جدال ظرفیت محاسباتی چین و چالش جدید برای انویدیا

در یک جلسه سرمایه‌گذاری، لیانگ ون‌فنگ صریح و بی‌پرده صحبت کرد. مدیرعامل دیپ‌سیک تصویری خام و تقریباً سینمایی ترسیم کرد: چین با شتاب در حال جبران فاصله‌ی ظرفیت محاسباتی است که زمانی غیرقابل پر کردن به نظر می‌رسید، و رهبر قدیمی ممکن است از سرعت تغییر میدان غافلگیر شود.

دیپ‌سیک در حال حاضر معادل حدوداً ۲۰٬۰۰۰ واحد از تراشه‌های اچ‌۱۰۰ انویدیا را در اختیار دارد، که بیشتر آن‌ها در یک یا دو ماه گذشته وارد شده‌اند. این ظرفیت بزرگ به نظر می‌رسد. هست. اما در عمل تنها اجازه می‌دهد در هر زمان تقریباً ۱۰ میلیارد پارامتر فعال شوند. این را با مدل‌های سطح‌بالایی که امروزه می‌توانند هم‌زمان حدود ۸۰۰ میلیارد پارامتر را فعال نگه دارند مقایسه کنید. تفاوت کوچک نیست. تفاوت ساختاری است.

نقش هواوی در معادله

لیانگ به‌طور مشخص گره‌های آتلس ۹۵۰ هواوی را، که با پردازنده‌های اسِند ۹۵۰ نیرو می‌گیرند، به‌عنوان یک جایگزین واقعی برجسته کرد. ادعای او تحریک‌آمیز بود: اگرچه یک اسِند ۹۵۰ به‌تنهایی کارایی کمتری نسبت به یک اچ‌۱۰۰ انویدیا دارد، اما در عمل خوشه‌ای از این گره‌های هواوی می‌تواند عملکرد سرتاسر رقابتی با رک‌های جی‌بی۲۰۰ و جی‌بی۳۰۰ انویدیا ارائه دهد. او گفت محاسبه‌ها تقریباً به‌صورت چهار اسِند در برابر هر یک تراشهٔ انویدیا به‌نظر می‌رسند، ولی توان کلی و تاخیر می‌توانند آن‌قدر نزدیک شوند که جایگزینی امکان‌پذیر شود.

انویدیا در حال کندن قبر خود است، او هشدار داد. لیانگ استدلال کرد که تفاوت‌های قیمتی کمتر اهمیت دارند، زیرا حتی اگر سخت‌افزار هواوی ۵۰، ۱۰۰ یا ۲۰۰ درصد گران‌تر باشد، توانایی استقرار در مقیاس و مزایای سیاسی زنجیرهٔ تأمین داخلی می‌تواند از مقایسه‌های صرف هزینه پیشی بگیرد.

یک اما وجود دارد. آموزش مدل‌های بزرگ و پیشرفته به‌طرز بی‌رحمانه‌ای ولع زیادی دارد. برای آموزش مدلی در مقیاس غول‌های فعلی هوش مصنوعی، لیانگ برآورد می‌کند که به حدود ۵۰٬۰۰۰ پردازندهٔ معادل کلاس جی‌بی۳۰۰ انویدیا یا تقریباً ۲۰۰٬۰۰۰ چیپ اسِند ۹۵۰ نیاز خواهید داشت. این‌ها فقط ارقام آموزش هستند؛ پژوهش و آزمایشات به‌تنهایی نیازهای محاسباتی خود را اضافه می‌کنند. این توضیح می‌دهد که چرا شکاف منابع محاسباتی بین چین و ایالات متحده همچنان بزرگ‌ترین مانع واحد باقی مانده است.

پس دیپ‌سیک دربارهٔ این موضوع چه می‌کند؟ فعلاً شرکت زیرساخت خود را به‌طور تهاجمی گسترش می‌دهد. اما لیانگ همچنین بر میدان نبرد دیگری تأکید کرد: داده‌ها. او گفت برچسب‌گذاری باکیفیت گلوگاه کندکننده است. می‌توان تراشه‌ها را صرف یک مشکل کرد، اما اگر برچسب‌ها و مجموعه‌داده‌های دستچین‌شده عقب باشند، پیشرفت متوقف می‌شود. شرکت‌هایی مانند اوپن‌ای‌آی و آنتروپیک در اینجا پیشتاز هستند چون زودتر وارد شدند و منابع بیشتری را به برچسب‌گذاری باکیفیت اختصاص دادند.

استخراج نتیجه فقط دربارهٔ تراشه‌ها یا غرور ملی نیست. موضوع مجموعه‌ای از سخت‌افزار، نرم‌افزار، استعداد و زمان است. چین در حال ساخت ظرفیت محاسباتی است. هم‌زمان در کار خسته‌کننده و کم‌جلوهٔ نظافت مجموعه‌داده‌ها و برچسب‌گذاری سرمایه‌گذاری می‌کند. اگر هر دو مسیر پیشرفت کنند، نقشهٔ رقابت هوش مصنوعی می‌تواند ظرف چند سال شکل بسیار متفاوتی به خود بگیرد.

پیام لیانگ صریح اما استراتژیک بود: این یک نبرد واحد بر سر یک تراشهٔ واحد نیست. این یک کارزار طولانی است که در آن جایگزین‌هایی که زمانی درجه دوم به‌نظر می‌رسیدند، وقتی در مقیاس بزرگ اجرا و در یک پشتهٔ کامل یکپارچه شوند، می‌توانند تعیین‌کننده شوند. این تغییر ممکن است لحظه‌ای باشد که انویدیا بعداً به آن بازگردد و آن را نقطهٔ عطف بداند.