تراشه اختصاصی OpenAI

تحلیل استراتژی OpenAI در طراحی تراشه Jalapeño با همکاری برادکام برای کاهش وابستگی به انویدیا

تمرکز OpenAI بر بهینه‌سازی مصرف انرژی و مدل‌های کدنویسی بلادرنگ

شرکت OpenAI در تاریخ ۲۴ ژوئن ۲۰۲۶ با رونمایی از نخستین تراشه اختصاصی خود به نام Jalapeño، رسماً وارد صنعت سخت‌افزار شد. این تراشه که با همکاری استراتژیک شرکت برادکام (Broadcom) توسعه یافته، با هدف کاهش وابستگی به جی‌پی‌یوهای انویدیا و کاهش هزینه‌های سرسام‌آور عملیاتی طراحی شده است. Jalapeño برخلاف سخت‌افزارهای آموزش‌محور، منحصراً برای فرآیند استنتاج (Inference) و اجرای بهینه مدل‌ها (به‌ویژه مدل‌های کدنویسی بلادرنگ) بهینه‌سازی شده است. نکته کلیدی در توسعه این پردازنده، مشارکت مستقیم مدل‌های هوش مصنوعی OpenAI در طراحی لایه‌های سیلیکونی آن است. این تراشه با ارائه شاخص بهره‌وری انرژی (Performance-per-watt) فوق‌العاده، گام اول OpenAI برای تکمیل یک زنجیره عمودی (Full Stack) از لایه تراشه تا اپلیکیشن نهایی محسوب می‌شود.

سایبرکست قسمت 104: تراشه هالوپینو و استقلال سخت‌افزاری اوپن‌ای‌آی

تمرکز هوشمندانه بر لایه استنتاج (Inference)؛ راهکار گرگ براکمن برای کاهش هزینه‌های عملیاتی و افزایش بهره‌وری انرژی

چگونه مدل‌های زبانی OpenAI در طراحی و توسعه تراشه Jalapeño مشارکت کردند؟

ورود OpenAI به باشگاه سخت‌افزاری‌ها؛ رمزگشایی از تراشه اختصاصی Jalapeño

دنیای هوش مصنوعی در تاریخ ۲۴ ژوئن ۲۰۲۶ شاهد برداشته شدن گامی جسورانه از سوی یکی از پیشگامان این صنعت بود. شرکت OpenAI که پیش از این با مدل‌های زبانی بزرگ خود شناخته می‌شد، سرانجام با رونمایی از نخستین تراشه اختصاصی خود با نام Jalapeño، رسماً ورود خود را به عرصه طراحی سیلیکون اعلام کرد. این پردازنده که با همکاری استراتژیک شرکت برادکام (Broadcom) طراحی و تولید شده است، نه تنها یک دستاورد فنی، بلکه یک بیانیه سیاسی-اقتصادی در برابر سلطه بی‌چون و چرای انویدیا بر بازار سخت‌افزار محسوب می‌شود. با این حرکت، OpenAI نشان داد که برای پیشبرد مرزهای هوش مصنوعی، دیگر نمی‌توان تنها به بهینه‌سازی نرم‌افزاری بسنده کرد و باید بر لایه‌های زیرین زیرساخت نیز تسلط یافت.

تراشه Jalapeño محصول یک همکاری نزدیک است که ریشه‌های آن به اکتبر گذشته بازمی‌گردد؛ زمانی که شایعات مربوط به تلاش OpenAI برای کاهش وابستگی به پردازنده‌های گرافیکی (GPU) انویدیا شدت گرفته بود. نکته بسیار جذاب و “کول” در مورد توسعه این سخت‌افزار این است که طبق اعلام خود شرکت، مدل‌های هوش مصنوعی اختصاصی OpenAI در فرآیند طراحی و توسعه این تراشه مشارکت مستقیم داشته‌اند. این یعنی ما با پدیده‌ای مواجه هستیم که در آن هوش مصنوعی، سخت‌افزاری را طراحی می‌کند که قرار است خودش روی آن اجرا شود؛ چرخه‌ای تکاملی که می‌تواند سرعت نوآوری را در این حوزه به شکل نمایی افزایش دهد.

تمرکز اصلی این تراشه جدید، بر روی فرآیند استنتاج (Inference) است. در دنیای هوش مصنوعی، استنتاج به معنای اجرای مدل‌های از پیش آموزش‌دیده در پاسخ به دستورات و درخواست‌های کاربران است. در حالی که غول‌هایی مانند انویدیا همچنان در بخش آموزش (Pre-training) مدل‌های غول‌آسا حرف اول را می‌زنند،  OpenAI با هوشمندی تمام، هدف خود را بر روی بهینه‌سازی بخش استنتاج متمرکز کرده است. این همان بخشی است که مستقیماً با تجربه کاربر نهایی و هزینه‌های عملیاتی روزمره شرکت در ارتباط است. به زبان ساده‌تر، Jalapeño طراحی شده تا مدل‌های هوشمند را در دنیای واقعی، سریع‌تر و ارزان‌تر برای میلیون‌ها کاربر اجرا کند.

