شکاف ظرفیت طراحی و تولید در هوش مصنوعی

در حالی که ارزش بازار انویدیا از مرز ۵ تریلیون دلار عبور کرده و تقاضا برای پردازنده‌های هوش مصنوعی همچنان با سرعتی بی‌سابقه در حال افزایش است، مدیران از مسئله دیگری سخن می‌گویند؛ مسئله‌ای که کمتر از مدل‌های زبانی، چت‌بات‌ها و پردازنده‌های گرافیکی مورد توجه قرار گرفته است.

در ظاهر، همه چیز از موفقیت سخن می‌گوید. شرکت‌های بزرگ فناوری صدها میلیارد دلار برای ساخت مراکز داده جدید اختصاص داده‌اند. غول‌های رایانش ابری، شرکت‌های توسعه‌دهنده هوش مصنوعی و حتی دولت‌ها در حال رقابت برای دسترسی به توان پردازشی بیشتر هستند. با این حال، در پشت این رشد خیره‌کننده، شکافی در حال شکل‌گیری است که می‌تواند به یکی از مهم‌ترین چالش‌های صنعت فناوری در سال‌های آینده تبدیل شود؛ شکاف میان «ظرفیت طراحی و ظرفیت تولید».

در گذشته، مهم‌ترین مزیت رقابتی شرکت‌ها در توانایی طراحی تراشه‌های پیشرفته‌تر خلاصه می‌شد. رقابت بر سر «کوچک‌تر کردن ترانزیستورها، افزایش توان پردازش و بهبود معماری پردازنده‌ها» جریان داشت. اما امروز بسیاری از شرکت‌ها می‌توانند تراشه‌های پیشرفته طراحی کنند. مشکل اینجاست که این طراحی‌ها باید به محصولی واقعی و قابل استفاده تبدیل شوند.

به بیان ساده، جهان امروز بیش از آنکه با کمبود ایده مواجه باشد، با کمبود ظرفیت تولید روبه‌رو است.

نخستین شکاف؛ ظرفیت تولید تراشه

تقاضا برای پردازنده‌های هوش مصنوعی طی چند سال اخیر رشدی انفجاری را تجربه کرده است. اما توسعه کارخانه‌های تولید تراشه با چنین سرعتی امکان‌پذیر نیست. ساخت یک کارخانه پیشرفته نیمه‌هادی به سرمایه‌گذاری‌هایی در حد ده‌ها میلیارد دلار و چندین سال زمان نیاز دارد.

به همین دلیل، حتی با وجود سرمایه‌گذاری‌های عظیم، ظرفیت تولید همچنان از تقاضای بازار عقب مانده است. مدیران TSMC، بزرگ‌ترین تولیدکننده قراردادی تراشه در جهان، بارها اعلام کرده‌اند که هنوز قادر به پاسخ‌گویی کامل به تقاضای مشتریان خود نیستند.

این موضوع به معنای آن است که حتی اگر شرکتی بتواند نسل جدیدی از پردازنده‌های هوش مصنوعی را طراحی کند، الزاماً قادر نخواهد بود آن را به هر تعداد که بازار نیاز دارد تولید کند.

دومین شکاف؛ بحران بسته‌بندی تراشه‌ها (cowos)

اما ماجرا به خود تراشه ختم نمی‌شود. در سال‌های اخیر، یکی از مهم‌ترین محدودیت‌های صنعت در بخشی شکل گرفته که تا مدت‌ها کمتر مورد توجه عموم قرار داشت؛ «بسته‌بندی پیشرفته تراشه‌ها».

پردازنده‌های مدرن هوش مصنوعی دیگر تنها یک تراشه منفرد نیستند. این محصولات از چندین جزء مختلف تشکیل شده‌اند که باید در فاصله‌ای بسیار نزدیک به یکدیگر قرار بگیرند تا بتوانند با سرعتی فوق‌العاده بالا تبادل داده انجام دهند.

