هوآوی قرار است در همایش 2025 Financial AI Inference Application Implementation and Development Forum در تاریخ 12 اوت، از آنچه یک جهش بزرگ در حوزه استنتاج هوش مصنوعی مینامد رونمایی کند.گزارشهای اولیه از چین حاکی از آن است که این فناوری جدید میتواند وابستگی چین به حافظه پهنایباند بالا یا HBM را کاهش دهد و در عین حال عملکرد استنتاج مدلهای بزرگ داخلی را بهبود ببخشد. چنین تحولی نه تنها برای اکوسیستم هوش مصنوعی چین اهمیت دارد، بلکه میتواند اثرات گستردهای بر چشمانداز جهانی نیمههادی باشد.
اهمیت HBM در استنتاج هوش مصنوعی
چرا HBM حیاتی است
HBM یا High Bandwidth Memory نوعی DRAM است که با استفاده از فناوری انباشتهسازی سهبعدی ساخته میشود و چندین چیپ حافظه را به صورت عمودی به هم متصل میکند تا پهنای باند بسیار بیشتری نسبت به حافظههای مرسوم فراهم آید. HBM به دلیل پهنایباند بسیار بالا، تاخیر پایین و مصرف انرژی بهتر برای بارهای سنگین محاسباتی و بهویژه استنتاج مدلهای بزرگ حیاتی است. در فرایند استنتاج که مدلهای آموزشدیده دادههای جدید را پردازش میکنند، دسترسی سریع و پیوسته به دادهها برای جلوگیری از گلوگاه ضروری است؛ مدلهایی با صدها میلیارد پارامتر به HBM متکی هستند تا پردازندههای گرافیکی بتوانند با تمام ظرفیت کار کنند.
هوآوی و احتمال کاهش وابستگی به HBM
هوآوی در تلاش است با معرفی تکنیکی نوین در حوزه استنتاج، نیاز به HBM را کمتر کند یا عملکرد را بدون آن به سطحی رقابتی برساند. اگر این فناوری بتواند عملکردِ سیستمهای مبتنی بر HBM را تکرار یا حتی بهبود دهد، میتواند نقطه عطفی در توسعه سختافزار هوش مصنوعی باشد و چالشهای فنی و زنجیره تامین را همزمان هدف قرار دهد.
راهکارها و فناوریهای جایگزین
چیپلتها و طراحی ماژولار
یکی از مسیرهای محتمل استفاده از طراحی مبتنی بر چیپلت است که چندین قطعه کوچکتر را در پکیجی به هم متصل میکند تا بار محاسباتی به صورت موثرتری توزیع شود. این رویکرد میتواند نیاز به حافظه عظیم با پهنایباند بسیار بالا را کاهش دهد.
بهینهسازی مدل و الگوریتم
مسیر دوم بهینهسازی معماری مدلها، کاهش تعداد پارامترها یا استفاده از الگوریتمهای کارآمدتر است. چنین بهینهسازیهایی میتواند نیازهای سختافزاری را پایین بیاورد بدون آنکه کیفیت استنتاج بهطور جدی کاهش یابد.
ویژگیهای محصول و مقایسه
اگر هوآوی محصولی معرفی کند که سرعت استنتاج، مصرف انرژی و هزینه را با سیستمهای مبتنی بر HBM مقایسهپذیر کند، مهمترین ویژگیها شامل تاخیر پایین، قابلیت توسعه با چیپلت، سازگاری با فریمورکهای رایج و صرفهجویی در هزینههای زنجیره تامین خواهد بود. در مقایسه با پلتفرمهای متکی بر HBM، راهکارهای نوین باید عملکرد واقعی در مدلهای بزرگ را نشان دهند تا پذیرش در بازار تسریع شود.
مزایا، موارد کاربرد و اهمیت بازار
کاهش وابستگی به HBM میتواند دسترسی به سختافزار پیشرفته را برای مراکز داده و شرکتهای تحقیقاتی بیشتر کند، هزینهها را کاهش بدهد و ریسکهای تحریم و محدودیتهای وارداتی را کاهش دهد. از موارد کاربرد میتوان به استنتاج مدلهای زبانی بزرگ، بینایی ماشین در لبه شبکه و سرویسهای ابری هوش مصنوعی اشاره کرد. در سطح بازار نیز خبر توافق اخیر مبنی بر پرداخت 15 درصد از درآمد تراشههای فروختهشده در چین به آمریکا توسط شرکتهای بزرگی مانند Nvidia و AMD، نشان میدهد که زنجیره تأمین و سیاستهای تجاری نقش مهمی در شکلدهی رقابت فناوری ایفا میکنند.
نتیجهگیری و چشمانداز
رونمایی هوآوی میتواند اولین گام جدی در کاهش وابستگی به فناوریهای خارجی حافظه مثل HBM باشد یا دستکم محدودیتهای آن را کاهش دهد. جزئیات فنی روز رونمایی مشخص خواهد شد؛ اما هر گونه دستاورد قابل اتکا میتواند مسیر توسعه سختافزار هوش مصنوعی را در چین و در سطح جهانی تغییر دهد و رقابت را در بازار نیمههادی داغتر کند.