یکی از برجسته‌ترین ویژگی‌های Jalapeño که در گزارش‌های اولیه به آن اشاره شده، بهره‌وری انرژی  (Performance-per-watt) فوق‌العاده آن است. آزمایش‌های اولیه نشان می‌دهند که این تراشه در مقایسه با جایگزین‌های فعلی که در بالاترین سطح تکنولوژی قرار دارند، عملکرد بسیار بهتری نسبت به مصرف برق خود ارائه می‌دهد. این موضوع در دورانی که مراکز داده هوش مصنوعی با چالش‌های عظیم مصرف انرژی و محدودیت‌های زیست‌محیطی روبرو هستند، یک مزیت رقابتی حیاتی محسوب می‌شود. کاهش مصرف انرژی مستقیماً به معنای کاهش هزینه‌های نگهداری و در نهایت، کاهش قیمت تمام‌شده خدمات برای کاربران نهایی است .

گرگ براکمن، رئیس OpenAI، در پادکست اختصاصی این شرکت توضیح داد که رویکرد آن‌ها در توسعه تراشه، بر پایه درک عمیق از حجم کاری (Workload) مدل‌هایشان استوار است. او معتقد است که بسیاری از نیازهای سخت‌افزاری مدل‌های پیشرفته هوش مصنوعی در حال حاضر توسط سخت‌افزارهای عمومی بازار به خوبی پوشش داده نمی‌شوند. بنابراین، Jalapeño دقیقاً برای پر کردن این خلاءهای فنی طراحی شده است. به عنوان مثال، در بیانیه رسمی شرکت تأکید شده است که این تراشه در اجرای مدل‌های کدنویسی بلادرنگ (Real-time coding models) عملکرد بسیار درخشانی از نظر کاهش هزینه‌های عملیاتی دارد.

استراتژی OpenAI در اینجا فراتر از ساخت یک قطعه سخت‌افزاری ساده است؛ آن‌ها در حال ساخت یک زنجیره عمودی کامل (Full Stack) هستند. طبق گفته‌های این شرکت، آن‌ها تنها به توسعه مدل‌های پیشرو یا ساخت محصولات روی آن‌ها بسنده نمی‌کنند، بلکه در حال طراحی کل زیرساخت زیرین، شامل معماری تراشه، هسته‌ها (Kernels) ، سیستم‌های حافظه، شبکه و سیستم‌های استقرار هستند. این یکپارچگی به OpenAI اجازه می‌دهد تا هر لایه را دقیقاً حول یک هدف واحد بهینه‌سازی کند: ساخت مدل‌هایی که برای کاربران سریع‌تر، قابل‌اعتمادتر و مقرون‌به‌صرفه‌تر باشند .

با معرفی Jalapeño، OpenAI به جمع شرکت‌های بزرگی همچون گوگل و آمازون می‌پیوندد که پیش از این برای کاهش وابستگی به تامین‌کنندگان خارجی، به طراحی تراشه‌های اختصاصی یا همان شتاب‌دهنده‌های هوش مصنوعی (AI Accelerators) روی آورده بودند. این حرکت نشان‌دهنده تغییر پارادایم در صنعت است؛ جایی که نرم‌افزار و سخت‌افزار دیگر دو دنیای مجزا نیستند. برای شرکتی که محصولاتی مانند Codex و عوامل هوشمند (Agentic products) را توسعه می‌دهد، داشتن تراشه‌ای که دقیقاً برای معماری این مدل‌ها تراشیده شده، یک ضرورت استراتژیک است.

اگرچه احتمالاً وظایف سنگین و پردازش‌محوری مانند آموزش اولیه مدل‌ها (Pre-training) همچنان برای مدتی بر دوش سخت‌افزارهای قدرتمند انویدیا باقی خواهد ماند، اما حتی کاهش اندک در هزینه‌های استنتاج می‌تواند تراز مالی OpenAI را به کلی دگرگون کند. در دنیایی که هر میلی‌ثانیه تأخیر در پاسخ‌دهی هوش مصنوعی و هر سنت هزینه برق در مقیاس میلیون‌ها کاربر اهمیت دارد، Jalapeño می‌تواند همان برگ برنده‌ای باشد که OpenAI برای حفظ پیشتازی خود در بازار رقابتی هوش مصنوعی به آن نیاز داشت.

این تراشه، نمادی از بلوغ یک شرکت نرم‌افزاری است که اکنون به قدری بزرگ و تاثیرگذار شده که می‌تواند قوانین بازی را در دنیای سخت‌افزار نیز بازنویسی کند. موفقیت Jalapeño می‌تواند راه را برای نسل‌های بعدی تراشه‌های اختصاصی باز کند که شاید روزی نه تنها در استنتاج، بلکه در تمامی مراحل حیات یک هوش مصنوعی، از آموزش تا اجرا، جایگزین استانداردهای فعلی بازار شوند. برای ما در دنیای تکنولوژی، این شروع یک رقابت هیجان‌انگیز است که برنده نهایی آن، کاربری خواهد بود که به هوش مصنوعی قدرتمندتر و ارزان‌تر دسترسی پیدا می‌کند.

