مایکروسافت از تراشه هوش مصنوعی «مایا ۳۰۰» (Maia ۳۰۰) رونمایی کرده است؛ شتابدهندهای که قرار است از سال ۲۰۲۷ برای افزایش ظرفیت و بهبود بهرهوری سرویسهای هوش مصنوعی این شرکت به کار گرفته شود.
به گزارش دنیای برند؛ مایکروسافت مدعی است این تراشه میتواند بهازای هر مگاوات برق، ۴۰ درصد توکن بیشتری نسبت به برخی سامانههای پیشرفته مبتنی بر پردازندههای گرافیکی پردازش کند؛ قابلیتی که میتواند در توسعه سرویسهایی مانند مایکروسافت ۳۶۵ کوپایلت و تیمز نقش مهمی داشته باشد.
مایکروسافت با مایا ۳۰۰ بهدنبال پردازش کارآمدتر هوش مصنوعی است
مایکروسافت تراشه مایا ۳۰۰ را در ادامه تلاش خود برای توسعه زیرساخت محاسباتی اختصاصی معرفی کرده است؛ زیرساختی که باید پاسخگوی افزایش تقاضا برای مدلها و ابزارهای هوش مصنوعی باشد. این تراشه بهطور ویژه برای استنتاج هوش مصنوعی طراحی شده است؛ فرایندی که در آن مدلهای آموزشدیده پاسخ تولید میکنند، اطلاعات را تحلیل میکنند و وظایف مختلف را انجام میدهند.
به گفته مایکروسافت، مایا ۳۰۰ قرار است در اجرای قابلیتهای هوش مصنوعی در محصولات مختلف این شرکت، از جمله مایکروسافت ۳۶۵ کوپایلت، تیمز، گیتهاب کوپایلت و پلتفرم مایکروسافت فاندری، نقش داشته باشد. این تراشه همچنین میتواند در پردازش مدلهای مورد استفاده تیم داخلی هوش مصنوعی مایکروسافت به کار گرفته شود.
مایکروسافت ادعا میکند مایا ۳۰۰ بهازای هر مگاوات برق، ۴۰ درصد توکن بیشتری نسبت به سامانههای پیشرفته مبتنی بر پردازندههای گرافیکی ارائه میدهد. این بهبود با هدف افزایش تعداد درخواستهای قابل پردازش و استفاده مؤثرتر از منابعی مانند برق، حافظه و توان محاسباتی دنبال میشود.
مایکروسافت همچنین اعلام کرده است که یک رک مجهز به ۹۶ شتابدهنده مایا ۳۰۰ میتواند به توان پردازشی معادل حداکثر هفت برابر یک رک مایا ۲۰۰ دست پیدا کند. این ارقام از سوی خود شرکت اعلام شدهاند و برای ارزیابی مستقل آنها باید نتایج آزمونهای قابل مقایسه در دسترس قرار گیرد.
معماری جدید برای کاهش تأخیر و افزایش سرعت پردازش
مایا ۳۰۰ از معماریای بهره میبرد که مایکروسافت آن را «معماری با اولویت استنتاج» توصیف میکند. در این رویکرد، هدف فقط افزایش قدرت محاسباتی نیست؛ بلکه انتقال دادهها، ارتباط میان واحدهای پردازشی و دسترسی به حافظه نیز بهینه میشود تا پردازش درخواستهای پیچیده با تأخیر کمتری انجام گیرد.
مایکروسافت برای رسیدن به این هدف، از معماری جریان داده مبتنی بر نرمافزار و بهینهسازی هستههای پردازشی با کمک هوش مصنوعی استفاده کرده است. این روشها میتوانند نحوه توزیع دادهها و استفاده از منابع سختافزاری را بهبود دهند؛ موضوعی که برای دستیارهای هوش مصنوعی و عاملهایی که باید چند مرحله مرتبط را پشت سر بگذارند، اهمیت زیادی دارد.
