Google برای تعجب آور شریک جدید برای کمک به طراحی تراشه هفتم AI خود

به گزارش بخش موبایل رسانه اخبار تکنولوژی تک فاکس،

Google با BroadCom همکاری کرده است تا به آن در طراحی تراشه های شتاب دهنده AI AI ALPHABET که به عنوان واحدهای پردازش Tensor (TPU) شناخته می شود ، کمک کند. به خاطر داشته باشید که اینها همان پردازنده های برنامه Tensor GX نیستند که برای برق دستگاه های پیکسل استفاده می شوند. براساس یک گزارش تازه ، گوگل ممکن است جایگزین Broadcom به عنوان شریک طراحی Google در تیم TPU شود. در این گزارش آمده است که طراح تراشه تایوان MediaTek برای کار روی TPU های جدید که تراشه های AI نسل هفتم Google خواهد بود ، وارد کار خواهد شد.

با وجود این گزارش ، ذکر شده است که Google روابط خود را با Broadcom قطع نمی کند اگرچه دلایل محکمی برای انتخاب Google برای انتخاب MediaTek وجود دارد. یکی از دلایل این است که MediaTek با TSMC مستقر در تایوان ، بزرگترین ریخته گری تراشه در جهان رابطه خوبی دارد که به MediaTek اجازه می دهد تا در هر تراشه کمتر از مبلغی که BroadCom شارژ می کند ، Google را کمتر شارژ کند. سال گذشته اعتقاد بر این است که گوگل طبق گفته OMDIA بین 6 تا 9 میلیارد دلار برای TPU هزینه کرده است.

برای کاهش اعتماد خود به GPU های NVIDIA ، که بیشترین استفاده از تراشه های مورد استفاده برای آموزش مدل های AI است ، Google شتاب دهنده های TPU AI را طراحی کرد. که برای استفاده از هوش مصنوعی سفارشی شده و توسط Google به دلیل بارهای داخلی آن به کار می روند. آنها همچنین توسط مشتریان Google Cloud استفاده می شوند. در نتیجه ، گوگل به اندازه سایر بازیکنان اصلی هوش مصنوعی به Nvidia وابسته نیست. رقبای گوگل مانند سیستم عامل های OpenAI و متا به شدت به Nvidia وابسته هستند که در صورت وجود کمبود می توانند آتش سوزی کنند.

از شتاب دهنده های Google TPU AI برای آموزش مدل های AI استفاده می شود.

Google TPU برای یادگیری ماشین. | تصویر اعتبار-گوگل

به عنوان مثال ، سام آلتمن مدیرعامل AI باز گفت در پایان ماه گذشته این شرکت وی از GPU های NVIDIA خارج شده بود که Openai را مجبور به انتشار مدل جدید GPT-4.5 خود کرد. حداقل 15 بار در روز از من پرسیده می شود اگرچه هرگز از من سؤال نشده است که چرا مدل های AI به جای تراشه های CPU از تراشه های GPU استفاده می کنند ، اما جواب شما را می دهم.

GPU ها برای کمک به ارائه گرافیک و تصاویر در دستگاه هایی مانند تلفن های هوشمند استفاده می شوند و به دلیل توانایی آنها در پردازش مقادیر زیادی از داده ها به طور همزمان شناخته شده اند. این بیشتر مطابق با سبک ماتریس پردازش داده های مورد استفاده با AI است. CPU ها بیشتر به دلیل سبک پی در پی در پردازش داده های خود شناخته شده اند که باعث می شود آنها برای هوش مصنوعی کمتر مفید شوند.