انویدیا در روز چهارشنبه با گزارش سودهای چشمگیر خود، انتظارات را فراتر از پیش بینیها قرار داد. این موفقیت به دلیل GPUهای آن است که در انجام کارهای مربوط به هوش مصنوعی عالی عمل میکنند. اما دستههای بیشتری از چیپهای هوش مصنوعی در حال رشد هستند. ASICهای سفارشی، یا مدارهای مجتمع خاص کاربردی، اکنون توسط تمام بزرگترین شرکتهای فناوری طراحی میشوند، از TPUهای گوگل گرفته تا Trainium آمازون و برنامههای OpenAI با Broadcom. این چیپها کوچکتر، ارزانتر و در دسترستر هستند و میتوانند وابستگی این شرکتها به GPUهای انویدیا را کاهش دهند.
دانیل نیومن از گروه Futurum به CNBC گفت که او میبیند که ASICهای سفارشی "حتی سریعتر از بازار GPU در سالهای آینده رشد خواهند کرد."
علاوه بر GPUها و ASICها، آرایههای دروازه قابل برنامهریزی میدانی نیز وجود دارند که میتوانند پس از ساخت با نرمافزار مجدداً پیکربندی شوند و در انواع مختلفی از برنامهها، مانند پردازش سیگنال، شبکهسازی و هوش مصنوعی استفاده شوند. همچنین گروهی از چیپهای هوش مصنوعی وجود دارند که هوش مصنوعی را در دستگاهها به جای در ابر قدرت میدهند. Qualcomm، Apple و دیگران این چیپهای هوش مصنوعی در دستگاهها را ترویج کردهاند.
در ابتدا، GPUها عمدتاً برای بازیها استفاده میشدند، اما اکنون به دلیل تغییر استفاده به سمت کارهای هوش مصنوعی، انویدیا به ارزشمندترین شرکت عمومی جهان تبدیل شده است. این شرکت در سال گذشته حدود 6 میلیون GPU نسل جدید Blackwell را ارسال کرده است.
انتقال از بازی به هوش مصنوعی از حدود سال 2012 آغاز شد، زمانی که GPUهای انویدیا توسط محققان برای ساخت AlexNet استفاده شدند. این ابزار به عنوان یک نقطه عطف در هوش مصنوعی مدرن شناخته میشود و به دلیل دقت بالای خود در یک رقابت تصویر شناخته شده است.
آموزش بر روی GPUها در روزهای اولیه مدلهای زبانی بزرگ بسیار کلیدی بوده است، اما استنتاج به عنوان مدلها به بلوغ میرسند، اهمیت بیشتری پیدا میکند. استنتاج میتواند بر روی چیپهای کمتر قدرتمند که برای کارهای خاص برنامهریزی شدهاند، انجام شود. اینجاست که ASICها وارد عمل میشوند.
گوگل در نوامبر 2025 نسل هفتم TPU خود را منتشر کرد، که یک دهه پس از ساخت اولین ASIC سفارشی خود برای هوش مصنوعی در سال 2015 بود.
آخرین دسته بزرگ چیپهای هوش مصنوعی، آنهایی هستند که برای اجرا بر روی دستگاهها ساخته شدهاند، نه در ابر. این چیپها معمولاً در سیستم روی چیپ (SoC) اصلی یک دستگاه ساخته میشوند. چیپهای AI در لبه، به دستگاهها این امکان را میدهند که قابلیتهای هوش مصنوعی داشته باشند و در عین حال به صرفهجویی در عمر باتری و فضای دیگر اجزا کمک کنند.
منبع: CNBC
نظری برای این خبر ثبت نشده است .
عضویت در کانال تلگرام