یکی از اهداف اصلی این طراحی، افزایش توان پردازش درخواستهای طولانی و چندمرحلهای بدون افزایش متناسب مصرف انرژی است. چنین قابلیتی میتواند به سرویسهایی کمک کند که باید اطلاعات زیادی را در حافظه نگه دارند و همزمان چندین درخواست را پردازش کنند.
حافظه پرسرعت و توان مصرفی ۹۵۰ واتی
بخش مهمی از طراحی مایا ۳۰۰ به حافظه مربوط میشود. این شتابدهنده از هشت پشته حافظه با پهنای باند بالا و مبتنی بر استاندارد HBM4 استفاده میکند. مایکروسافت حداکثر پهنای باند حافظه این تراشه را ۱۸ ترابایت بر ثانیه اعلام کرده است.
مایا ۳۰۰ همچنین از حافظه داخلی SRAM برای نگهداری موقت دادهها بهره میبرد. به گفته مایکروسافت، استفاده از این حافظه در کنار نرمافزارهای تخصصی میتواند فشار بر حافظه HBM را کاهش دهد و دسترسی به دادههای موردنیاز را بهینه کند.
توان طراحی حرارتی این تراشه ۹۵۰ وات اعلام شده است؛ رقمی که نیاز انرژی بالای پردازش هوش مصنوعی در مقیاس بزرگ را نشان میدهد. با وجود این مصرف، مایکروسافت میخواهد از طریق بهینهسازی معماری و مدیریت دادهها، تعداد بیشتری درخواست را با منابع محاسباتی موجود پردازش کند.
طراحی چندتراشهای برای توسعه در مقیاس مراکز داده
مایا ۳۰۰ از معماری چندتراشهای استفاده میکند که بخشهای محاسباتی، کنترل حافظه و ورودی و خروجی را از یکدیگر تفکیک میکند. این طراحی به مایکروسافت امکان میدهد هر بخش را متناسب با وظیفه خود توسعه دهد و میان قدرت پردازش، دسترسی به حافظه و ارتباط میان اجزا تعادل برقرار کند.
مایکروسافت اعلام کرده است که تراشههای محاسباتی این شتابدهنده با فناوری ساخت N2P شرکت صنایع نیمهرسانای تایوان تولید خواهند شد. این فناوری بخشی از تلاش شرکت برای ساخت سختافزار تخصصی متناسب با نیازهای پردازش هوش مصنوعی است.
مایا ۳۰۰ از قالبهای عددی کمدقت، از جمله نسخه بهبودیافته MXFP4، نیز پشتیبانی میکند. این قالبها امکان انجام برخی محاسبات با تعداد بیت کمتر را فراهم میکنند و میتوانند مصرف حافظه و حجم انتقال داده را کاهش دهند. در نتیجه، سیستم میتواند در شرایط مناسب بار کاری بیشتری را پردازش کند، بدون آنکه نیاز به افزایش متناسب توان مصرفی داشته باشد.
این تراشه همچنین از ارتباطات پرسرعت میان شتابدهندهها پشتیبانی میکند تا محاسبات یک مدل هوش مصنوعی میان چند پردازنده توزیع شود. مایکروسافت در کنار زیرساخت اترنت، یک سامانه انتقال داده اختصاصی برای هوش مصنوعی نیز در نظر گرفته است.
هر رک مایا ۳۰۰ چه ظرفیتی دارد؟
بر اساس مشخصات اعلامشده از سوی مایکروسافت، هر رک مایا ۳۰۰ شامل ۹۶ شتابدهنده خواهد بود و در محدوده توان ۱۶۷ کیلووات فعالیت میکند. این پیکربندی در مجموع ۲۷٫۶ ترابایت ظرفیت حافظه HBM و ۱٫۷ پتابایت بر ثانیه پهنای باند تجمیعی حافظه ارائه میدهد.
