینها را خریده اما نصب نکرده است؟ چه تعداد، و آیا همه آنها در اختیار آن است؟
نادلا به نظر میرسید در یک پادکست اواخر سال گذشته به نام All Things AI به این سؤال اشاره کرد، جایی که درباره توسعه مرکز داده مایکروسافت صحبت کرد. بزرگترین مشکل، او گفت، برق و ساخت مراکز داده به اندازه کافی نزدیک به جایی بود که برق در آن قرار داشت.
«اگر نتوانید آن کار را انجام دهید، ممکن است در واقع یک دسته تراشه در موجودی داشته باشید که نمیتوانم وصل کنم. در واقع، این مشکل من امروز است. این یک مسئله تأمین تراشه نیست. در واقع این است که من پوستههای گرم برای وصل کردن ندارم.»
یک سخنگوی مایکروسافت گفت: «در طول چند دهه، مایکروسافت زیرساخت جهانی برای پاسخگویی به تقاضای بهسرعت در حال رشد مشتریان برای خدمات ابری و هوش مصنوعی ساخته است. مراکز داده ما سیلیکون سفارشی، AMD، اینتل و تراشههای انویدیا را در چند نسل ترکیب میکنند، همراه با شبکه، ذخیرهسازی و زیرساختهای سیستمی که برای عملیات در مقیاس لازم است. مایکروسافت حجم تراشههای خاص در زیرساخت هوش مصنوعی خود را گزارش نمیکند. تخمینهایی که گاردین با ما به اشتراک گذاشته نادرست هستند و از فرضیات اشتباه نتایج اشتباه میگیرند.»
انویدیا به درخواست برای اظهار نظر پاسخ نداد.
چگونه تعداد تراشهها را از «ظرفیت هوش مصنوعی» یک شرکت محاسبه کنیم
بزرگترین شرکتهای فناوری جهان ظرفیت هوش مصنوعی خود را بر حسب قدرت اندازهگیری میکنند: گیگاوات. یک گیگاوات بین ۷۰۰,۰۰۰ تا ۱ میلیون خانه را تأمین میکند. متا میگوید مرکز داده بحثبرانگیز هایپریون آن در لوئیزیانا ۵ گیگاوات ظرفیت خواهد داشت. شرکت بریتانیایی دیتاویتا در حال برنامهریزی یک مرکز داده ۱ گیگاواتی در لانارکشایر است.
برای تبدیل این ارقام به تراشه، باید محاسبه کنید که با آن مقدار برق چند تراشه میتواند کار کند. گاردین از روش زیر استفاده کرد و این محاسبات را با عبدالتواب هنداوی، استاد دانشگاه رود آیلند، و رن بررسی کرد.
اولین معترض ضد هوش مصنوعی که زندانی شده پیامی برای اوپنایآی، آنتروپیک و متا دارد: «انسانیت خود را بازیابید» – بیشتر بخوانید.
برای ایدهای تقریبی از تعداد تراشههای یک مرکز داده، میتوانید مصرف برق مرکز داده را بر مصرف برق یک تراشه هوش مصنوعی، مانند H100، تقسیم کنید. یک H100 از ۷۰۰ وات استفاده میکند. اگر مایکروسافت ۱۰ گیگاوات ظرفیت داشته باشد، تقسیم این بر ۷۰۰ وات نشان میدهد که باید حدود ۱۲ میلیون تراشه داشته باشد.
H100ها بیشتر تراشههای ذکرشده در سند داخلی را تشکیل میدهند. همچنین نشان میدهد که مایکروسافت A100 دارد که برق کمتری مصرف میکنند، و بلکول که بیشتر مصرف میکنند.
اما این تخمین تقریبی چند عامل را در نظر نمیگیرد. اول، مراکز داده سیستمهای خنککننده و تجهیزات دیگری دارند که برق نیز مصرف میکنند. رن تخمین میزند که در یک مرکز داده معمولی هوش مصنوعی، ۸۰٪ برق به تراشههای کامپیوتری میرود. این تقریباً با ارقام آژانس بینالمللی انرژی همخوانی دارد، اگرچه عدد دقیق بستگی به کارایی مرکز داده دارد. هشتاد درصد از ۱۰ گیگاوات نشان میدهد که حدود ۸ گیگاوات واقعاً در حال استفاده است.
