"إنفيديا" تعيد النظر في سباق أنوية المعالجات بسبب وكلاء الذكاء الاصطناعي

تعتقد شركة إنفيديا أن صناعة المعالجات المركزية (CPU) بالغت في التركيز على زيادة عدد الأنوية، على حساب أداء النواة الواحدة، مع تزايد الاعتماد على وكلاء الذكاء الاصطناعي الذين يحتاجون إلى تنفيذ المهام بسرعة والاستجابة بزمن تأخير منخفض.

وصُمم معالج Vera خصيصًا لتلبية متطلبات الذكاء الاصطناعي الوكيل، إذ يجمع بين 88 نواة مخصصة من طراز Olympus، وشريحة معالجة أحادية متكاملة، ونظام ذاكرة يوفر نطاقًا تردديًا مرتفعًا.

لسنوات، دار التنافس في سوق معالجات مراكز البيانات حول سؤال مباشر: كم عدد الأنوية التي يمكن حشرها داخل الخادم، وكمية المهام التي يمكنها تنفيذها في الوقت نفسه؟ لكن "إنفيديا" ترى الآن أن السعي المستمر إلى زيادة عدد الأنوية جاء على حساب جوانب أخرى من الأداء، وهي جوانب تزداد أهميتها مع تحول أنظمة الذكاء الاصطناعي إلى أنظمة أكثر استقلالية في تنفيذ المهام، بحسب تقرير نشره موقع "digitaltrends" واطلعت عليه "العربية Business".

هل بالغت صناعة المعالجات في التركيز على عدد الأنوية؟

في مقابلة مع موقع "Wccftech"، قال فريق معالج Vera في "إنفيديا" إن تحول الصناعة نحو تصميمات الشرائح المتعددة (Chiplets) وزيادة أعداد الأنوية جاء على حساب أداء الخيط الواحد (Single-threaded performance) وعدد التعليمات التي يمكن للمعالج تنفيذها في كل دورة (IPC).

ومع مطالبة وكلاء الذكاء الاصطناعي بتنفيذ العمليات بسرعة أكبر بين مراحل الاستدلال المتعاقبة، تعتقد "إنفيديا" أن الوقت قد حان لإعادة التفكير في تصميم المعالجات المركزية.

ومع توسع مراكز البيانات السحابية، ركزت شركات تصنيع المعالجات على زيادة عدد الأنوية داخل الخوادم، بهدف التعامل مع مزيد من أعباء العمل بالتوازي.

وساعدت تصميمات الشرائح المتعددة على تحقيق ذلك، من خلال تقسيم المعالج إلى عدة شرائح أصغر بدلًا من بناء المعالج بالكامل على شريحة واحدة كبيرة.

لكن فريق Vera يرى أن هذا النهج ينطوي على تنازلات تقنية. فنقل البيانات بين الشرائح قد يؤدي إلى زيادة زمن الاتصال وتعقيد الوصول إلى الذاكرة، ما قد يحد من قدرة كل نواة على تقديم أداء مرتفع عند تنفيذ المهام التي تعتمد على خيط معالجة واحد.

ولا يعني ذلك أن تصميمات الشرائح المتعددة خيار سيئ في حد ذاتها، لكن "إنفيديا" ترى أن تركيز الصناعة على زيادة عدد الأنوية جاء أحيانًا على حساب رفع سرعة الأنوية الفردية.

وقال فريق الشركة في هذا السياق إن ما تراجع خلال تلك الفترة في تصميم المعالجات المركزية هو الأداء أحادي الخيط وعدد التعليمات المنفذة في كل دورة، موضحًا أن استخدام الشرائح المتعددة يقلل المساحة المتاحة على الشريحة لتصميم أنوية تحقق أداءً أعلى بصورة فردية.

كيف يغير الذكاء الاصطناعي الوكيل معادلة أداء المعالجات؟

يغير الذكاء الاصطناعي الوكيل طريقة تقييم أداء المعالجات المركزية. فعلى عكس روبوتات الدردشة التي تكتفي عادة بتوليد إجابة، قد يحتاج وكيل الذكاء الاصطناعي إلى تنفيذ تعليمات برمجية، واستدعاء أدوات خارجية، واسترجاع المعلومات، وتحليل النتائج، ثم اتخاذ قرار بشأن الخطوة التالية.

ويمكن تنفيذ بعض هذه المهام بالتوازي، لكن مهام أخرى لا يمكن البدء فيها قبل اكتمال الخطوة السابقة.

وهنا تبرز أهمية الأداء أحادي الخيط، الذي يشير إلى مدى سرعة المعالج في تنفيذ العمليات ضمن خيط معالجة واحد.