در اینجا فناوری CoWoS مهم است. cowos که مخفف Chip-on-Wafer-on-   Substrate  است، روشی برای قرار دادن پردازنده و حافظه‌های پرسرعت روی یک بستر مشترک است. این فناوری باعث می‌شود حجم عظیمی از داده میان اجزای مختلف پردازنده جابه‌جا شود؛ چیزی که برای آموزش و اجرای مدل‌های بزرگ هوش مصنوعی ضروری است.

مشکل آنجاست که ظرفیت CoWoS بسیار محدودتر از میزان تقاضای موجود است. برخی گزارش‌ها حاکی از آن هستند که «انویدیا» بخش بزرگی از ظرفیت موجود این فناوری را برای سال‌های آینده رزرو کرده است. به همین دلیل، حتی زمانی که یک تراشه با موفقیت تولید می‌شود، ممکن است به دلیل کمبود ظرفیت CoWoS نتواند به محصول نهایی تبدیل شود. پس گاهی مشکل صنعت نه ساخت تراشه، بلکه کنار هم قرار دادن اجزای آن است.

سومین بحران؛ حافظه‌های HBM

HBM یا High Bandwidth Memory نوعی حافظه فوق‌سریع است که به طور ویژه برای پردازنده‌های هوش مصنوعی طراحی شده است. در این فناوری، چندین لایه حافظه روی یکدیگر قرار می‌گیرند و از طریق کانال‌های ارتباطی عمودی به هم متصل می‌شوند. نتیجه این فرایند، پهنای باندی است که چندین برابر حافظه‌های متعارف است.

دلیل اهمیت HBM ساده است. پردازنده‌های گرافیکی مدرن آن‌قدر سریع شده‌اند که حافظه‌های معمولی دیگر نمی‌توانند داده را با سرعت کافی در اختیار آن‌ها قرار دهند. بدون HBM، بخش بزرگی از توان پردازشی این پردازنده‌ها بلااستفاده خواهد ماند.

اما تولید HBM نیز محدود است. تنها چند شرکت بزرگ جهان توانایی تولید انبوه این حافظه‌ها را دارند و افزایش ظرفیت تولید آن‌ها زمان‌بر و پرهزینه است. به همین دلیل، بسیاری از تحلیلگران معتقدند HBM به یکی از مهم‌ترین گلوگاه‌های صنعت نیمه‌هادی تبدیل شده است.

رقابت جدید و تعیین‌کننده

در دهه‌های گذشته، رقابت اصلی بر سر طراحی بهترین پردازنده بود. اما امروز قواعد بازی تغییر کرده است. برای ساخت یک شتاب‌دهنده هوش مصنوعی مدرن، چهار حلقه اصلی باید به درستی عمل کنند: طراحی تراشه، تولید ویفر، تولید حافظه HBM و بسته‌بندی پیشرفته CoWoS. ضعف در هر یک از این حلقه‌ها می‌تواند کل زنجیره را متوقف کند.

به همین دلیل، شرکت‌های فعال در حوزه هوش مصنوعی دیگر تنها به دنبال جذب مهندسان طراحی تراشه نیستند. آن‌ها در حال رقابت برای دسترسی به ظرفیت کارخانه‌ها، خطوط بسته‌بندی پیشرفته و تأمین حافظه‌های HBM هستند.

نتیجه

روایت عمومی انقلاب هوش مصنوعی معمولاً با نام شرکت‌هایی مانند انویدیا، مدل‌های زبانی و پردازنده‌های گرافیکی آغاز می‌شود. اما در پشت این روایت، واقعیت دیگری در جریان است. صنعت هوش مصنوعی با مجموعه‌ای از گلوگاه‌های فیزیکی مواجه شده که از کارخانه‌های تولید تراشه آغاز می‌شوند، به خطوط CoWoS می‌رسند و در نهایت به حافظه‌های HBM ختم می‌شوند. شاید مهم‌ترین ویژگی این مقطع تاریخی آن باشد که جهان برای نخستین بار در سال‌های اخیر با کمبود ایده یا توان طراحی مواجه نیست. آنچه کمیاب شده، توانایی ساخت و مونتاژ این ایده‌ها در مقیاس مورد نیاز بازار است.