توقف تراشه هوش مصنوعی متا؛ چالش بزرگ سیلیکون سفارشی

گزارشی از توقف موقت پروژه تراشه هوش مصنوعی متا پس از خرید ریوس؛ چرا هماهنگی سخت‌افزار، نرم‌افزار و مقیاس دیتاسنتر، مسیر سیلیکون سفارشی را پیچیده کرد.

3 دیدگاه
توقف تراشه هوش مصنوعی متا؛ چالش بزرگ سیلیکون سفارشی

3 دقیقه

تصور اینکه یک غول فناوری بی‌سروصدا یک پروژه بلندپروازانه را کنار بگذارد، تکان‌دهنده است. متا یک استارتاپ آینده‌دار را خرید تا وابستگی خود به واحدهای پردازش گرافیکی خارجی را کاهش دهد، اما به نظر می‌رسد این پروژه به مانعی جدی برخورد کرده است.

سال گذشته متا شرکت ریوس را با مبلغی حدود ۱.۸۵ میلیارد یورو خرید؛ اقدامی که قرار بود دانش فنی سیلیکون سفارشی را به درون این شرکت بیاورد. شش ماه پس از نهایی شدن معامله، منابع می‌گویند روند ادغام با مشکل روبه‌رو شده است. بیش از یک‌چهارم کارکنان ریوس که به متا پیوسته بودند اخراج شدند و توسعه تراشه‌ای که قرار بود برای آموزش مدل‌های هوش مصنوعی متا به کار برود، فعلا متوقف شده است.

وقتی جاه‌طلبی با مقیاس برخورد می‌کند

ریوس بر پایه ریسک فایو ساخته شده بود؛ یک مجموعه دستورالعمل متن‌باز که وعده انعطاف‌پذیری می‌دهد. این استارتاپ پیش از خرید، حدود ۳۴۵ میلیون یورو سرمایه جذب کرده بود و حتی یک پردازنده سازگار با کودا را برای تولید آزمایشی به تی‌اس‌ام‌سی ارسال کرده بود. روی کاغذ، همه‌چیز جدی و ملموس به نظر می‌رسید. اما واقعیت پیچیده‌تر است.

چرا این پروژه متوقف شد؟ چند واقعیت سخت وجود دارد. طراحی یک تراشه رقابتی برای آموزش هوش مصنوعی فقط به سیلیکون محدود نمی‌شود. به یک پشته نرم‌افزاری منسجم، یکپارچگی دقیق با زیرساخت مرکز داده، کامپایلرهایی که چارچوب‌های سطح بالا را ترجمه کنند و سال‌ها بهینه‌سازی عملکرد نیاز است. تیم‌های متا باید سخت‌افزار، نرم‌افزار سطح پایین و زیرساخت گسترده را در شرکتی هماهنگ می‌کردند که همین حالا برخی از بزرگ‌ترین بارهای کاری یادگیری ماشین جهان را اجرا می‌کند. این هماهنگی بسیار دشوارتر از انتظار از آب درآمد.

مسئله سازگاری نیز وجود دارد. متا می‌خواست تراشه‌هایی بسازد که با ابزارهای موجود مبتنی بر کودا کار کنند تا پذیرش آن‌ها ساده‌تر شود. ساخت سخت‌افزاری که مانند پردازنده‌های گرافیکی تثبیت‌شده رفتار کند و هم‌زمان بهره‌وری بیشتر و هزینه بهتر برای هر چرخه آموزش ارائه دهد، از نظر فنی دشوار و پرریسک است. به این موارد باید شرکای تولید، آزمون‌های اعتبارسنجی و واقعیت‌های سخت زمان‌بندی را هم اضافه کرد. نتیجه چنین شرایطی، تاخیر است.

از نظر راهبردی، این ایده منطقی بود. تراشه‌های سفارشی می‌توانستند در بلندمدت هزینه‌ها را کاهش دهند و در مقایسه با خرید پردازنده‌های گرافیکی کالایی‌شده، کنترل بیشتری به متا بدهند. اما صرفه‌جویی در هزینه فقط زمانی محقق می‌شود که سخت‌افزار به اهداف عملکرد و قابلیت اطمینان برسد. این معیار بسیار سخت‌گیرانه است، به‌ویژه وقتی گزینه جایگزین، یعنی تامین‌کنندگانی مانند انویدیا، همچنان نسل‌های تازه‌ای از شتاب‌دهنده‌ها را روانه بازار می‌کنند.

پس گام بعدی چیست؟ فعلا این کار متوقف شده، نه اینکه کاملا مرده باشد. متا می‌تواند دوباره سازمان‌دهی کند. این شرکت ممکن است دامنه پروژه را محدودتر کند، همکاری‌های راهبردی را تقویت کند یا استعدادها را به سمت دستاوردهای زیرساختی کوتاه‌مدت‌تر منتقل کند. همچنین ممکن است بخشی از آزمایش‌های مبتنی بر ریسک فایو را زنده نگه دارد و در عین حال برای بارهای کاری تولیدی به شتاب‌دهنده‌های اثبات‌شده تکیه کند.

تلاش متا برای توسعه سیلیکون سفارشی با اصطکاک جدی روبه‌رو شده است، اما این توقف بیش از آنکه نشانه تغییر ساده در تصمیم‌گیری باشد، دشواری هماهنگ کردن نرم‌افزار، سخت‌افزار و مقیاس عظیم را نشان می‌دهد.

نظر بگذارید

نظرات (3)

آرمان

من تو یه شرکت کوچیک دیدم هماهنگ کردن سخت‌افزار و نرم‌افزار مثل یه جنگه، زمان می‌خواد و تیم بزرگ؛ شاید متا موقتا متوقفش کرده تا بازآرایی کنه، یا اولویت بده به بهینه‌سازی زیرساخت

لابکور

این خبر واقعیه یا شایعه؟ سازگاری با کودا و استک نرم‌افزاری واقعا سختِ، اما کنار گذاشتن نیروها هم خیلی نگران‌کننده، مگه نه؟

دیتاپالس

واقعاً شوکه‌ام، متا اینقدر بی‌صدا پروژه رو متوقف کنه؟ چیزای زیادی گنگه، مخصوصا اخراج‌ها و تعلل تو تولید، کلی سوال بدون جواب...