تازه‌ترین مطلب از «Nvidia» حاکی از معرفی تراشه تانسور کور «بلکول B200» است که این شرکت آن را برای انجام عملیات هوش مصنوعی معرفی کرده است. این تراشه با بیش از 208 میلیارد ترانزیستور، قدرتمندترین تراشه جی‌پی‌یو تک‌تیکه را به ارمغان می‌آورد ادعا شده است.
به گفته نوویدیا، «بلکول B200» می‌تواند هزینه‌ها و مصرف انرژی عملیات هوش مصنوعی را تا 25 برابر نسبت به نسل قبلی خود کم کند. علاوه بر این، «نوویدیا» همچنین «GB200» را معرفی کرده است، یک “سوپر تراشه” که دو تراشه B200 را به همراه یک CPU «گریس» ترکیب می‌کند تا عملکرد را بهبود بخشد.
این اعلامیه در جریان کنفرانس سالانه GTC نوویدیا به اطلاع عموم رسید که در آن مدیرعامل جنسن هوانگ سخنرانی اصلی را انجام داد. هوانگ بر نیاز به گی‌پی‌یو‌های بزرگ تاکید کرد و بیان کرد که پلتفرم بلکول امکان آموزش مدل‌های هوش مصنوعی با تریلیون پارامتر را فراهم می‌کند که از پیچیده‌ترین مدل‌های جدیدی که تاکنون وجود داشته‌اند، پیشی می‌برد.
بستر بلکول به نام دیوید هارولد بلکول، یک ریاضی‌دان مشهور و اولین شاگرد سیاه پوست که وارد انجمن ملی علوم شد، نامگذاری شده است. این پلتفرم شش تکنولوژی برای محاسبات شتاب‌دار را معرفی می‌کند ، از جمله موتور ترانسفورماتور جدید ، پنجمین دوره NVLink ، موتور RAS ، توانایی هوش مصنوعی ایمن و موتور فشرده‌سازی برای سرعت داده‌های پایگاه داده شتاب‌دار.
سازمان‌های بزرگی نظیر خدمات وب آمازون ، فناوری‌های دل ، گوگل ، متا ، مایکروسافت ، OpenAI ، اوراکل ، Tesla و xAI قصد دارند پلتفرم بلکول را به کار بگیرند. این شرکت اعلامیه خود شامل نقل قول‌هایی از مدیران اجرایی مشهور فناوری مانند مارک زاکربرگ و سام آلتمن را در پشتیبانی از این بستر توعیه کرده است.
پردازنده‌های گرافیکی (GPU) که ابتدا برای بازی طراحی شدند، برای وظایف هوش مصنوعی به دلیل معماری هم موازی بسیار خود که به تسریع وظایف ضرب و جمع صفحه ماتریس مورد نیاز شبکه‌های عصبی کمک می‌کند، بسیار مناسب ثابت شده‌اند. تمرکز نوویدیا بر روی فناوری‌های دیتا سنتر به طور قابل توجهی به موفقیت مالی خود کمک کرده است، که با سود 18.4 میلیارد دلار برای دیتا سنترها (18.4 میلیارد دلار) قبل از بازی‌های جی‌پی‌یو (2.9 میلیارد دلار) به طور قابل توجهی سودآوری کرده است.
تراشه Grace Blackwell GB200 بخش اساسی گردونه جدید NVIDIA GB200 NVL72 است، یک سیستم کامپیوتری دیتا سنتر مایع‌سرد به منظور آموزش وظایف پیش‌بینی هوش مصنوعی طراحی شده است. این سیستم از 36 تا تراشه GB200 تشکیل شده است، شامل 72 گی‌پی‌یو B200 و 36 پردازنده‌های گریس که با استفاده از پنجمین دوره NVLink به هم متصل هستند برای بازدهی بیشتر.
به گفته نوویدیا، GB200 NVL72 تا 30 برابر بازدهی را نسبت به همان تعداد پردازنده‌های گرافیکی تنسور کور NVIDIA H100 برای بارگیری کارهای پیش‌بینی LLM پیشنهاد می‌دهد. این پیشرفت نه تنها منجر به صرفه‌جویی در هزینه و انرژی می‌شود، بلکه امکان توسعه مدل‌های هوش مصنوعی پیچیده‌تر را فراهم می‌کند. کمبود توانایی محاسباتی اغلب پیشر گرفتگی در حوزه علوم هوش مصنوعی بوده‌اند، و فناوری نوویدیایی به دنبال حل این مسئله است.
علیرغم اینکه ادعاهای نوویدیا در مورد توانایی‌های بستر بلکول توجه‌های زیادی را جلب کرده است، عملکرد و گسترش واقعی فناوری به تحقق و کاربرد در سازمان‌ها بستگی دارد. رقبا مانند اینتل و ای‌ام‌دی نیز به دنبال به‌دست آوردن قسمتی از بازار هوش مصنوعی هستند که باعث رقابت و تشویق نوآوری می‌شوند.
سوالات متداول
- بلکول B200 تانسور چیست؟
- هدف GB200 “سوپر تراشه” چیست؟
- چه سازمان‌هایی انتظار می‌رود بلکول را انتخاب کنند؟
- چگونه پردازنده‌های گرافیکی به وظایف هوش مصنوعی کمک می‌کنند؟
- اهمیت Grace Blackwell GB200 چیست؟
- آیا بلکول می‌تواند منجر به ایجاد مدل‌های هوش مصنوعی پیچیده‌تر شود؟
تراشه تانسور کور بلکول B200، قدرتمندترین پردازنده گرافیک تک تراشه از نوویدیا است که دارای 208 میلیارد ترانزیستور است. این تراشه برای کاهش هزینه‌ها و مصرف انرژی در عملیات پیش‌بینی هوش مصنوعی طراحی شده است.
تراشه super GB200 دو تراشه B200 و یک CPU گریس را ترکیب می‌کند تا عملکرد را بهبود بخشد. این پردازنده برای کاربردهای وظایف پیشرفته هوش مصنوعی طراحی شده است.
سازمان‌های بزرگی مانند خدمات وب آمازون ، فناوری‌های دل ، گوگل ، متا ، مایکروسافت ، OpenAI ، اوراکل ، Tesla و xAI قصد دارند از بلکول برای عملیات هوش مصنوعی خود استفاده کنند.
پردازنده‌های گرافیکی به وظایف هوش مصنوعی به دلیل معماری هم‌موازی بسیاری که تسریع وظایف ضرب و جمع صفحه ماتریس مورد نیاز شبکه‌های عصبی را تسریع می‌بخشد، مناسب هستند.
تراشه Grace Blackwell GB200 قسمت کلیدی از سیستم کامپیوتری دیتا سنتر NVL72 NVIDIA است. این تراشه وظایف آموزش و پیش‌بینی هوش مصنوعی را بهبود می‌دهد و ارتقاء‌های قابل توجهی نسبت به مدل‌های گرافیکی قبلی ارائه می‌دهد.
بلی، عملکرد و قابلیت‌های بازدهی بالاتر بلکول می‌تواند منجر به توسعه مدل‌های هوش مصنوعی پیچیده‌تر شود. این مورد به ویژه برای مدل‌های تولیدی بازیابی داده که نیازمند توان محاسباتی قابل توجه هستند، مفید است.
The source of the article is from the blog queerfeed.com.br