گوگل حدود یک دهه پیش از اولین شرکت‌های بزرگ مقیاس بود که پردازنده‌های هوش مصنوعی سفارشی خود را توسعه داد و از آن زمان تاکنون به طور پیوسته استقرار آن‌ها را افزایش داده است. به نظر می‌رسد این شرکت آنقدر به TPU v9 خود که قرار است در سال ۲۰۲۸ عرضه شود اطمینان دارد که طبق یادداشت تحقیقاتی فوبون برای مشتریان که توسط شان منتشر شده، قصد دارد ۱۲ تا ۱۵ میلیون از این پردازنده‌ها را سفارش دهد. اگر این اطلاعات صحیح باشد، گوگل ممکن است نه تنها تعداد بیشتری یا قابل مقایسه‌ای از شتاب‌دهنده‌های هوش مصنوعی نسبت به انویدیا تولید کند، بلکه ممکن است برای دستیابی به اهداف خود نیاز به استفاده از کارخانه ریخته‌گری اینتل (Intel Foundry) نیز داشته باشد.

در این گزارش آمده است: «بر اساس بررسی‌های ما، گوگل قصد دارد ۱۲ تا ۱۵ میلیون TPU در سال ۲۰۲۸ داشته باشد.» «با ورود به سال ۲۰۲۸، TPUهای گوگل وارد نسل V9 با چهار دای محاسباتی خواهند شد که نشان می‌دهد مصرف ظرفیت آن‌ها در سال ۲۰۲۸ نسبت به سال ۲۰۲۷ بیش از دو برابر خواهد شد.»

فوبون تخمین می‌زند که انویدیا در سال ۲۰۲۶، ۸.۲ میلیون پردازنده گرافیکی هوش مصنوعی برای مراکز داده عرضه کرده و در مسیر افزایش این تعداد به ۱۲.۴ میلیون در سال ۲۰۲۸ قرار دارد. اگر پیش‌بینی فوبون در مورد برنامه‌های گوگل برای تولید ۱۲ تا ۱۵ میلیون TPU نسل نهم در سال ۲۰۲۸ صحیح باشد، آنگاه این شرکت ممکن است در سال ۲۰۲۸ تعداد بیشتری، یا حداقل تعداد قابل مقایسه‌ای از شتاب‌دهنده‌های هوش مصنوعی نسبت به انویدیا تولید کند.

TSMC کافی نیست

اینکه عملکرد TPUهای V9 گوگل در مقایسه با Rubin و Rubin Ultra انویدیا چگونه خواهد بود، چیزی است که باید دید، اما این واقعیت که گوگل قصد دارد از چهار چیپلت محاسباتی در این شتاب‌دهنده‌های هوش مصنوعی استفاده کند، به وضوح نشان می‌دهد که این شرکت روی عملکرد این پردازنده‌ها سرمایه‌گذاری بزرگی کرده است. در همین حال، ساخت یک شتاب‌دهنده هوش مصنوعی با چهار چیپلت محاسباتی بزرگ، یک تلاش مهندسی عمده است که به نظر می‌رسد گوگل آن را به انجام رسانده است.

این گزارش ادامه می‌دهد: «اگرچه هنوز تخصیص دقیق را نداریم، اما فکر می‌کنیم دستیابی به هدف گوگل تنها با TSMC دشوار است و عرضه اینتل تا سال ۲۰۲۸ ضروری است.»

محققان فوبون مطمئن نیستند که تخصیص‌های گوگل در TSMC برای برآورده کردن تقاضای این شرکت برای ۱۲ تا ۱۵ میلیون TPU نسل نهم کافی باشد، بنابراین آن‌ها فکر می‌کنند که گوگل باید از ظرفیت کارخانه ریخته‌گری اینتل (Intel Foundry) برای دستیابی به اهداف تولید خود استفاده کند. طی چند ماه گذشته، گزارش‌هایی منتشر شده بود که ادعا می‌کردند اینتل پس از ماه‌ها آزمایش فناوری‌های بسته‌بندی پیشرفته اینتل توسط گوگل، سفارش ساخت سه میلیون TPU برای گوگل را دریافت کرده است. در واقع، اگر گوگل بخواهد سیلیکون خود را در کارخانه ریخته‌گری اینتل تولید کند، استفاده از خدمات بسته‌بندی پیشرفته اینتل بسیار منطقی است. لازم به ذکر است که هنگام توسعه چیپلت‌های محاسباتی، باید فناوری بسته‌بندی آن‌ها نیز در نظر گرفته شود، زیرا EMIB/EMIB-T اینتل و CoWoS-L TSMC با یکدیگر ناسازگار هستند.

بزرگترین مصرف‌کننده شتاب‌دهنده‌های هوش مصنوعی در جهان

اگر اطلاعات مربوط به برنامه‌های گوگل برای تولید ۱۲ تا ۱۵ میلیون TPU در سال ۲۰۲۸ صحیح باشد (توجه داشته باشید که تفاوت بین ۱۲ و ۱۵ میلیون، ۲۰ درصد است که بسیار زیاد است) و گوگل واقعاً سالانه شتاب‌دهنده‌های هوش مصنوعی بیشتری نسبت به آنچه انویدیا به کل بازار می‌فروشد، مستقر کند، این یک تغییر چشمگیر در چشم‌انداز سخت‌افزار هوش مصنوعی خواهد بود. این امر نه تنها گوگل را به بزرگترین مصرف‌کننده شتاب‌دهنده‌های هوش مصنوعی در جهان تبدیل می‌کند (زیرا بعید است این شرکت خرید سخت‌افزار انویدیا را متوقف کند)، بلکه در نهایت گوگل را صاحب قدرتمندترین ناوگان سخت‌افزار هوش مصنوعی در جهان خواهد کرد. اینکه آیا گوگل ظرفیت محاسباتی هوش مصنوعی عظیم خود را عمدتاً برای خدمات خود استفاده خواهد کرد یا بخش عمده آن را به دیگران اجاره خواهد داد، چیزی است که باید دید.

در همین حال، برای رقبای گوگل، این نقطه عطف بر اهمیت فزاینده زیرساخت هوش مصنوعی یکپارچه عمودی تأکید خواهد کرد، جایی که ارائه‌دهندگان خدمات ابری به جای خرید پردازنده‌های گرافیکی آماده، تراشه‌هایی را طراحی می‌کنند که متناسب با پشته‌های نرم‌افزاری، حجم کاری و مراکز داده خودشان باشد.

با این حال، پیشی گرفتن گوگل از انویدیا در تعداد واحدهای عرضه شده لزوماً موقعیت غالب انویدیا را کاهش نخواهد داد. تقاضای هوش مصنوعی همچنان به سرعت در حال گسترش است به طوری که هر دو شرکت می‌توانند استقرار خود را به طور همزمان افزایش دهند، اما گوگل به سادگی سریع‌تر رشد خواهد کرد، حداقل تا زمانی که انویدیا تولید شتاب‌دهنده‌های هوش مصنوعی خود را با Feynman و Feynman Ultra در سال‌های ۲۰۲۹-۲۰۳۰ افزایش دهد. در نهایت، پردازنده‌های گرافیکی هوش مصنوعی انویدیا به فروش رفته‌اند. آنچه انویدیا باید نگران آن باشد، حجم TPUهایی نیست که گوگل می‌تواند مستقر کند، بلکه این واقعیت است که این پردازنده‌ها به یک پشته نرم‌افزاری متکی هستند که با CUDA انویدیا، مزیت رقابتی اصلی این شرکت، رقابت می‌کند.