لم تكن قوة الحوسبة بالذكاء الاصطناعي أكثر جاذبية مما هي عليه الآن.
منذ ظهور اتجاه النماذج الكبيرة ، زاد عدد النماذج الكبيرة وحجمها بشكل كبير في غضون بضعة أشهر فقط.
ارتفعت عشرات المليارات من مئات المليارات من النماذج الكبيرة إلى العشرات ، وولد النموذج الكبير الذي يبلغ تريليون بارامتر رسميًا.
** في ظل هذه التغييرات في الحجم ، يُظهر الطلب على قوة الحوسبة تغييرات جذرية **.
تستحوذ الشركات على مستوى النموذج على خدمات طاقة الحوسبة بأي ثمن تقريبًا. تجاوزت القيمة السوقية لـ Nvidia ذات مرة تريليون دولار أمريكي ، ويتم إعادة تشكيل سوق الحوسبة السحابية بمعدل متسارع ...
ليس هناك شك في أن الطاقة الحاسوبية هي نفس الطاقة الأساسية مثل الطاقة المائية والنفط لتطوير صناعة AIGC.
بعد مقدمة عصر AIGC ، أصبحت كيفية فهم صناعة طاقة الحوسبة مهمة بشكل خاص.
ما نوع قوة الحوسبة التي تحتاجها المؤسسة؟ ما هي التغييرات التي ستحدث في صناعة الطاقة الحاسوبية بسبب صعود AIGC؟ ما هو التكوين الحالي لسوق الطاقة الحاسوبية؟
** "AIGC Computing Power Panorama and Trend Report" ** متوفران لمساعدتك في فهم هذه المشكلات.
في التقرير ، حلل مركز أبحاث qubit بشكل منهجي تكوين قوة حوسبة AIGC والسلسلة الصناعية ، وأشار كذلك إلى ** خمسة اتجاهات جديدة ** لقوة حوسبة AIGC ** وتوقعات التطوير ** ** ثلاث مراحل ** .
تشمل الأفكار الأساسية ما يلي:
بقيادة AIGC ، تتنافس الرقائق على الأداء العالي وقوة الحوسبة الكبيرة ، وتقدم بنية حوسبة جديدة ؛
نشأ خادم AI فجأة ، ويتم تدريب منحنى المكافأة أولاً ثم التفكير ؛
MaaS إعادة تشكيل نموذج الخدمة السحابية ، نموذج أعمال AIGC حلقة مغلقة ؛
الجهاز متعدد الإمكانات من طراز AI جاهز للخروج ، والصناعة التقليدية "خارج الصندوق" ؛
يرافق مركز الحوسبة الذكية تشغيل AIGC ، وأصبح نموذج تأجير طاقة الحوسبة حلاً جديدًا ؛
……
دعونا نلقي نظرة على التفاصيل واحدة تلو الأخرى.
** تجاوز نمو أعمال الشركات المصنعة للخوادم المحلية 30٪ **
من تحليل الوضع الراهن للصناعة ، يشمل الجسم الرئيسي للصناعة بشكل أساسي ما يلي:
رقاقة
خادم AI (الكتلة)
حوسبة سحابية
** طبقة الرقاقة: مساران AIGC يوفران قوة الحوسبة **
في رقائق الحوسبة ، يوجد حاليًا طريقان رئيسيان في الصناعة لتلبية احتياجات طاقة الحوسبة لصناعة AIGC.
الأول هو مسار GPU الذي تمثله Nvidia ، والذي يُسمى ** شريحة عالمية **.
والآخر هو مسار ASIC الذي تمثله Huawei و Cambrian ، والذي يُطلق عليه ** مسار الشريحة الخاصة **.
في الوقت الحاضر ، يجمع هذان المساران أنواعًا مختلفة من اللاعبين ، كما أن مهام الحوسبة التي يقومون بها مختلفة أيضًا.
في إطار مسار الرقائق للأغراض العامة ، يمكنه إكمال مهام حوسبة متنوعة ومناسب للحوسبة المتوازية على نطاق واسع.
أي أن ** شريحة الأغراض العامة (GPU) هي أكثر ملاءمة لقدرة الحوسبة الحالية لـ AIGC **.
تنعكس ميزة المسار المخصص في نسبة كفاءة الطاقة الأفضل في سيناريوهات محددة. نظرًا لأن الرقائق ذات الأغراض الخاصة مصممة لأداء مهام متخصصة أو مخصصة ، فيمكنها تحقيق نسبة كفاءة في استخدام الطاقة وكفاءة حوسبة أفضل من رقائق الأغراض العامة في سيناريوهات محددة **.
