مایکروسافت از نسل تازه تراشه اختصاصی هوش مصنوعی خود با نام Maia 200 رونمایی کرده است؛ شتابدهندهای که مستقیماً برای رقابت با تراشههای اختصاصی آمازون و گوگل در مراکز داده طراحی شده و از امروز در برخی دیتاسنترهای ابری این شرکت مستقر میشود.
Maia 200 چیست و چه قابلیتی دارد؟
Maia 200 نسل دوم تراشههای هوش مصنوعی اختصاصی مایکروسافت است که روی فرآیند پیشرفته ۳ نانومتری TSMC ساخته شده و بیش از ۱۰۰ میلیارد ترانزیستور دارد. این تراشه برای پردازش بارهای بسیار سنگین هوش مصنوعی و اجرای مدلهای بزرگ طراحی شده و مایکروسافت میگوید میتواند مدلهای امروزی را «بهراحتی» اجرا کند و هنوز فضای رشد برای مدلهای بزرگتر آینده باقی بگذارد.
به گفته مایکروسافت، این شتابدهنده در معیارهای محاسباتی جدید، نسبت به نسل سوم تراشههای اختصاصی آمازون برای آموزش مدلها و نسل هفتم تراشههای هوش مصنوعی گوگل عملکرد بهتری ارائه میکند. همچنین شرکت مدعی است Maia 200 کارآمدترین سیستم استنتاجی است که تاکنون در زیرساخت خود بهکار گرفته و نسبت به سختافزار فعلی ناوگانش، عملکرد بهتری در ازای هر دلار هزینه ارائه میدهد.
کاربرد در GPT، سرویسهای ابری و رقابت ابری
مایکروسافت قصد دارد از Maia 200 برای میزبانی نسخههای جدید مدلهای OpenAI، از جمله نسلهای تازه GPT، و همچنین سرویسهایی مانند Microsoft 365 Copilot و دیگر سرویسهای ابری هوش مصنوعی خود استفاده کند. تیم سوپراینتلیجنس مایکروسافت نخستین گروهی خواهد بود که از این تراشهها بهره میبرد و شرکت یک کیت توسعه نرمافزار برای پژوهشگران، توسعهدهندگان و پروژههای متنباز نیز فراهم کرده تا بتوانند نرمافزار و مدلهای خود را برای این معماری بهینه کنند.
Maia 200 ابتدا در منطقه ابری Azure US Central مستقر میشود و سپس به تدریج به سایر مناطق گسترش خواهد یافت. این حرکت، نشاندهنده تلاش جدی مایکروسافت برای کاهش وابستگی صرف به GPUهای سنتی و تقویت رقابت با دیگر غولهای ابری است که هرکدام تراشههای اختصاصی خود را برای بارهای هوش مصنوعی توسعه دادهاند.
اهمیت برای صنعت و کاربران، از جمله در ایران
ورود نسل جدید شتابدهندههای هوش مصنوعی به معنای دسترسی به مدلهای قویتر و ارزانتر در فضای ابری است؛ موضوعی که برای استارتاپها، تیمهای تحقیقاتی و حتی کاربران حرفهای در ایران نیز اهمیت دارد. هرچه هزینه اجرای مدلهای بزرگ کاهش یابد، استفاده از ابزارهای هوشمند متنی، تصویری و صوتی آسانتر میشود و راه برای سرویسهای خلاقانه هموارتر خواهد شد. برای کاربرانی که به زیرساخت ابری مستقیم دسترسی ندارند، استفاده از سرویسهای آماده و ابزارهای مبتنی بر مدلهای بزرگ – مثلاً از طریق خرید اکانت های هوشمصنوعی و سرویسهای اشتراکی مختلف – میتواند راهی ساده برای بهرهگیری غیرمستقیم از چنین تراشههایی باشد.
منبع خبر: The Verge