جمع‌بندی : 

این مقاله به‌خوبی نشان داد که چگونه مرزهای سنتی میان شرکت‌های نرم‌افزاری و سخت‌افزاری در عصر دیپ-تک در حال محو شدن است. خلق یک معماری سیلیکونی بهینه‌سازی‌شده برای مدل‌های ابری، OpenAI را از یک تامین‌کننده الگوریتم به یک امپراتوری زیرساختی مستقل تبدیل خواهد کرد.

———————————————————————————

• نکات کلیدی:

• ورود رسمی OpenAI به عرصه طراحی سیلیکون با معرفی تراشه اختصاصی Jalapeño در ۲۴ ژوئن ۲۰۲۶.

• همکاری فنی و استراتژیک با شرکت برادکام (Broadcom) جهت میان‌بر زدن در زنجیره تامین سخت‌افزار.

• استفاده از خود مدل‌های هوش مصنوعی OpenAI در فرآیند طراحی و اتوماسیون معماری تراشه Jalapeño.

• تمرکز مطلق تراشه بر بهینه‌سازی فرآیند استنتاج (Inference) و کاهش تاخیر (Latency) برای کاربر نهایی.

• بهبود چشمگیر شاخص عملکرد به ازای وات مصرفی (Performance-per-watt) برای کاهش بار حرارتی و هزینه برق دیتاسنترها.

• نکات تکمیلی:

• بهینه‌سازی ویژه سخت‌افزار برای اجرای مدل‌های کدنویسی بلادرنگ (Real-time coding) و محصولات مبتنی بر ایجنت‌ها (Agentic products).

• پیوستن OpenAI به جمع غول‌های مجهز به شتاب‌دهنده بومی (AI Accelerators) مانند گوگل (TPU) و آمازون (Trainium/Inferentia).

• باقی ماندن موقت فرآیند سنگین آموزش اولیه (Pre-training) روی دوش پردازنده‌های گرافیکی انویدیا.

• نتیجه گیری:

رونمایی از Jalapeño اثبات کرد که پادشاهی در عصر هوش مصنوعی، نیازمند حکمرانی همزمان بر نرم‌افزار و سخت‌افزار است. OpenAI با بستن زنجیره عمودی خود، نشان داد که برگ برنده آینده، نه فقط مدل‌های بزرگ‌تر، بلکه توانایی اجرای این مدل‌ها با کمترین هزینه و بالاترین سرعت در مقیاس میلیاردها کاربر روزانه است.

• پرسش‌های تحقیقاتی بیشتر:

• با توجه به معماری اختصاصی Jalapeño، این تراشه در لایه سخت‌افزار چطور پهنای باند حافظه (Memory Bandwidth) را که بزرگ‌ترین گلوگاه در استنتاج مدل‌های بزرگ لارج لنگویج است، مدیریت می‌کند؟

• مشارکت برادکام در این پروژه چه تاثیری بر ظرفیت تولید خطوط TSMC برای OpenAI خواهد داشت، با توجه به اینکه ظرفیت بسته‌بندی پیشرفته (CoWoS) در انحصار انویدیا و غول‌های دیگر است؟

• استقرار زنجیره عمودی OpenAI (از هسته‌ها و سیستم‌های حافظه اختصاصی گرفته تا سخت‌افزار)، چقدر فرآیند مهاجرت استارتاپ‌های متکی به اکوسیستم متن‌باز (Open Source) به زیرساخت این شرکت را تسهیل یا قفل (Vendor Lock-in) می‌کند؟

• سخن پایانی نویسنده :

وقتی خبر معرفی Jalapeño را در تحریریه سایبرمگ بالا پایین می‌کردم، یاد یک جمله معروف از آلن کی افتادم: «کسی که درباره نرم‌افزارش جدی است، باید سخت‌افزار خودش را بسازد.» سم آلتمن و گرگ براکمن فهمیده‌اند که با اجاره کردن سرورهای مایکروسافت و خریدن کارت‌های گران‌قیمت انویدیا نمی‌شود دنیا را فتح کرد؛ هزینه برق و محاسبات، کمر استارتاپ‌ها را می‌شکند. این ماجرا برای اکوسیستم فناوری ما در ایران هم یک درس بزرگ دارد. ما همیشه فکر می‌کنیم هوش مصنوعی یعنی پرامپت‌نویسی یا نهایتاً تیون کردن یک مدل آماده روی سرورهای ابری. اما دنیای واقعی هوش مصنوعی در سال ۲۰۲۶، دنیای اتم‌ها و سیلیکون است. اگر می‌بینیم هزینه خدمات هوش مصنوعی غربی روز به روز ارزان‌تر می‌شود، به خاطر همین جنگ‌های سخت‌افزاری در لایه‌های زیرین است. آینده متعلق به کسانی است که یاد می‌گیرند چطور کدهای نرم‌افزاری را مستقیماً روی گیت‌های منطقی تراشه‌ها حک کنند.

منبع : به گزارش  techcrunch 

 

در مجله سایبرلایف بخوانید