انویدیا: صنعت پردازنده بیش از حد به دنبال تعداد هسته‌ ها بود؛ هوش مصنوعی عامل سرعت تک‌ هسته‌ای را احیا می‌کند

به گزارش بخش اخبار فناوری زوم تک به نقل از (Digital Trends)، سال‌هاست که مسابقه پردازنده‌های مرکزی (CPU) در مراکز داده حول یک سوال نسبتاً ساده چرخیده است: چه تعداد هسته را می‌توان در یک سرور جای داد و آن‌ها چقدر کار را می‌توانند به طور همزمان پردازش کنند؟ اکنون انویدیا استدلال می‌کند که این پیگیری مقیاس‌پذیری با هزینه‌هایی همراه بوده که با خودکارتر شدن سیستم‌های هوش مصنوعی اهمیت بیشتری پیدا می‌کند.

معماری ویرا (Vera) که برای هوش مصنوعی عامل طراحی شده است، ۸۸ هسته سفارشی الیمپوس (Olympus) را با یک قالب پردازشی یکپارچه و زیرسیستم حافظه با پهنای باند بالا ترکیب می‌کند.

آیا صنعت پردازنده بیش از حد روی تعداد هسته‌ ها تمرکز کرده است؟

در مصاحبه‌ای با وب‌سایت Wccftech، تیم ویرا در انویدیا اعلام کرد که گرایش این صنعت به سمت طراحی‌های مبتنی بر تراشه‌های چندگانه (Chiplet) و تعداد هسته‌های بالاتر، به قیمت کاهش عملکرد تک‌رشته‌ای (Single-threaded performance) و دستورالعمل بر هر سیکل (IPC) تمام شده است. با توجه به اینکه هوش مصنوعی عامل (Agentic AI) نیازمند اجرای سریع‌تر در مراحل متوالی استدلال است، انویدیا معتقد است که پردازنده‌های مرکزی به بازنگری اساسی نیاز دارند.

با گسترش مراکز داده ابری، تراشه‌سازان روی فشرده‌سازی هسته‌های بیشتر در سرورها برای مدیریت بارهای کاری همزمان تمرکز کردند. طراحی‌های چیپلت با تقسیم پردازنده به چندین قالب کوچک‌تر به‌جای ساخت کل تراشه روی یک قالب بزرگ‌تر، این امر را ممکن ساختند. اما تیم ویرا در انویدیا استدلال می‌کند که این رویکرد معایبی نیز دارد. انتقال داده‌ها بین قالب‌ها می‌تواند تأخیرهای ارتباطی ایجاد کند و دسترسی به حافظه را پیچیده سازد، که به طور بالقوه عملکرد تک‌رشته‌ای هر هسته را محدود می‌کند. این مسئله چیپلت‌ها را به یک انتخاب طراحی بد تبدیل نمی‌کند، بلکه انویدیا معتقد است فشار صنعت برای داشتن هسته‌های بیشتر، به قیمت از دست رفتن سرعت هسته‌های منفرد تمام شده است.

«…چیزی که در طول آن زمان از نظر طراحی CPU آسیب دید، در واقع عملکرد تک‌رشته‌ای و IPC بود؛ زیرا وقتی از چیپلت‌ها استفاده می‌کنید، عملاً فضای روی تراشه را برای طراحی بهینه‌سازی عملکرد هر هسته در اختیار ندارید.»

تاثیر هوش مصنوعی عامل بر تغییر معادلات پردازشی

هوش مصنوعی عامل این معادله را تغییر می‌دهد. برخلاف یک چت‌بات ساده که صرفاً یک پاسخ تولید می‌کند، یک عامل هوش مصنوعی ممکن است نیاز به اجرای کد، فراخوانی ابزارهای خارجی، بازیابی اطلاعات، تحلیل نتایج و سپس تصمیم‌گیری برای مرحله بعدی داشته باشد. در حالی که برخی از وظایف می‌توانند به طور همزمان اجرا شوند، برخی دیگر باید قبل از شروع مرحله بعد به اتمام برسند. اینجاست که عملکرد تک‌رشته‌ای یا سرعتی که یک پردازنده مرکزی (CPU) می‌تواند کار را روی یک رشته (Thread) پردازش کند، اهمیت می‌یابد. انویدیا استدلال می‌کند که اجرای سریع‌تر و تأخیر کمتر می‌تواند به عوامل کمک کند تا این مراحل را با سرعت بیشتری طی کنند.