وترى "إنفيديا" أن زيادة سرعة التنفيذ وتقليل زمن التأخير يمكن أن يساعدا وكلاء الذكاء الاصطناعي على الانتقال بين هذه الخطوات بوتيرة أسرع.

ويمتد تأثير ذلك إلى وحدات معالجة الرسوميات (GPU) أيضًا. فإذا استغرق المعالج المركزي وقتًا طويلًا في تجهيز المهمة التالية أو معالجة مخرجات أحد الوكلاء، فقد تضطر وحدة معالجة الرسوميات إلى الانتظار حتى تتلقى التعليمات اللازمة، ما يؤدي إلى إهدار جزء من قدرتها الحاسوبية.

ولا تعني إضافة مزيد من أنوية المعالج المركزي بالضرورة حل هذه المشكلة، إذا ظلت المهام الفردية بطيئة في التنفيذ.

وتعتقد "إنفيديا" أن تطبيقات الذكاء الاصطناعي الوكيل تحتاج إلى توازن أفضل بين عدد الأنوية وسرعة كل نواة، حتى يتمكن المعالج المركزي من مواكبة أداء وحدة معالجة الرسوميات، بدلًا من التحول إلى عنق زجاجة يحد من كفاءة النظام بأكمله.

كيف تخطط "إنفيديا" لإعادة السرعة إلى النواة الواحدة؟

يستهدف معالج Vera الجمع بين السرعة المرتفعة للأنوية الفردية والقدرة على معالجة كميات كبيرة من البيانات، وهي متطلبات أساسية لمراكز البيانات الحديثة.

ويضم المعالج 88 نواة مخصصة من تصميم Olympus، مدمجة داخل شريحة معالجة واحدة، إلى جانب نظام ذاكرة مخصص من نوع LPDDR5X.

وتقول "إنفيديا" إن الجيل الثاني من تقنية الربط المتماسك القابلة للتوسع (Scalable Coherency Fabric) يوفر نطاقًا تردديًا يصل إلى 3.4 تيرابايت في الثانية، وهو ما يعادل ثلاثة أضعاف النطاق الترددي الذي توفره، بحسب الشركة، أبرز المعالجات القائمة على معمارية x86.

كما أن وضع الأنوية داخل شريحة معالجة واحدة يلغي الحاجة إلى نقل البيانات بينها عبر شرائح منفصلة، وهو ما قد يساعد على تقليل التأخير وتحسين كفاءة الاتصال.

وتظل هذه الأرقام والتقييمات جزءًا من ادعاءات "إنفيديا" بشأن معالجها الجديد، لكن توجه الشركة واضح: إعطاء الأولوية لسرعة الاتصال وكفاءته، مع الاحتفاظ بمزايا المعالجات التي تضم عددًا كبيرًا من الأنوية.

ويعكس Vera أيضًا تحولًا في رؤية "إنفيديا" لدور المعالجات المركزية ضمن البنية التحتية للذكاء الاصطناعي. فبينما يُستخدم معالج Grace بصورة أساسية لاستضافة الأنظمة التي تعتمد على وحدات معالجة الرسوميات، تقول الشركة إن انتشار الذكاء الاصطناعي الوكيل يخلق طلبًا على رفوف مستقلة من المعالجات المركزية، لتولي مهام مثل استدعاء الأدوات، وتنفيذ الشيفرات البرمجية، والتعلم المعزز.

ولا يعني ذلك أن أهمية وحدات معالجة الرسوميات تتراجع، أو أن تصميمات الشرائح المتعددة ستختفي. بل تؤكد "إنفيديا" أنها لا تزال منفتحة على استخدام هذه التصميمات عندما تكون مناسبة من الناحية التقنية.

الذكاء الاصطناعي يغير مفهوم المعالج المركزي الأفضل

تكمن الفكرة الأساسية في أن تطور الذكاء الاصطناعي يعيد تشكيل المعايير التي تحدد جودة المعالجات المركزية. فمع انتقال وكلاء الذكاء الاصطناعي من مجرد الإجابة عن الأسئلة إلى تنفيذ مهام متعددة الخطوات، قد لا يعود عدد الأنوية وحده مقياسًا كافيًا للحكم على أداء المعالج.

ولن يقتصر التنافس المقبل على زيادة عدد الأنوية داخل الشريحة، بل سيمتد إلى تطوير أنوية أسرع وأكثر كفاءة، قادرة على إبقاء أنظمة الذكاء الاصطناعي تعمل بأقصى طاقتها، بدلًا من ترك وحدات المعالجة الأكثر تكلفة في انتظار التعليمات.