در یک پست جدید در وبسایت Meta، اعلام شده که این شرکت گامهای مهمی در دنیای فناوری هوش مصنوعی برمیدارد. Meta گروههای هوش مصنوعی را معرفی کرده است که شامل 24،576 GPU Nvidia H100 هرکدام هستند، که تعهد این شرکت را برای توسعه محصولات GenAI و تحقیقات هوش مصنوعی بیشتر نشان میدهد. این حرکت نه تنها تکامل فناوری Meta را مورد تاکید قرار داده است بلکه نقطه عطف قابل توجهی برای این شرکت نیز محسوب میشود.
طرح جسورانه Meta برای گنجاندن 350،000 GPU H100 در زیرساخت خود تا پایان سال، از اعتزام این شرکت برای بهبود قابلیتهای هوش مصنوعی تثبیت میکند. این گروههای هوش مصنوعی، که با سختافزار ذخیرهسازی مدرن مبتنی بر پلتفرم سرور YV3 Sierra Point و SSDهای E1.S با ظرفیت بالا تجهیز شدهاند، Meta را از تکیه بر سختافزار تأمین شده توسط شرکتهای دیگر به راهحلهای طراحی داخلی منتقل میکند. این تغییر معماری نشان میدهد که Meta قصد دارد از تخصص داخلی خود بهرهبرداری کند و زمینههای هوش مصنوعی خود را به جلو ببرد.
قبلاً، Cluster SuperCluster تحقیقاتی Meta (RSC) از محصولات Pure Storage، بهخصوص تکنولوژیهای “FlashArray” و “FlashBlade” آنها تغذیه میشد. این مرکز تحقیقاتی بهعنوان یکی از سریعترین سوپرکامپیوترهای هوش مصنوعی جهان شناخته میشود که مسئول آموزش مدلهای هوش مصنوعی نسل بعدی با استفاده از حجم غولآمد دادهها میباشد. با راهحلهای ذخیرهسازی کارا Pure Storage، نیازهای قابلتوجه پردازشهای گرافیکی و ذخیرهسازی این سوپرکامپیوتر به طور بیدرنگ برطرف شدند.
اگرچه Public Storage (NYSE: PSA) هنوز به این توسعه پیشگامانه نظری ارائه نداده است، اما این قابل انکار است که پیشرفتهای اخیر Meta در حوزه فناوری هوش مصنوعی صنعت را بازشکل داده است. به همین دلیل، سرمایهگذاران توجهی به آن کردهاند، زیرا سهام Public Storage در سال جاری با تجربه افزایش 43٪ نشانه از ظرفیت و هیجانی است که درباره مسیر Meta وجود دارد.
پرسشهای متداول:
1. چیست یک گروه هوش مصنوعی؟
یک گروه هوش مصنوعی به مجموعهای از واحدهای محاسباتی چون GPUها اشاره دارد که به طور خاص برای انجام وظایف هوش مصنوعی اختصاص داده شدهاند. این گروهها اغلب از پردازش موازی برای مدیریت حجم زیادی از داده و محاسبات پیچیده به صورت بهینهتر استفاده میکنند.
2. چیست GPUهای Nvidia H100؟
GPUهای Nvidia H100 واحدهای پردازش گرافیکی پیشرفتهای هستند که توسط Nvidia طراحی شدهاند. این GPUها به طور خاص برای پردازش با عملکرد بالا و وظایف یادگیری عمیق بهینه شدهاند که آنها را برای برنامههای مرتبط با هوش مصنوعی ایدهآل میسازند.
3. چگونه تأثیر چیدن Meta به سختافزارهای طراحی شده داخلی بر قابلیتهای هوش مصنوعی این شرکت است؟
چیدن Meta از سختافزار تأمین شده از نهادهای دیگر به راهحلهای طراحی داخلی نه تنها یک گام مهم در قابلیتهای هوش مصنوعی آنها را نشان میدهد بلکه بهبود قابل توجهی است. با ایجاد معماری سختافزاری خود، Meta کنترل بیشتری بر عملکرد، مقیاسپذیری و کارایی سیستمهای هوش مصنوعی خود پیدا کرده و امکان پیشبرد مرزهای تحقیقات و توسعه هوش مصنوعی را دارند.
منابع:
– وبسایت Meta: [link]
– وبسایت Pure Storage: [link]
The source of the article is from the blog revistatenerife.com