أمازون تكشف عن شريحة الذكاء الاصطناعي التي تغير قواعد اللعبة: هل ستزعزع هيمنة Nvidia؟

أطلقت أمازون رسميا Trainium3، أحدث شريحة الذكاء الاصطناعي المصممة خصيصا لها، مما يشير إلى دفع قوي لتحدي سيطرة Nvidia على سوق أجهزة الذكاء الاصطناعي.

تقدم الشريحة الجديدة أداء أسرع بمقدار 4.4 مرة وكفاءة طاقة أعلى بنسبة 40٪ مقارنة بسابقتها، بينما طرحت AWS في الوقت نفسه معالجات Trn3 UltraServer قادرة على التعامل مع 144 شريحة في نظام واحد.

عملاء مثل Anthropic وKarakuri وDecart أبلغوا بالفعل عن تخفيضات في تكاليف التدريب والاستدلال تصل إلى 50٪ باستخدام Trainium3.

تؤكد هذه الخطوة على اتجاه أوسع في الصناعة حيث تقوم عمالقة التكنولوجيا بتطوير السيليكون الخاص بهذه الخصائص لتقليل الاعتماد على وحدات معالجة الرسومات من نفيديا وتقليل النفقات الهائلة للبنية التحتية الذكاء الاصطناعي.

ثورة التكلفة: كيف تقوض أمازون أسعار نفيديا

السلاح الحقيقي ل Trainium3 ليس الأداء الخام؛ إنه اقتصاد.

مبني على تقنية 3 نانومتر، يقدم كل خادم ألترا 362 وحدة PFLOP بسرعة 362 FP8 مع ذاكرة HBM3e تصل إلى 20.7 تيرابايت، مما يتيح للنماذج الضخمة التدريب في أسابيع بدلا من شهور.

لكن زاوية التكلفة هي ما يجذب انتباه المؤسسات. شركة Decart، وهي شركة ناشئة لتوليد الفيديو الذكاء الاصطناعي، تحقق بالفعل استنتاجا أسرع بأربعة أضعاف لتوليد الفيديو في الوقت الحقيقي بنصف تكلفة وحدات معالجة Nvidia.

بالنسبة للمنظمات التي تنفق ملايين شهريا على بنية الذكاء الاصطناعي التحتية، فهذا هو الاقتصاد التحولي.

تستهدف استراتيجية أمازون نقطتي ألم. أولا، فجوة كفاءة الطاقة: يوفر Trainium3 أكثر من 5 أضعاف رموز الإنتاج لكل ميغاواط مقارنة بالأجيال السابقة، مما يقلل مباشرة من فواتير طاقة مراكز البيانات.

ثانيا، تكلفة الرمز. تدعي AWS أن وحدات Trainium وGoogle TPUs تقدم تكلفة أقل بنسبة 50-70٪ لكل مليار رمز مقارنة بعناقيد Nvidia H100 عالية الأداء.

بالنسبة للمؤسسات التي تدرب نماذج ذات تريليون معاملات، تصل الوفورات التراكمية إلى مئات الملايين سنويا.

يحمل تبني Anthropic المبكر وزنا رمزيا؛ تمتلك أمازون حصة بقيمة 8 مليارات دولار في منافس OpenAI، لكنها اختارت Trainium لحمل أعباء الإنتاج.

هذا التأييد يشير إلى أن Trainium3 ليست تجريبية؛ هي جاهزة للإنتاج وتنافسية مع عروض Nvidia الرائدة.

هل يمكن لأمازون أن تفوز فعلا؟

ومع ذلك، لا يزال خندق نفيديا هائلا. أصبحت CUDA، منظومة البرمجيات في Nvidia، المعيار الصناعي لتطوير الذكاء الاصطناعي.

معظم الباحثين يدربون النماذج على CUDA؛ معظم الأطر تقوم بتحسين CUDA أولا.

التحول إلى Trainium يتطلب إعادة كتابة الكود، وإعادة تدريب الفرق، وقبول تثبيت البائعين مع AWS، وهو أمر صعب للمؤسسات المتحفظة.

تعترف أمازون بهذه الحقيقة بالإعلان عن دعم Trainium4 لتقنية الربط NVLink Fusion من Nvidia، مما يتيح نشر شرائح Trainium وNvidia بشكل مختلط داخل نفس الرفوف.

إنه اعتراف عملي بأن استبدال Nvidia بين عشية وضحاها مستحيل، لكن وضع Trainium كمكمل فعال من حيث التكلفة أمر ممكن.

كما أن جمود العملاء يفضل Nvidia. تواجه المؤسسات التي تمتلك بنية تحتية قائمة لوحدات معالجة الرسوميات، وفرق مدربة، وخطوط أنابيب محسنة تكاليف تحويل لا تبررها مكاسب الأداء البحتة.

مايكروسوفت وجوجل وميتا: أكبر أهداف ترينيوم، تصنع أيضا شرائح الذكاء الاصطناعي الخاصة بها داخليا، مما يقلل من الأسواق القابلة للمخاطرة.

ومع ذلك، لا تواجه الشركات الناشئة والمؤسسات الحساسة للتكاليف مثل هذا العبء الوظيفي.

تقوم Karakuri وMetagenomi وSplash Music بنشر Trainium على نطاق واسع، مما يشير إلى أن أمازون يمكنها استحواذ أعباء عمل جديدة حتى لو احتفظت Nvidia بسوق الهيبة.

السؤال الحقيقي ليس ما إذا كانت أمازون ستضاهي أداء Nvidia الخام؛ ترينيوم3 بالفعل يفعل ذلك.

الأمر يتعلق بما إذا كانت التكلفة وكفاءة الطاقة وحدهما ستعيدان تشكيل سوق شرائح الذكاء الاصطناعي بقيمة 50 مليار دولار+، أم أن تثبيت النظام البيئي وتوقف العملاء يبقيان Nvidia راسخة.