این کمی کمتر از ارقام خود مایکروسافت برای کارایی مرکز داده است که در گزارش پایداری ۲۰۲۴ ظاهر میشود. آن گزارش نشان میدهد که ۸۹٪ برق در مراکز داده جدید آن سیستمهای فناوری اطلاعات را تأمین میکند، با ۱۱٪ سربار.
دوم، همه تراشههای یک مرکز داده تراشه هوش مصنوعی نیستند. تراشههای هوش مصنوعی روی قفسههای سرور همراه با سایر تراشههای کامپیوتری، مانند تراشههای حافظه، نصب میشوند که به اجرای محاسبات کمک میکنند. یک سرور با هشت GPU H100 حداکثر حدود ۱۰ کیلووات برق استفاده میکند.
تقسیم ۸ گیگاوات بر ۱۰ کیلووات ۸۰۰,۰۰۰ سرور یا ۶.۴ میلیون تراشه میدهد.
این یک تخمین محافظهکارانه است، زیرا در عمل شرکتهایی مانند مایکروسافت تا حدی ظرفیت برق خود را بیش از حد اشتراک میکنند—تراشههای بیشتری در یک مرکز داده قرار میدهند نسبت به آنچه ظرفیت فناوری اطلاعات آنها میتواند بهطور کامل پشتیبانی کند، رن گفت.
سؤالات متداول
در اینجا فهرستی از سؤالات متداول درباره استراتژی هوش مصنوعی مایکروسافت و کمبود تراشه به زبانی طبیعی و کاربرپسند آمده است
سؤالات سطح مبتدی
۱ آیا مایکروسافت واقعاً برنامههای هوش مصنوعی خود را به دلیل تراشهها کند میکند؟
پاسخ نه واقعاً. مایکروسافت هنوز خیلی سریع حرکت میکند، اما باید در مورد جایی که ویژگیهای هوش مصنوعی خود را قرار میدهد هوشمندتر باشد. آنها مشتریان بزرگ و باارزش و محصولات اصلی خود را بر ارائه ویژگیها به همه به یکباره اولویت میدهند. آنها همچنین نرمافزار خود را طوری طراحی میکنند که تراشهها را کارآمدتر استفاده کند.
۲ کمبود تراشه برای یک فرد عادی که از محصولات مایکروسافت استفاده میکند چه معنایی دارد؟
پاسخ برای شما ممکن است به این معنی باشد که یک ویژگی جدید هوش مصنوعی کمی دیرتر از حد انتظار میرسد، یا ممکن است ابتدا برای گروه کوچکتری از کاربران عرضه شود قبل از اینکه برای همه منتشر شود. به ندرت به این معنی است که ویژگیها لغو میشوند، فقط به تأخیر میافتند یا پلکانی عرضه میشوند.
۳ چرا مایکروسافت به این همه تراشه برای هوش مصنوعی نیاز دارد؟
پاسخ مدلهای هوش مصنوعی مانند ماشینحسابهای عظیم و پیچیده هستند. آنها برای پاسخ به یک سؤال واحد باید میلیاردها محاسبه پردازش کنند. تراشههای تخصصی تنها راه برای انجام این کار به اندازه کافی سریع هستند تا هوش مصنوعی فوری به نظر برسد. مایکروسافت به میلیونها عدد از این تراشهها نیاز دارد تا هوش مصنوعی را برای همه مشتریان خود به طور همزمان تأمین کند.
۴ آیا این کمبود فقط درباره ساخت تراشههای بیشتر است یا چیز دیگری است؟
پاسخ کمی از هر دو است. کارخانهها نمیتوانند به اندازه کافی سریع آنها را بسازند، اما همچنین درباره این است که کدام تراشهها را میتوانند بسازند. تراشههای خاص سطح بالا که برای هوش مصنوعی استفاده میشوند سختترین برای ساخت هستند و فقط چند شرکت در جهان وجود دارند که میتوانند آنها را تولید کنند.
سؤالات پیشرفته و فنی
۵ کدام تراشههای خاص را مایکروسافت برای تهیه آنها مشکل دارد؟
پاسخ گلوگاه اصلی حافظه با پهنای باند بالا و GPUهای پیشرفته، بهویژه سری H100 و H200 انویدیا است. این GPUها استاندارد صنعت برای آموزش و اجرای مدلهای هوش مصنوعی هستند و عرضه با تقاضای عظیم مایکروسافت، گوگل و آمازون به طور همزمان هماهنگ نشده است.
۶ آیا مایکروسافت کاری برای رفع این مشکل انجام میدهد؟ آیا آنها تراشههای خود را میسازند؟
پاسخ