لمجرد أن الشرائح المخصصة يمكنها إطلاق كفاءة حوسبة أكبر في سيناريوهات محددة ، فقد أصبحت أيضًا المسار التقني الذي اختاره الإنترنت وموردو السحابة الآخرون عند تطوير رقائقهم الخاصة.
عادةً ما تخدم الرقائق المطورة ذاتيًا لمصنعي سحابة الإنترنت منتجاتهم الخاصة بشكل أساسي ، مع التركيز على أقصى إصدار لأداء الرقاقة في بيئتهم الخاصة.
### ** طبقة الخادم: نمو الأعمال واضح ، ويعتمد أساسًا على عملاء الإنترنت **
طلب AIGC للحوسبة عالية الأداء جعل خوادم الذكاء الاصطناعي أسرع القطاعات نموًا في مجال الخادم.
يتطلب تدريب النموذج الكبير ، مثل GPT-3 ، الكثير من موارد الحوسبة والذاكرة ، وعادة ما يتضمن استخدام الآلاف أو حتى عشرات الآلاف من وحدات معالجة الرسومات لتسريع التدريب.
نظرًا لأن هذه الحسابات لها متطلبات عالية جدًا على أداء الرقاقة ، فإن الأجهزة والبرامج المتخصصة مطلوبة لدعم الحوسبة المتوازية بشكل كبير ونقل البيانات عالي السرعة.
خوادم الذكاء الاصطناعي هي خوادم مصممة خصيصًا للتعامل مع أعباء عمل الذكاء الاصطناعي ، باستخدام مسرعات الأجهزة المتخصصة (مثل وحدات معالجة الرسومات (GPU) ، وأجهزة TPU ، وما إلى ذلك) ، فضلاً عن اتصالات الشبكة عالية السرعة والتخزين لتوفير إمكانات حوسبة عالية الأداء.
في المقابل ، لا تستطيع وحدات المعالجة المركزية (خوادم الأغراض العامة) عادةً تلبية طلب AIGC لقوة الحوسبة القصوى ، وعادةً ما تكون قدرتها الحاسوبية وذاكرتها وسعة التخزين منخفضة. بالإضافة إلى ذلك ، لا تحتوي وحدات المعالجة المركزية (CPU) عادةً على مسرعات أجهزة مخصصة لتوفير حوسبة عالية السرعة.
لذلك ، يحتاج تدريب النموذج واسع النطاق إلى الاعتماد على مجموعات خوادم الذكاء الاصطناعي لتوفير خدمات الحوسبة.
وفقًا لبحث أجرته Qubit Think Tank ، بعد انتشار AIGC هذا العام ، زاد مصنعو الخوادم المحليون بشكل عام أعمالهم بأكثر من 30٪ **.
في الآونة الأخيرة ، رفعت TrendForce أيضًا معدل النمو السنوي المركب لشحنات خوادم الذكاء الاصطناعي من 2022 إلى 2026 إلى 22٪. وراء الطفرة في أعمال خوادم الذكاء الاصطناعي ، لا يزال أكبر المشترين هم شركات الإنترنت.
في عام 2022 ، ستصبح الشركات المصنعة الكبرى مثل ** ByteDance ** و ** Tencent ** و ** Alibaba ** و ** Baidu ** وما إلى ذلك هي المشترين الرئيسيين في نسبة شراء خادم AI. هذا العام ، أدى الحماس للبحث والتطوير على نطاق واسع إلى زيادة الطلب على الشراء لشركات الإنترنت ، مما جعلها لا تزال أكبر مشتر لخوادم الذكاء الاصطناعي.
### ** الحوسبة السحابية: نموذج خدمة MaaS Reshape ، اللاعبون القدامى والجدد يعيدون هيكلة التنافسية **
تم اقتراح نموذج MaaS لأول مرة من قبل علي ، ثم قدمت شركات الإنترنت الكبرى وشركات الذكاء الاصطناعي (مثل SenseTime) نموذج MaaS.
بالإضافة إلى ذلك ، استخدمت شركات مثل عمالقة الإنترنت وهواوي بالفعل رقائق مطورة ذاتيًا في بناء قواعد MaaS.
