مدیرعامل انویدیا، جنسن هوانگ، معتقد است شرکتهای آمریکایی باید از مدلهای هوش مصنوعی چینی استفاده کنند و نگرانیهای امنیتی در مورد درهای پشتی را نادرست میداند. او تأکید میکند که کاربران میتوانند مدلها را دانلود، بهینهسازی و محافظت کنند. هوانگ همچنین محدودیتهای ایالات متحده بر مدلهای هوش مصنوعی آمریکایی را نقد کرده و میگوید شرکتها باید مدلهای خود را در دسترس قرار داده و از طریق آزمایش و رفع سریع مشکلات، آنها را امنتر کنند.
هوانگ بر اهمیت مدلهای باز برای امنیت هوش مصنوعی در صنایع مختلف تأکید دارد. او واکنش منفی بازار به مدلهای ارزانتر و با وزن باز (مانند کیمی K3) را سوءتفاهم سرمایهگذاران میداند. به باور او، این مدلها با کاهش هزینه اجرا، استفاده از هوش مصنوعی را گسترش داده و تقاضا برای مراکز داده و پردازندههای گرافیکی هوش مصنوعی را افزایش میدهند که در نهایت به نفع صنعت و انویدیا است.
آرم و انویدیا در کنفرانس Supercomputing ’25 اعلام کردند که آرم به اکوسیستم NVLink Fusion پیوسته است. این همکاری مهم به مشتریان آرم امکان میدهد CPUهایی سازگار با شتابدهندههای هوش مصنوعی انویدیا توسعه دهند. این اقدام، مجموعه CPUهای قابل استفاده در سیستمهای هوش مصنوعی انویدیا را گسترش داده و پیچیدگی طراحی و هزینههای توسعه را برای هایپراسکیلرها کاهش میدهد. همچنین، آرم میتواند CPUهایی طراحی کند که مستقیماً با پردازندههای Grace/Vera انویدیا و Intel Xeon در سیستمهای مجهز به پردازندههای گرافیکی انویدیا رقابت کنند و موقعیت آرم را به عنوان ارائهدهنده IP و مجوزدهنده ISA تقویت میکند.
این همکاری یک برد بزرگ برای آرم، انویدیا و شرکایشان است و مسیرهای جدیدی برای توسعه CPUهای سفارشی و ادغام نزدیکتر با پردازندههای گرافیکی هوش مصنوعی فراهم میآورد. اما، خطرات قابل توجهی برای رقبایی مانند AMD و اینتل دارد که فاقد پشتیبانی قوی از NVLink هستند یا با توسعه راهحلهای سازگار فاصله دارند. این حرکت، جاذبه اکوسیستم انویدیا را افزایش داده و معماری آرم را در بازارهای حیاتی دیتاسنتر و هوش مصنوعی، آیندهنگر میسازد.
InferenceMax، بنچمارک متنباز جدید SemiAnalysis، رویکردی نوین در ارزیابی هوش مصنوعی ارائه میدهد. این ابزار به جای تمرکز بر سختافزار، کارایی پشتههای نرمافزاری هوش مصنوعی را در سناریوهای استنتاجی واقعی اندازهگیری میکند. نتایج روزانه منتشر شده و هدف آن ارائه معیارهای بیطرفانه و شبیهسازی کاربردهای دنیای واقعی است. تمرکز اصلی بر هزینه کل مالکیت (TCO) بر حسب دلار در هر میلیون توکن است، که به ارزیابی جامعتر و ردیابی تکامل نرمافزاری کمک میکند.
این بنچمارک تعادل توان عملیاتی و تعاملپذیری را بررسی کرده، نشان میدهد کارآمدترین GPU لزوماً سریعترین نیست. InferenceMax رقابت MI335X AMD با B200 انویدیا را از نظر TCO برجسته میکند و به نیاز به بهبود در کرنلهای FP4 AMD اشاره دارد. پروژه با همکاری فروشندگان، اشکالاتی را در تنظیمات هر دو شرکت کشف کرده است. InferenceMax از شتابدهندههای اصلی AMD و Nvidia پشتیبانی کرده و قصد دارد پشتیبانی از Tensor گوگل و AWS Trainium را نیز اضافه کند.
