شرکت OpenAI از نخستین پردازنده اختصاصی خود برای استنتاج (Inference) رونمایی کرد؛ تراشهای که با همکاری شرکت Broadcom طراحی و تولید شده و «Jalapeño» نام دارد. این اقدام را میتوان یکی از مهمترین گامهای OpenAI در مسیر کنترل کاملتر بر زیرساختهای هوش مصنوعی دانست؛ مسیری که بهطور مستقیم هدف آن کاهش وابستگی به GPUهای شرکت Nvidia است.
چرا OpenAI وارد ساخت تراشه شد؟
در سالهای اخیر، رشد مدلهای هوش مصنوعی باعث شده تقاضا برای سختافزارهای پردازشی بهویژه GPUها به شکل انفجاری افزایش پیدا کند. شرکتهایی مثل Google و Amazon نیز مدتهاست با ساخت پردازندههای اختصاصی خود (AI Accelerators) تلاش کردهاند هزینهها را کاهش دهند و عملکرد را بهینه کنند.
حالا OpenAI نیز با همکاری OpenAI وارد همین مسیر شده است. هدف اصلی این شرکت، کاهش هزینههای اجرای مدلها و افزایش بهرهوری در مقیاس بسیار بزرگ است.
همکاری با Broadcom نیز نشان میدهد که این پروژه تنها یک آزمایش ساده نیست، بلکه یک حرکت جدی در سطح صنعتی محسوب میشود.
تراشه Jalapeño دقیقاً چه کاری انجام میدهد؟
برخلاف تراشههایی که برای آموزش مدلهای هوش مصنوعی استفاده میشوند، Jalapeño بهطور ویژه برای Inference طراحی شده است؛ یعنی مرحلهای که مدل از قبل آموزش دیده و حالا باید به درخواست کاربران پاسخ دهد (مثل چتباتها، ابزارهای کدنویسی یا ایجنتها).
به زبان ساده:
- آموزش مدل = ساخت مغز هوش مصنوعی (سنگین و پرهزینه)
- استنتاج = استفاده از آن مغز برای پاسخ دادن (روزمره و پرتکرار)
OpenAI اعلام کرده که این تراشه بهطور خاص برای کاهش هزینه اجرای مدلهای بلادرنگ، مانند مدلهای کدنویسی، بهینه شده است.
نقش هوش مصنوعی در طراحی خودِ تراشه
یکی از نکات جالب این پروژه این است که خود مدلهای OpenAI نیز در فرایند طراحی تراشه نقش داشتهاند. به گفته شرکت، از سیستمهای هوش مصنوعی برای کمک به بهینهسازی طراحی استفاده شده است؛ موضوعی که نشان میدهد AI دیگر فقط مصرفکننده سختافزار نیست، بلکه در ساخت سختافزار هم نقش فعال دارد.
عملکرد و مزیتهای اولیه
اگرچه تراشه Jalapeño هنوز در مرحله آزمایش قرار دارد، اما نتایج اولیه نشان میدهد که:
- عملکرد به ازای هر وات انرژی (Performance-per-watt) به شکل قابل توجهی بهتر از گزینههای موجود است
- هزینه اجرای مدلهای لحظهای کاهش چشمگیری دارد
- برای workloadهای خاص OpenAI بهینهسازی شده است
این موضوع میتواند در مقیاس جهانی تأثیر بزرگی داشته باشد، زیرا بخش بزرگی از هزینه شرکتهای AI مربوط به استنتاج در لحظه (real-time inference) است، نه آموزش مدلها.
چرا این موضوع مهم است؟
مدلهای هوش مصنوعی در حال تبدیل شدن به زیرساخت اصلی محصولات دیجیتال هستند؛ از موتورهای جستجو گرفته تا ابزارهای کدنویسی و دستیارهای شخصی. در چنین شرایطی، هر درصد کاهش هزینه در inference میتواند به میلیاردها دلار صرفهجویی منجر شود.
OpenAI نیز در بیانیه خود تأکید کرده است که این شرکت فقط یک توسعهدهنده مدل نیست، بلکه در حال ساخت کل «ستون فقرات فناوری» است:
از معماری چیپ گرفته تا سیستمهای حافظه، شبکه، زمانبندی و حتی تجربه کاربری.
این یعنی OpenAI در حال حرکت به سمت یک ساختار کاملاً عمودی (Full Stack AI Company) است؛ جایی که از سختافزار تا نرمافزار تحت کنترل یک اکوسیستم واحد قرار دارد.
آینده چه میشود؟
اگر تراشه Jalapeño به موفقیت برسد، چند تغییر مهم در صنعت محتمل است:
- کاهش وابستگی شرکتهای AI به Nvidia
- رقابت شدیدتر در بازار AI Accelerators
- کاهش هزینه استفاده از مدلهای هوش مصنوعی برای کاربران
- سرعت گرفتن توسعه ایجنتهای هوشمند و محصولات real-time
با این حال، احتمالاً OpenAI همچنان برای آموزش مدلهای بسیار بزرگ (pre-training) به GPUهای قدرتمند انویدیا وابسته خواهد ماند. اما در بخش inference — که حجم عظیمی از پردازش روزانه را شامل میشود — این تراشه میتواند بازی را تغییر دهد.
جمعبندی
تراشه Jalapeño فقط یک سختافزار جدید نیست؛ بلکه نشانهای از یک تغییر استراتژیک بزرگ در صنعت هوش مصنوعی است. OpenAI با این حرکت نشان میدهد که آینده رقابت AI فقط در مدلها نیست، بلکه در زیرساختهایی است که این مدلها را اجرا میکنند.
اگر این مسیر ادامه پیدا کند، ممکن است در چند سال آینده شاهد باشیم که شرکتهای AI نهتنها مدل میسازند، بلکه کل «دنیای سختافزار» خودشان را هم طراحی میکنند.