في عام 2023 ، ستطلق الشركات المصنعة المحلية الرائدة في مجال الخدمات السحابية منصات MaaS الخاصة بها على التوالي ، استنادًا إلى قواعد النماذج الكبيرة ، لتوفير خدمات MaaS الشاملة للمؤسسات ذات موارد الحوسبة المحدودة والافتقار إلى الخبرة المهنية.
بالنسبة لموردي السحابة ، فإن الغرض الرئيسي من خدمات MaaS هو ** مساعدة العملاء على إنشاء نماذج كبيرة خاصة بالصناعة بسرعة **. بناءً على ذلك ، تغير بُعد المنافسة بين موردي السحابة إلى البنية التحتية للطاقة الحاسوبية ، وقدرات النماذج العامة واسعة النطاق ، وقدرات النظام الأساسي / الأداة للذكاء الاصطناعي.
### ** حالة مركز الحوسبة الذكية: مصدر طاقة الحوسبة بالذكاء الاصطناعي على مستوى البنية التحتية ، مما يخلق محركًا جديدًا للنمو الاقتصادي الإقليمي **
من منظور توزيع معدات الحوسبة ، في سوق الخوادم وخوادم الذكاء الاصطناعي ، احتلت بكين ، وقوانغدونغ ، وتشجيانغ ، وشانغهاي ، وجيانغسو المراكز الخمسة الأولى ، مع إجمالي حصة سوقية (الخادم وخادم الذكاء الاصطناعي) بنسبة 75٪ و 90٪ (بيانات 2021).
من منظور التوريد ، تقع معظم مراكز الحوسبة الذكية في المقاطعات ** الشرقية ** و ** الوسطى ** ، وتحتاج أعمال AIGC إلى معالجة البيانات الضخمة ، مما يؤدي إلى ارتفاع تكلفة موارد طاقة الحوسبة في شرق**.
نقل المهام مع متطلبات الحوسبة العالية مثل التدريب على النماذج واسعة النطاق إلى المنطقة الغربية أشكال "** تدريب البيانات الشرقية **" ، والتي يمكن أن تقلل التكاليف بشكل فعال وتحقيق التكلفة الشاملة المثلى لموارد شبكة الحوسبة.
على وجه التحديد ، من أجل حل مشكلات مثل العرض والطلب غير المتوازن للطلب على طاقة الحوسبة ، من الضروري نقل قوة الحوسبة ومهام معالجة البيانات في الشرق إلى المنطقة الغربية بتكاليف أقل من خلال جدولة طاقة الحوسبة. من بينها ، يعد تحسين شبكة الترابط بين الشرق والغرب وشبكة الاتصال المباشر بين العقد المحورية هو المفتاح لتحسين مستوى جدولة طاقة الحوسبة.
من منظور الطلب ، يأتي الطلب على قوة الحوسبة AIGC بشكل أساسي من الشركات المصنعة التي تطور نماذج كبيرة من AIGC ، موزعة بشكل أساسي في منطقة بكين-تيانجين-خبي ، ودلتا نهر اليانغتسي ومنطقة الخليج الكبرى.
** ثورة خادم رقاقة آخذة في الظهور **
يطرح اتجاه النماذج الكبيرة متطلبات جديدة لقوة الحوسبة ويؤدي إلى تغييرات جديدة في الأجهزة الأساسية. لنلق نظرة على مستويين من الرقائق والخوادم:
** مستوى الرقاقة **
في الوقت الحالي ، من بين الرقائق عالية الأداء ، تتمتع Nvidia A100 بميزة مطلقة ، ولدى A100 مخزون في الصين فقط ولكن بدون زيادة.سيعطي السوق المحلي لمصنعي GPU المحليين المزيد من الفرص **.
بالإضافة إلى ذلك ، على مستوى مسبك الشرائح ، لا يوجد حاليًا مسبك محلي يمكنه إجراء عمليات 7 نانومتر وما فوق ، ويختار معظم مصنعي وحدة معالجة الرسومات معالجة ناضجة + حلول تعبئة متقدمة لتحقيق مؤشرات أداء أعلى.
على مستوى مجموعة الخوادم ، يتم تحقيق الحوسبة عالية الأداء من خلال الحوسبة المتوازية متعددة الآلات متعددة البطاقات والشبكة عالية الأداء.
نظرًا لأنه من الصعب اختراق منتج الأجهزة + بيئة CUDA التي أنشأتها Nvidia خلال 10 سنوات ، في المستقبل عندما تكون وحدة معالجة الرسومات عالية الأداء محدودة ، يتوقع المحللون أنه سيكون هناك حلان رئيسيان لطبقة الأجهزة ، آخر حل هو تطوير تقنية GPU + Inter-chip Interconnect لتحقيق حوسبة متوازية على نطاق واسع **.
