گزارشهای تازه نشان میدهد متا و گوگل در آستانه امضای یکی از بزرگترین قراردادهای سختافزاری هوش مصنوعی جهان هستند؛ توافقی که اگر نهایی شود، میتواند توازن قدرت در بازار تراشه و دیتاسنترهای هوش مصنوعی را بهطور جدی جابهجا کند.
بر اساس این گزارشها، متا در حال مذاکره پیشرفته برای استفاده گسترده از سختافزار اختصاصی هوش مصنوعی گوگل است؛ همان تراشههای مشهوری که با نام Google Cloud TPU شناخته میشوند و تا امروز بیشتر درون اکوسیستم خود گوگل استفاده میشدند.
تراشههای TPU گوگل روی میز متا؛ اجاره امروز، خرید فردا
در سناریوی مطرحشده، متا قرار است در سال ۲۰۲۶ بخش بزرگی از ظرفیت TPUهای گوگل کلاد را اجاره کند و اگر همهچیز طبق برنامه پیش برود، از سال ۲۰۲۷ وارد فاز خرید مستقیم این تراشهها شود. چنین تغییری برای هر دو شرکت کمسابقه است.
گوگل تا امروز ترجیح میداد TPUهای نسل جدیدش را بیشتر برای پردازشهای داخلی، سرویسهای خود و مشتریان منتخب گوگل کلاد نگه دارد. در مقابل، متا تا حد زیادی روی ترکیبی از CPU و GPU از تأمینکنندگان مختلف، بهویژه انویدیا، تکیه کرده بود. همکاری عمیق روی TPUها یعنی متا میخواهد سبد پردازشی خودش را متنوعتر و وابستگیاش را به یک معماری و یک فروشنده کاهش دهد.
همزمان، متا در حال ارزیابی گزینههای سختافزاری دیگر هم هست؛ از جمله پردازندههای مبتنی بر معماری RISC-V از استارتاپ Rivos. این حرکت نشان میدهد متا بهدنبال یک استراتژی چندمعماری (Multi-Architecture) است تا زیرساخت هوش مصنوعی خود را در برابر ریسکهای زنجیره تأمین و تغییرات سریع تکنولوژی مقاومتر کند.
بازار سهام زیر و رو شد؛ گوگل میدرخشد، انویدیا تحت فشار
فقط زمزمه یک قرارداد چند میلیارد دلاری کافی بود تا بازار سهام واکنش نشان دهد. ارزش بازار آلفابت، شرکت مادر گوگل، با انتشار این گزارشها جهش کرد و این غول جستوجو را یک قدم دیگر به مرز نمادین ۴ تریلیون دلار نزدیک کرد. سهام متا هم پس از انتشار خبر، با رشد قابلتوجهی روبهرو شد.
در نقطه مقابل، سهام انویدیا چند درصد افت کرد؛ چون بسیاری از سرمایهگذاران نگراناند که اگر ابرارایهدهندگان ابری (Hyperscalers) مثل متا و گوگل بخش بیشتری از بودجه دیتاسنتر خود را به تراشههایی غیر از GPUهای انویدیا اختصاص دهند، رشد انفجاری درآمد انویدیا در سالهای آینده کند شود.
مدیران گوگل کلاد پیشتر تخمین زده بودند که اگر چنین قراردادی به نتیجه برسد، گوگل میتواند سهم قابلملاحظهای از درآمد دیتاسنتر انویدیا را هدف قرار دهد؛ درآمدی که تنها در یک فصل امسال از ۵۰ میلیارد دلار عبور کرده است. برای بازاری که اینچنین انویدیا را محور اصلی زیرساخت هوش مصنوعی میداند، جابهجایی حتی چند درصد از این رقم، عدد کوچکی نیست.
