Anthropic امروز اعلام کرد که در حال تشکیل یک «تیم اختصاصی طراحی تراشه سفارشی» است تا تراشههای مخصوص هوش مصنوعی طراحی کند؛ هدف از این کار، سریعتر و ارزانتر کردن اجرای مدلهای Claude است. این اقدام نشاندهنده قصد این شرکت برای کاهش وابستگی به غولهای ابری و سازندگان GPU و در عین حال، تقویت چرخه سختافزار-نرمافزاری است که محصولات آن را قدرت میبخشد.
چرا تشکیل تیم تراشهسازی در حال حاضر اهمیت دارد
از زمان عرضه، Claude برای تأمین مزارع عظیم GPU مورد نیاز جهت استنتاج (inference)، به مجموعهای از ارائهدهندگان محاسباتی — از جمله AWS، Google Cloud، Nvidia و AMD — متکی بوده است. این قراردادها رشد سریع را ممکن ساختهاند، اما تقاضای فزاینده برای محاسبات هوش مصنوعی، این وابستگی را به یک آسیبپذیری استراتژیک تبدیل کرده است. قیمت شتابدهندههای سطح بالا در حال افزایش است و محدودیتهای ظرفیت میتواند منجر به افزایش تأخیر (latency) برای کاربران نهایی شود. Anthropic امیدوار است با طراحی تراشههایی که با بار کاری ریاضیاتی Claude مطابقت دارند، هم به سرعت بیشتر و هم به صرفهجویی در انرژی دست یابد؛ چیزی که GPUهای عمومی قادر به ارائه آن نیستند.
از چند-ابری (Multi-Cloud) به طراحی مشترک (Co-Design)
تیم جدید Anthropic رویکرد «طراحی مشترک سختافزار-نرمافزار» را دنبال خواهد کرد و معماری سیلیکون را بر اساس عملیاتهای خاصی که Claude انجام میدهد، شکل خواهد داد. در عمل، این میتواند به معنای واحدهای ضرب ماتریسی سفارشی، حافظه داخلی (on-chip) منسجمتر، یا مجموعهدستورالعملهایی باشد که تعداد چرخهها در هر توکن را کاهش میدهند. نتیجه این کار، کاهش تأخیر استنتاج و کاهش هزینه برق به ازای هر پرسوجو (query) خواهد بود؛ دو معیاری که مستقیماً بر قیمتگذاری محصول و تجربه کاربری تأثیر میگذارند.
این شرکت هنوز جدول زمانی یا اهداف عملکردی خود را فاش نکرده است، اما شایعات در صنعت از Samsung به عنوان یک شریک احتمالی در تولید (fab partner) یاد میکنند. اگر این اتفاق بیفتد، Anthropic کنترل بیشتری بر زنجیره تأمین خود خواهد داشت و از «هزینههای نجومی» مرتبط با شتابدهندههای کمیاب هوش مصنوعی در بازار آزاد جلوگیری خواهد کرد.
تصویر بزرگتر: گذار به سمت یکپارچگی عمودی (Vertical Integration)
تلاش Anthropic برای تولید تراشه، دنبالهروی از یک روند گستردهتر در میان غولهای هوش مصنوعی است که از نرمافزار محض فراتر رفتهاند:
- OpenAI اخیراً از تراشهای به نام “Jalapeño” رونمایی کرد که با همکاری Broadcom ساخته شده و هدف آن بارهای کاری استنتاج است.
- Google DeepMind مدتهاست که پیشرفتهترین مدلهای خود را روی واحدهای پردازش تنسور (TPU) اختصاصی که در داخل Alphabet توسعه یافتهاند، اجرا میکند.
- Meta همچنان در حال بهبود MTIA (Meta Training and Inference Accelerator) خود است تا هم وظایف رسانههای اجتماعی و هم وظایف هوش مصنوعی را تسهیل کند.
این شرکتها نشان دادهاند که مالکیت کل پشته (stack) — از مرکز داده تا سیلیکون — میتواند در برابر گلوگاههای تأمین محافظت کرده و مزیت قیمتگذاری ایجاد کند. ورود Anthropic به طراحی تراشه نشان میدهد که این شرکت معتقد است همین منطق در مورد مدل کسبوکار خود نیز صدق میکند.
ریسکها و دیدگاههای مخالف
ساخت تراشه سفارشی یک قمار پرخطر است. چرخههای توسعه تراشه چندین سال طول میکشد و میتواند میلیاردها دلار هزینه داشته باشد، که بسیار فراتر از بودجههای معمول تحقیق و توسعه (R&D) نرمافزارهای هوش مصنوعی است. یک اشتباه در معماری یا تولید میتواند نقشه راه Claude را به تأخیر بیندازد، سهم بازار را کاهش دهد یا شرکت را مجبور کند با هزینهای گزاف دوباره به سراغ GPUهای آماده بازار برود. علاوه بر این، تخصص مورد نیاز برای طراحی، آزمایش و تولید انبوه تراشههای هوش مصنوعی کمیاب است و جذب استعدادها از شرکتهای مستقر در حوزه نیمههادی ممکن است چالشبرانگیز باشد.
منتقدان همچنین استدلال میکنند که بهبود عملکرد حاصل از تراشههای سفارشی ممکن است به جای تحولآفرین بودن، تنها به صورت تدریجی باشد؛ بهویژه از آنجایی که فروشندگان GPU همچنان در حال عرضه شتابدهندههای هوش مصنوعی بزرگتر و کارآمدتر هستند. اگر ارائهدهندگان خارجی موفق شوند کارایی مشابهی را با ریسک کمتر ارائه دهند، سرمایهگذاری Anthropic میتواند در نهایت به یک انحراف پرهزینه تبدیل شود.
آنچه باید زیر نظر داشت
- تأیید شریک تولید – یک همکاری رسمی با یک کارخانه تولید تراشه (foundry) مانند Samsung، پروژه را از مرحله مفهوم به مرحله تولید سیلیکون منتقل میکند.
- بنچمارکهای نمونه اولیه – اعداد عملکرد اولیه که تراشه سفارشی را با GPUهای پیشرو مقایسه میکنند، نشان خواهد داد که آیا تلاش برای طراحی مشترک، کاهش تأخیر و صرفهجویی در انرژی وعدهدادهشده را محقق میکند یا خیر.
- استخدام استعدادها – مقیاس و تخصص تیم سیلیکون تازهتأسیس، نشان خواهد داد که Anthropic با چه شدتی قصد رقابت با سازندگان تثبیتشده تراشه را دارد.
- تأثیر بر قیمتگذاری – اگر سختافزار سفارشی هزینههای هر پرسوجو را کاهش دهد، سطوح اشتراک Claude میتواند رقابتیتر شود و رقبایی را که هنوز به سختافزار شخص ثالث وابسته هستند، تحت فشار قرار دهد.
جاهطلبی Anthropic در حوزه تراشهسازی، نشاندهنده یک باور رو به رشد در بخش هوش مصنوعی است: کنترل پشته سختافزاری دیگر برای شرکتهایی که میخواهند به شکلی کارآمد مقیاسپذیر شوند، یک انتخاب نیست، بلکه یک ضرورت است. موفقیت این اقدام به سرعت اجرا، استعدادهای مهندسی و توانایی تبدیل دستاوردهای سیلیکون به کاهش هزینههای واقعی برای کاربران Claude بستگی خواهد داشت.