والآخر هو القفز من بنية فون نيومان و ** تطوير بنية تخزين وحوسبة متكاملة ** لدمج وحدات الحوسبة ووحدات التخزين لتحقيق تحسين كبير في كفاءة الطاقة الحاسوبية.
على مستوى البرامج ، تعد ** الحوسبة القليلة ** و ** بناء شبكة عالية الأداء ** حلين حاليًا.
ينعكس ابتكار الحوسبة المتناثرة في مستوى الخوارزمية ، حيث يتم تقليل حجم حساب البيانات بشكل كبير عن طريق حذف البيانات غير الصالحة أو الزائدة عن الحاجة (عادةً ما تكون هذه البيانات ضخمة) ، مما يؤدي إلى تسريع العملية الحسابية.
الغرض من بناء شبكة عالية الأداء هو تقليل وقت تدريب النماذج الكبيرة. من خلال بناء شبكة عالية الأداء ، تمتلك كل عقدة حوسبة نطاقًا تردديًا فائقًا للاتصال ، مما يؤدي إلى تحسين أداء حركة المرور عدة مرات ، وبالتالي تقصير وقت تدريب النماذج الكبيرة.
### ** مستوى الخادم **
يتزايد الطلب على قوة الحوسبة للنماذج الكبيرة للذكاء الاصطناعي بشكل كبير ، مما يجعل خوادم الذكاء الاصطناعي ذات التكوينات الأعلى الناقل الرئيسي لقوة حوسبة AIGC.
مقارنة بالخوادم التقليدية ، يمكن أن تصل قدرات الحوسبة والتخزين ونقل الشبكة لخوادم الذكاء الاصطناعي إلى مستوى أعلى.
على سبيل المثال ، يعد تكوين خادم NVIDIA DGX A100 مع 8 وحدات معالجة رسومات ووحدة معالجة مركزية أعلى بكثير من تكوين الخوادم التقليدية التي تحتوي على وحدات معالجة مركزية تبلغ 1 ~ 2.
في بلدي ، مركز الحوسبة الذكية هو عبارة عن نظام أساسي للبنية التحتية العامة يوفر موارد طاقة الحوسبة للذكاء الاصطناعي (النماذج الكبيرة) ، ووحدات الطاقة الحاسوبية الخاصة به هي في الأساس خوادم تدريب على الذكاء الاصطناعي وخوادم استنتاج للذكاء الاصطناعي.
مع تطور النماذج الكبيرة ، سيتحول الطلب الرئيسي لخوادم الذكاء الاصطناعي المستقبلية من التدريب إلى الاستدلال. وفقًا لتوقعات IDC ، بحلول عام 2026 ، سيتم استخدام 62.2٪ من قوة الحوسبة الخاصة بـ AIGC لاستدلال النموذج.
** تفرز التغييرات الصناعية فرص عمل جديدة **
علاوة على ذلك ، فإن اتجاه النماذج واسعة النطاق للذكاء الاصطناعي يجلب فرصًا جديدة لصناعة الطاقة الحاسوبية ، كما تظهر نماذج جديدة ومنتجات جديدة وبنى تحتية جديدة.
** قواعد اللعبة الجديدة: MaaS إعادة تشكيل نموذج الخدمة السحابية ، نموذج أعمال AIGC حلقة مغلقة **
تقوم MaaS (نموذج كخدمة) بتضمين نماذج كبيرة في قوة الحوسبة ، والخوارزميات ، وطبقات التطبيق ، وتدمج التطبيقات مع القواعد الذكية ، وتوحيد الإخراج الخارجي.
يتمثل جوهر MaaS في تحسين ودمج التقنيات الأساسية الشائعة في الصناعة في الخدمات لتلبية احتياجات سيناريوهات التطبيق المختلفة.
في عملية التسويق ، ستصبح قدرات النماذج واسعة النطاق وأدوات البرامج الوسيطة الداعمة أبعادًا جديدة للمؤسسات للنظر فيها لموردي الحوسبة السحابية.
تحول تمييز قدرات خدمة الحوسبة السحابية من مستوى قوة الحوسبة إلى قدرة "تكامل الذكاء السحابي". بالإضافة إلى البنية التحتية لقوة الحوسبة ، تغيرت القدرة التنافسية الأساسية إلى القدرة على بناء قوة الحوسبة والنماذج وتطبيقات المشهد في منتجات موحدة.