این حجم از توان محاسباتی و حافظه برای افزایش تعداد تعاملات همزمان با هوش مصنوعی و اجرای بارهای کاری سنگینتر طراحی شده است. برای ارائهدهندگان خدمات ابری، چنین افزایشی میتواند بر تعداد درخواستهای قابل پردازش و بهرهوری سرمایهگذاری در زیرساخت تأثیر بگذارد.
با این حال، عملکرد واقعی به نوع مدل، پیچیدگی وظایف و نحوه استفاده از سختافزار بستگی دارد. بنابراین، ارقام اعلامشده بهتنهایی مشخص نمیکنند که کاربران در همه سرویسها چه میزان بهبود سرعت یا ظرفیت را تجربه خواهند کرد.
مایا ۳۰۰ چگونه مسیر مایا ۲۰۰ را ادامه میدهد؟
مایا ۳۰۰ نسل بعدی تراشه اختصاصی هوش مصنوعی مایکروسافت پس از مایا ۲۰۰ است؛ تراشهای که به گفته شرکت، هماکنون در پردازشهای عملیاتی مورد استفاده قرار دارد. این پردازشها شامل برخی قابلیتهای هوش مصنوعی مایکروسافت ۳۶۵ کوپایلت و مدلهای توسعهیافته توسط تیم داخلی هوش مصنوعی شرکت میشوند.
مایکروسافت ادعا میکند مایا ۲۰۰ در قابلیتهای هوش مصنوعی تعبیهشده در تیمز، کوپایلت و کوورک، بهازای هر وات برق تا ۱٫۷ برابر توکن بیشتری نسبت به زیرساختهای پیشرفته مبتنی بر پردازندههای گرافیکی ارائه میدهد. این شرکت برنامه دارد استفاده از مایا ۲۰۰ را تا پایان سال ۲۰۲۶ به گیتهاب کوپایلت و مایکروسافت فاندری نیز گسترش دهد.
حرکت از مایا ۲۰۰ به مایا ۳۰۰ بخشی از راهبرد مایکروسافت برای توسعه سختافزار اختصاصی در کنار زیرساخت ابری خود است. تراشههای تخصصی این امکان را فراهم میکنند که سختافزار متناسب با بارهای کاری پرتکرار طراحی شود و در برخی وظایف، وابستگی به پردازندههای گرافیکی عمومی کاهش یابد.
تأثیر مایا ۳۰۰ بر سرویسهای هوش مصنوعی مایکروسافت
مایکروسافت انتظار دارد مایا ۳۰۰ با افزایش بهرهوری استنتاج، ظرفیت پردازش درخواستها و سرعت پاسخگویی سرویسهای هوش مصنوعی را بهبود دهد. این موضوع بهویژه برای ابزارهایی مانند کوپایلت و تیمز اهمیت دارد؛ سرویسهایی که با گسترش قابلیتهای هوش مصنوعی، به منابع محاسباتی بیشتری نیاز پیدا میکنند.
با این حال، مایا ۳۰۰ قرار است از سال ۲۰۲۷ وارد مرحله استقرار شود و اثر واقعی آن پس از بهکارگیری در سامانههای عملیاتی روشنتر خواهد شد. نتایج آزمونهای مستقل نیز برای مقایسه دقیق عملکرد آن با سختافزارهای رقیب ضروری است.
مایکروسافت با این تراشه میخواهد ظرفیت زیرساخت هوش مصنوعی خود را افزایش دهد و مدلها و عاملهای پیچیدهتر را در مقیاس گستردهتری اجرا کند. طراحی مایا ۳۰۰ بر سه محور اصلی استوار است: بهرهوری استنتاج، عملکرد حافظه و امکان توسعه در مراکز داده بزرگ. میزان موفقیت این راهبرد به عملکرد واقعی تراشه و توانایی شرکت در تبدیل بهبودهای سختافزاری به تجربه بهتر برای کاربران بستگی خواهد داشت.