بحران ظرفیت تولید؛ پول هست، تراشه نه
با این حال، حتی یک قرارداد عظیم هم لزوماً به این معنی نیست که بازار بهسرعت دگرگون میشود. تقاضای سرسامآور برای ابزارها و مدلهای هوش مصنوعی، زنجیره تأمین را تا مرز اشباع پیش برده و رقابت برای دسترسی به تراشههای پیشرفته را به اوج رسانده است.
ظرفیت تولید در کارخانههای پیشرفته تراشهسازی (فبها) همچنان محدود است و زمانبندی استقرار زیرساختهای جدید هم بسیار تهاجمی شده. اپراتورهای دیتاسنتر در نقاط مختلف دنیا از کمبود GPU و ماژولهای حافظه گزارش میدهند و بسیاری از تحلیلها پیشبینی میکنند قیمت این قطعات تا سال آینده نیز رو به افزایش بماند.
زنجیره لجستیکی برای تقریباً همه مؤلفههای اصلی زیرساخت هوش مصنوعی – از چیپ و حافظه گرفته تا پاور، شبکه و خنکسازی – تحت فشار است. شرکتها در حال مسابقه برای بستن قراردادهای چندساله هستند تا دسترسی بلندمدت خود به سختافزار را تضمین کنند. در چنین شرایطی، حتی اگر متا و گوگل روی کاغذ به توافقی چند میلیارد دلاری برسند، محیط کلی عرضه ممکن است اجازه ندهد که این تراشهها بهسرعت و در حجمی که برنامهریزی شده، تولید و تحویل شوند.
نتیجه؟ اثر واقعی این قرارداد بر بازار، دستکم در کوتاهمدت، آنقدرها هم قطعی نیست. پول میتواند صف سفارش را طولانیتر کند، اما نمیتواند بهتنهایی ظرفیت تولید فبها را چند برابر کند.
نبرد معماریها؛ TPU در برابر GPU و گزینههای جایگزین
یکی از نکات مهمی که تحلیلگران روی آن تأکید میکنند، عدم قطعیت در عملکرد و مزیت نسبی معماریهای مختلف در افق چند سال آینده است. گوگل تقریباً هر سال نسل جدیدی از TPUها را معرفی میکند و همزمان انویدیا سرعت نوآوری خود را روی نسلهای تازه GPU حفظ کرده است. شاید وقتی متا اولین محموله بزرگ TPU خود را تحویل بگیرد، نسل بعدی معماریها در حال جایگزینی باشد.
از سوی دیگر، پرسش کلیدی این است که آیا طراحیهای جایگزین مثل TPUها یا تراشههای مبتنی بر RISC-V میتوانند در عمل «دوام عملیاتی» بیشتری نسبت به GPUهای فعلی داشته باشند یا نه. در دنیایی که بارکاری هوش مصنوعی – از مدلهای زبانی عظیم گرفته تا سیستمهای توصیهگر بلادرنگ – هر چند ماه یکبار دگرگون میشود، ارتباط و کارآمدی یک تراشه میتواند در مدت کوتاهی زیر سؤال برود.
همین سرعت تغییر باعث شده شرکتهایی مانند متا، گوگل، مایکروسافت و دیگر غولهای ابری، روی استراتژی تنوعبخشی حساب ویژهای باز کنند: ترکیب GPU، TPU، ASICهای سفارشی، پردازندههای مبتنی بر معماریهای باز و هر گزینهای که بتواند هزینه، مصرف انرژی و توان پردازشی را بهطور بهینه متعادل کند.
اگر قرارداد متا و گوگل نهایی شود، میتواند بهعنوان یک نمونه شاخص از این حرکت گسترده به سمت چندمعماری شدن زیرساخت هوش مصنوعی در تاریخ ثبت شود؛ حرکتی که در نهایت نهتنها سرنوشت تراشهسازان بزرگی مانند انویدیا و اینتل، بلکه شکل دیتاسنترهای نسل بعدی و حتی مدل قیمتگذاری خدمات ابری را هم تحت تأثیر قرار خواهد داد.