### ** الأنواع الجديدة: الجهاز متعدد الإمكانات طراز AI جاهز للخروج ، الصناعات التقليدية "خارج الصندوق" **
يدمج الجهاز متعدد الإمكانات من طراز AI البرامج والأجهزة بعمق.وفقًا للاحتياجات المختلفة للمؤسسات ، يتم نشر المنتجات أو الحلول المقابلة على خادم AI مسبقًا وتعبئتها لتشكيل مجموعة كاملة من الحلول.
تنعكس ميزة التكلفة لجهاز الكل في واحد من طراز AI بشكل أساسي في النقاط الثلاث التالية:
سعر الشراء الإجمالي أقل من سعر الشراء المنفصل للبرامج + الأجهزة ؛
يستغرق الأمر وقتًا طويلاً للمؤسسة لشراء الخادم بشكل منفصل وتسليمه إلى مؤسسة AI لنشر البرنامج.يمكن استخدام الجهاز متعدد الإمكانات من طراز AI خارج الصندوق ، تقليل تكلفة التوصيل ؛
تم تقليل عدد الخوادم المطلوبة بشكل كبير ، مما يوفر تكاليف المساحة للعملاء.
### ** بنية تحتية جديدة: مركز الحوسبة الذكية يرافق عمليات AIGC ، يصبح وضع تأجير طاقة الحوسبة حلاً جديدًا **
يمكن لنموذج تأجير طاقة الحوسبة أن يخفض بشكل فعال عتبة تطوير النماذج على نطاق واسع.بالنسبة لشركات النماذج الصغيرة في الصناعات الرأسية التي لا تملك القوة لشراء ما يكفي من خوادم الذكاء الاصطناعي ، فإن النظام الأساسي لقوة الحوسبة العامة سيساعد الشركات الصغيرة والمتوسطة الحجم بناء النماذج المطلوبة الخاصة بهم.
لا تحتاج الشركات إلى شراء خوادم ، ولكن يمكنها الوصول إلى مركز طاقة الحوسبة من خلال مستعرض واستخدام خدمات طاقة الحوسبة.
بالنسبة للمؤسسات الصغيرة والمتوسطة الحجم ، ليست هناك حاجة للاعتماد على قاعدة النماذج الكبيرة التي أنشأها بائعو السحابة من أجل التطوير الثانوي ، ولكن لتطوير نماذج صغيرة من الصناعات العمودية عن طريق استئجار موارد طاقة الحوسبة من منصات طاقة الحوسبة العامة.
** تنبؤات تنمية الصناعة **
باختصار ، يتنبأ مركز الفكر الكيوبت بالتطور المستقبلي لـ AIGC ، والذي يمكن تقسيمه إلى ثلاث مراحل:
فترة البنية التحتية AIGC
فترة تطوير AIGC
فترة عمل AIGC
** فترة البنية التحتية لشركة AIGC **
في الوقت الحالي ، معظم الشركات في طبقة نموذج AIGC في مرحلة ما قبل التدريب ، والمصدر الرئيسي للطلب على الرقائق هو GPU.
في المرحلة الأولية ، ستصبح الشركات المصنعة لوحدات معالجة الرسومات عالية الأداء أكبر المستفيدين.
ومع ذلك ، هناك فجوة كبيرة بين مصنعي GPU المحليين و Nvidia في الوقت الحالي ، والمستفيد الأول هو الطرف المهيمن في سوق الأسهم.
لذلك ، فإن مصنعي خوادم AI المحليين هم موردون أقوياء في هذه المرحلة. في الوقت الحالي ، كان هناك نقص في مجال خادم AI المحلي.
### ** فترة تطوير AIGC **
في مرحلة منتصف المدة (خلال 5 سنوات) ، تكون طبقة القدرة الحاسوبية عبارة عن عملية ميل من التدريب إلى التفكير.
في هذه المرحلة ، ستصبح رقائق التفكير هي جانب الطلب الرئيسي. بالمقارنة مع قوة الحوسبة العالية واستهلاك الطاقة العالي لوحدة معالجة الرسومات (GPU) وما يقابلها من إهدار لقوة الحوسبة ، تولي شريحة الاستدلال مزيدًا من الاهتمام لنسبة الكفاءة الحسابية للرقاقة ، وتتمتع بتحكم أفضل في استهلاك الطاقة والتكلفة. بالإضافة إلى ذلك ، ستكون هذه المرحلة أيضًا فرصة للرقائق المبتكرة.
