《أول مهندس معماري لـTPU من جوجل: العقبة الحقيقية للذكاء الاصطناعي ليست القدرة الحسابية》

في هذه المقابلة التي استغرقت ساعتين، قام رينر بوبي على السبورة خطوة بخطوة بتوضيح الفيزياء وراء التدريب والاستنتاج. حكمه مهم جدًا لفهم سلسلة صناعة الذكاء الاصطناعي — خاصة الرقائق، والذاكرة، والأجهزة المترابطة.
لكن النص الأصلي معقد جدًا، وسيشعر القارئ العادي بالإرهاق عند قراءته.
لذا، قمت بعمل شيئين دون تغيير أي من نواياه:
الأول، أعبر عنه بلغة بسيطة.
الثاني، أستخلص النقاط المهمة من منظور الاستثمار.
المقال مقسم إلى ثلاثة أجزاء: الحالة الحالية، المبادئ الأساسية، والتأثير على الصناعات المستقبلية.
أولاً، أشرح الأمر في جملة واحدة
الاستنتاج الأهم من محاضرة رينر هو: العقبة الحقيقية للذكاء الاصطناعي ليست القدرة الحسابية، بل سرعة نقل البيانات. هذه العقبة لا يمكن حلها على المدى القصير.
إذا أردت أن تتذكر شيئًا واحدًا فقط، فهذه هي. تقريبًا جميع المعاني الصناعية التالية تنبع من هنا.
لماذا هذا مهم؟ لأن تدفق الأموال في سلسلة صناعة الذكاء الاصطناعي، ومن يربح ويستفيد، يعتمد على "مكان العقبة". إذا كانت العقبة هي القدرة الحسابية، فمصنعي وحدات المعالجة الرسومية (GPU) هم الفائزون المطلقون؛ وإذا كانت العقبة هي نقل البيانات، فالأموال ستذهب لشركات أخرى — مثل ذاكرة HBM، والربط بين الخوادم، والكابلات، والمفاتيح، والتبريد السائل، ومصادر الطاقة.
والإجابة التي قدمها رينر واضحة جدًا: العقبة هي الثانية. وهذا واضح من هيكل الإنفاق الرأسمالي للشركات الكبرى — وفقًا لتقديرات الصناعة، حوالي نصف أموالهم هذا العام تُصرف على الذاكرة.
ثانيًا، القدرة الحسابية كافية، والمطلوب هو "عمال النقل"
لفهم لماذا القدرة الحسابية ليست المشكلة، والذاكرة هي المشكلة، دعونا نستخدم تشبيهًا.
تخيل أن وحدة المعالجة الرسومية (GPU) هي محاسب فائق الذكاء. لديه مجموعة من دفاتر الحسابات (معاملات النموذج)، ويمكنه حسابها بسرعة كبيرة. المشكلة أن الدفاتر ليست في يده، بل في المخزن. وكل مرة يحتاج فيها إلى الحساب، يجب أن ينقل الدفتر من المخزن إلى سطحه، ثم يعيد وضعه بعد الانتهاء.
هناك زمنان هنا:
زمن الحساب: مدى سرعة الحساب
زمن النقل: مدى بطء نقل الدفاتر ذهابًا وإيابًا
كالعادة، المقال طويل، وسننتقل مباشرة إلى الجزء التالي.