همچنین این موضوع تأثیر مستقیمی بر پردازنده‌های گرافیکی (GPU) دارد. اگر یک CPU زمان زیادی برای آماده‌سازی وظیفه بعدی یا پردازش خروجی یک عامل صرف کند، ممکن است پردازنده گرافیکی در انتظار دستورالعمل‌ها بیکار بماند و ظرفیت محاسباتی ارزشمندی هدر رود. افزودن ساده هسته‌های بیشتر به CPU لزوماً این مشکل را حل نمی‌کند اگر وظایف انفرادی کند باقی بمانند. انویدیا استدلال می‌کند که هوش مصنوعی عامل به تعادل بهتری بین تعداد هسته‌ها و سرعت هر هسته نیاز دارد تا CPU بتواند همگام با GPU حرکت کند و به گلوگاه سیستم تبدیل نشود.

چگونه تراشه ویرا (NVIDIA Vera) سرعت تک‌ هسته‌ای را بازمی‌گرداند؟

معماری ویرا (Vera) قصد دارد هسته‌های انفرادی سریع‌تر را با توان عملیاتی مورد نیاز مراکز داده مدرن ترکیب کند. این تراشه ۸۸ هسته سفارشی الیمپوس را روی یک قالب پردازشی یکپارچه (Monolithic compute die)، در کنار یک زیرسیستم حافظه سفارشی LPDDR5X جای داده است. انویدیا می‌گوید که نسل دوم پارچه انسجام مقیاس‌پذیر (Scalable Coherency Fabric) پهنای باندی تا ۳.۴ ترابایت بر ثانیه ارائه می‌دهد که سه برابر تراشه‌های پیشرو x86 است. نگه داشتن هسته‌ها روی یک قالب پردازشی واحد همچنین از ارتباطات بین چیپلت‌های جداگانه جلوگیری می‌کند. این‌ها ادعاهای انویدیا است، اما استراتژی کاملاً روشن است: اولویت‌بندی ارتباطات سریع و کارآمد بدون از دست دادن مزایای تعداد هسته‌های بالا.

معماری ویرا همچنین نشان‌دهنده تغییری در نحوه نگرش انویدیا (Nvidia) به جایگاه پردازنده‌های مرکزی در زیرساخت‌های هوش مصنوعی است. در حالی که تراشه گریس (Grace) عمدتاً به عنوان میزبان برای سیستم‌های مبتنی بر GPU عمل می‌کند، انویدیا می‌گوید که هوش مصنوعی عامل تقاضا برای رک‌های CPU مستقل را جهت مدیریت فراخوانی ابزارها، اجرای کد و یادگیری تقویتی ایجاد کرده است. این بدان معنا نیست که پردازنده‌های گرافیکی اهمیت کمتری پیدا می‌کنند یا چیپلت‌ها در حال حذف شدن هستند؛ خود انویدیا اعلام کرده که در صورت منطقی بودن، همچنان به طراحی‌های چیپلت پایبند است.

تغییر مفهوم یک پردازنده خوب در عصر هوش مصنوعی

نکته مهم‌تر این است که هوش مصنوعی در حال تغییر تعریف یک CPU ایده‌آل است. همان‌طور که ایجنت‌ها از پاسخ دادن به سوالات فراتر رفته و به اجرای وظایف چندمرحله‌ای می‌پردازند، تعداد خام هسته‌ها به‌تنهایی گویای همه چیز نیست. نبرد بعدی تنها در مورد چپاندن هسته‌های بیشتر در یک تراشه نیست، بلکه درباره این است که هر هسته به اندازه کافی سریع باشد تا کارخانه هوش مصنوعی را در حال حرکت نگه دارد و ماشین‌آلات گران‌قیمت آن را معطل نگذارد.