يتوقع المحللون المزيد من الفرص السوقية للرقائق المتكاملة لحوسبة الذاكرة والرقائق المستوحاة من الدماغ وشرائح السيليكون الضوئية.
في مرحلة الاستدلال ، ستتاح للحوسبة المتطورة فرصًا أكثر من الحوسبة السحابية في مرحلة التدريب.
بادئ ذي بدء ، تميل التطبيقات المقابلة لمرحلة الاستدلال إلى التنوع ، كما أن المتطلبات المتنوعة تجعل الحوسبة السحابية تولد المزيد من إهدار قوة الحوسبة وكفاءة الحوسبة المنخفضة.
ثانيًا ، يمكن أن توفر حوسبة الحافة قوة حوسبة كافية لمنطق النماذج الكبيرة.
في هذه المرحلة ، ستبلغ فترة توزيع أرباح الشركات المصنعة لخوادم الذكاء الاصطناعي ذروتها تدريجياً ، وسيتحول الطلب إلى خوادم للأغراض العامة منخفضة التكلفة ؛ وستتحول الرقائق أيضًا من GPU إلى NPU / ASIC / FPGA / CPU وتتعايش الأشكال الأخرى. من بين مسارات الرقائق المحلية المبتكرة ، ** متفائل بشأن تطوير التخزين المتكامل وبنية الحوسبة **.
### ** فترة عمل AIGC **
بدأت مزايا الابتكار الأساسية للرقائق في الظهور ، وزاد دور الشركات المصنعة للرقائق ذات التقنيات المبتكرة حقًا مثل التخزين وتكامل الحوسبة والرقائق الضوئية والرقائق الشبيهة بالدماغ في السوق.
أنواع الرقائق المطلوبة لقوة حوسبة AIGC أكثر تنوعًا.
لدى الشركات في هذه المرحلة اعتبار أكثر شمولاً لقوة الحوسبة ، ليس فقط بالنظر إلى حجم قوة الحوسبة ، وقد يتجاوز استهلاك الطاقة والتكلفة حجم قوة الحوسبة وتصبح المؤشرات التي تهتم بها الشركات في كل طبقة نموذجية.
** تقرير احصل **
اظغط على الرابط ادناه:
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تم إصدار بانوراما قوة الحوسبة وتقرير الاتجاه من AIGC! يفسر أحد المقالات تكوين قوة الحوسبة في AIGC وسلسلة الصناعة وخمسة أحكام اتجاهية جديدة
المصدر: Qubit
لم تكن قوة الحوسبة بالذكاء الاصطناعي أكثر جاذبية مما هي عليه الآن.
منذ ظهور اتجاه النماذج الكبيرة ، زاد عدد النماذج الكبيرة وحجمها بشكل كبير في غضون بضعة أشهر فقط.
ارتفعت عشرات المليارات من مئات المليارات من النماذج الكبيرة إلى العشرات ، وولد النموذج الكبير الذي يبلغ تريليون بارامتر رسميًا.
** في ظل هذه التغييرات في الحجم ، يُظهر الطلب على قوة الحوسبة تغييرات جذرية **.
تستحوذ الشركات على مستوى النموذج على خدمات طاقة الحوسبة بأي ثمن تقريبًا. تجاوزت القيمة السوقية لـ Nvidia ذات مرة تريليون دولار أمريكي ، ويتم إعادة تشكيل سوق الحوسبة السحابية بمعدل متسارع ...
بعد مقدمة عصر AIGC ، أصبحت كيفية فهم صناعة طاقة الحوسبة مهمة بشكل خاص.
ما نوع قوة الحوسبة التي تحتاجها المؤسسة؟ ما هي التغييرات التي ستحدث في صناعة الطاقة الحاسوبية بسبب صعود AIGC؟ ما هو التكوين الحالي لسوق الطاقة الحاسوبية؟
** "AIGC Computing Power Panorama and Trend Report" ** متوفران لمساعدتك في فهم هذه المشكلات.
في التقرير ، حلل مركز أبحاث qubit بشكل منهجي تكوين قوة حوسبة AIGC والسلسلة الصناعية ، وأشار كذلك إلى ** خمسة اتجاهات جديدة ** لقوة حوسبة AIGC ** وتوقعات التطوير ** ** ثلاث مراحل ** .
