گرگ براکمن، رئیس OpenAI، آیندهای را ترسیم میکند که در آن هوش مصنوعی عاملی به طور فعال برای هر فرد کار میکند و هر شخص یک پردازنده گرافیکی (GPU) اختصاصی خواهد داشت. او پیشبینی میکند که برای تحقق این چشمانداز، به حدود ۱۰ میلیارد GPU نیاز است. سم آلتمن، مدیرعامل OpenAI، مقیاس مشارکت با Nvidia را بزرگتر از برنامه آپولو میداند. براکمن این ایده را با پیشبینی بیل گیتس در دهه ۹۰ مبنی بر وجود کامپیوتر در هر خانه مقایسه میکند که اکنون به واقعیت پیوسته است.
براکمن هشدار میدهد که صنعت از نظر قدرت محاسباتی هوش مصنوعی هنوز فاصله زیادی دارد و جهان به سمت «کمبود محاسبات» پیش میرود. او معتقد است که «اقتصاد توسط محاسبات قدرت میگیرد» و خدمات دیتاسنتر هوش مصنوعی میتواند به ارز بالفعل تبدیل شود. این دیدگاه، هرچند دیستوپیایی به نظر برسد، اما با توجه به نقش حیاتی GPUهای Nvidia، اهمیت فزاینده محاسبات در آینده را برجسته میکند و نشان میدهد که هوش مصنوعی چگونه ساختارهای اقتصادی و اجتماعی ما را دگرگون خواهد کرد.
شرکت Normal Computing از تکمیل موفقیتآمیز طراحی و آمادهسازی برای تولید اولین تراشه محاسبات ترمودینامیکی جهان با نام CN101 خبر داد. این تراشه که برای مراکز داده هوش مصنوعی (AI) و محاسبات با عملکرد بالا (HPC) طراحی شده، رویکردی کاملاً متفاوت از روشهای سنتی مبتنی بر سیلیکون دارد. CN101 به جای مقابله با نویز، از اصول ترمودینامیک و سایر قوانین فیزیک بهره میبرد و به طور فعال از نویز، تصادفی بودن و عدم قطعیت برای حل مسائل استفاده میکند. این رویکرد به آن اجازه میدهد تا به کارایی محاسباتی دست یابد که تراشههای سنتی قادر به رقابت با آن نیستند.
برخلاف تراشههای معمولی که برای کارهای قطعی طراحی شدهاند، تراشههای ترمودینامیکی برای کاربردهای غیرقطعی بهینه شدهاند. این بدان معناست که CN101 برای وظایف پیچیده هوش مصنوعی مانند تولید تصویر، مدلهای انتشار و سایر فرآیندهای آموزشی بسیار مناسب است. زاخاری بلاتچ، سرپرست مهندسی سیلیکون در Normal Computing، تأکید میکند که فضای الگوریتمی که از این ویژگیها بهره میبرد، بسیار وسیع است و شامل محاسبات علمی، هوش مصنوعی و جبر خطی میشود. CN101 به طور خاص برای حل کارآمد عملیات جبر خطی و ماتریس، و همچنین محاسبات احتمالاتی طراحی شده است.
این تراشه میتواند تا 1000 برابر کارایی مصرف انرژی را در حجمهای کاری آموزش هوش مصنوعی در مراکز داده مدرن ارائه دهد. نقشه راه Normal برای خط تولید CN شامل عرضههایی در سالهای 2026 و 2028 است که هدف آن مقیاسپذیری برای مدلهای انتشار عکس و ویدئو است. هدف بلندمدت Normal Computing ایجاد اکوسیستمی است که در آن سرورهای آموزش هوش مصنوعی شامل ترکیبی از CPU، GPU، ASICهای ترمودینامیکی و حتی تراشههای احتمالاتی و کوانتومی باشند تا هر مشکل به کارآمدترین راهحل خود دست یابد. این فناوری میتواند نقش مهمی در آینده محاسبات با کارایی بالا ایفا کند، به خصوص با توجه به رشد نیازهای هوش مصنوعی و محدودیتهای محاسبات سیلیکونی.