دعونا نلقي نظرة على التفاصيل واحدة تلو الأخرى.
** تجاوز نمو أعمال الشركات المصنعة للخوادم المحلية 30٪ **
من تحليل الوضع الراهن للصناعة ، يشمل الجسم الرئيسي للصناعة بشكل أساسي ما يلي:
** طبقة الرقاقة: مساران AIGC يوفران قوة الحوسبة **
في رقائق الحوسبة ، يوجد حاليًا طريقان رئيسيان في الصناعة لتلبية احتياجات طاقة الحوسبة لصناعة AIGC.
الأول هو مسار GPU الذي تمثله Nvidia ، والذي يُسمى ** شريحة عالمية **.
والآخر هو مسار ASIC الذي تمثله Huawei و Cambrian ، والذي يُطلق عليه ** مسار الشريحة الخاصة **.
في الوقت الحاضر ، يجمع هذان المساران أنواعًا مختلفة من اللاعبين ، كما أن مهام الحوسبة التي يقومون بها مختلفة أيضًا.
في إطار مسار الرقائق للأغراض العامة ، يمكنه إكمال مهام حوسبة متنوعة ومناسب للحوسبة المتوازية على نطاق واسع.
أي أن ** شريحة الأغراض العامة (GPU) هي أكثر ملاءمة لقدرة الحوسبة الحالية لـ AIGC **.
تنعكس ميزة المسار المخصص في نسبة كفاءة الطاقة الأفضل في سيناريوهات محددة. نظرًا لأن الرقائق ذات الأغراض الخاصة مصممة لأداء مهام متخصصة أو مخصصة ، فيمكنها تحقيق نسبة كفاءة في استخدام الطاقة وكفاءة حوسبة أفضل من رقائق الأغراض العامة في سيناريوهات محددة **.
لمجرد أن الشرائح المخصصة يمكنها إطلاق كفاءة حوسبة أكبر في سيناريوهات محددة ، فقد أصبحت أيضًا المسار التقني الذي اختاره الإنترنت وموردو السحابة الآخرون عند تطوير رقائقهم الخاصة.
عادةً ما تخدم الرقائق المطورة ذاتيًا لمصنعي سحابة الإنترنت منتجاتهم الخاصة بشكل أساسي ، مع التركيز على أقصى إصدار لأداء الرقاقة في بيئتهم الخاصة.
طلب AIGC للحوسبة عالية الأداء جعل خوادم الذكاء الاصطناعي أسرع القطاعات نموًا في مجال الخادم.
يتطلب تدريب النموذج الكبير ، مثل GPT-3 ، الكثير من موارد الحوسبة والذاكرة ، وعادة ما يتضمن استخدام الآلاف أو حتى عشرات الآلاف من وحدات معالجة الرسومات لتسريع التدريب.
نظرًا لأن هذه الحسابات لها متطلبات عالية جدًا على أداء الرقاقة ، فإن الأجهزة والبرامج المتخصصة مطلوبة لدعم الحوسبة المتوازية بشكل كبير ونقل البيانات عالي السرعة.
خوادم الذكاء الاصطناعي هي خوادم مصممة خصيصًا للتعامل مع أعباء عمل الذكاء الاصطناعي ، باستخدام مسرعات الأجهزة المتخصصة (مثل وحدات معالجة الرسومات (GPU) ، وأجهزة TPU ، وما إلى ذلك) ، فضلاً عن اتصالات الشبكة عالية السرعة والتخزين لتوفير إمكانات حوسبة عالية الأداء.
في المقابل ، لا تستطيع وحدات المعالجة المركزية (خوادم الأغراض العامة) عادةً تلبية طلب AIGC لقوة الحوسبة القصوى ، وعادةً ما تكون قدرتها الحاسوبية وذاكرتها وسعة التخزين منخفضة. بالإضافة إلى ذلك ، لا تحتوي وحدات المعالجة المركزية (CPU) عادةً على مسرعات أجهزة مخصصة لتوفير حوسبة عالية السرعة.
لذلك ، يحتاج تدريب النموذج واسع النطاق إلى الاعتماد على مجموعات خوادم الذكاء الاصطناعي لتوفير خدمات الحوسبة.
وفقًا لبحث أجرته Qubit Think Tank ، بعد انتشار AIGC هذا العام ، زاد مصنعو الخوادم المحليون بشكل عام أعمالهم بأكثر من 30٪ **.
في الآونة الأخيرة ، رفعت TrendForce أيضًا معدل النمو السنوي المركب لشحنات خوادم الذكاء الاصطناعي من 2022 إلى 2026 إلى 22٪. وراء الطفرة في أعمال خوادم الذكاء الاصطناعي ، لا يزال أكبر المشترين هم شركات الإنترنت.
في عام 2022 ، ستصبح الشركات المصنعة الكبرى مثل ** ByteDance ** و ** Tencent ** و ** Alibaba ** و ** Baidu ** وما إلى ذلك هي المشترين الرئيسيين في نسبة شراء خادم AI. هذا العام ، أدى الحماس للبحث والتطوير على نطاق واسع إلى زيادة الطلب على الشراء لشركات الإنترنت ، مما جعلها لا تزال أكبر مشتر لخوادم الذكاء الاصطناعي.
تم اقتراح نموذج MaaS لأول مرة من قبل علي ، ثم قدمت شركات الإنترنت الكبرى وشركات الذكاء الاصطناعي (مثل SenseTime) نموذج MaaS.
بالإضافة إلى ذلك ، استخدمت شركات مثل عمالقة الإنترنت وهواوي بالفعل رقائق مطورة ذاتيًا في بناء قواعد MaaS.
في عام 2023 ، ستطلق الشركات المصنعة المحلية الرائدة في مجال الخدمات السحابية منصات MaaS الخاصة بها على التوالي ، استنادًا إلى قواعد النماذج الكبيرة ، لتوفير خدمات MaaS الشاملة للمؤسسات ذات موارد الحوسبة المحدودة والافتقار إلى الخبرة المهنية.
بالنسبة لموردي السحابة ، فإن الغرض الرئيسي من خدمات MaaS هو ** مساعدة العملاء على إنشاء نماذج كبيرة خاصة بالصناعة بسرعة **. بناءً على ذلك ، تغير بُعد المنافسة بين موردي السحابة إلى البنية التحتية للطاقة الحاسوبية ، وقدرات النماذج العامة واسعة النطاق ، وقدرات النظام الأساسي / الأداة للذكاء الاصطناعي.
من منظور توزيع معدات الحوسبة ، في سوق الخوادم وخوادم الذكاء الاصطناعي ، احتلت بكين ، وقوانغدونغ ، وتشجيانغ ، وشانغهاي ، وجيانغسو المراكز الخمسة الأولى ، مع إجمالي حصة سوقية (الخادم وخادم الذكاء الاصطناعي) بنسبة 75٪ و 90٪ (بيانات 2021).
من منظور التوريد ، تقع معظم مراكز الحوسبة الذكية في المقاطعات ** الشرقية ** و ** الوسطى ** ، وتحتاج أعمال AIGC إلى معالجة البيانات الضخمة ، مما يؤدي إلى ارتفاع تكلفة موارد طاقة الحوسبة في شرق**.
نقل المهام مع متطلبات الحوسبة العالية مثل التدريب على النماذج واسعة النطاق إلى المنطقة الغربية أشكال "** تدريب البيانات الشرقية **" ، والتي يمكن أن تقلل التكاليف بشكل فعال وتحقيق التكلفة الشاملة المثلى لموارد شبكة الحوسبة.
على وجه التحديد ، من أجل حل مشكلات مثل العرض والطلب غير المتوازن للطلب على طاقة الحوسبة ، من الضروري نقل قوة الحوسبة ومهام معالجة البيانات في الشرق إلى المنطقة الغربية بتكاليف أقل من خلال جدولة طاقة الحوسبة. من بينها ، يعد تحسين شبكة الترابط بين الشرق والغرب وشبكة الاتصال المباشر بين العقد المحورية هو المفتاح لتحسين مستوى جدولة طاقة الحوسبة.
من منظور الطلب ، يأتي الطلب على قوة الحوسبة AIGC بشكل أساسي من الشركات المصنعة التي تطور نماذج كبيرة من AIGC ، موزعة بشكل أساسي في منطقة بكين-تيانجين-خبي ، ودلتا نهر اليانغتسي ومنطقة الخليج الكبرى.
** ثورة خادم رقاقة آخذة في الظهور **
يطرح اتجاه النماذج الكبيرة متطلبات جديدة لقوة الحوسبة ويؤدي إلى تغييرات جديدة في الأجهزة الأساسية. لنلق نظرة على مستويين من الرقائق والخوادم:
** مستوى الرقاقة **
في الوقت الحالي ، من بين الرقائق عالية الأداء ، تتمتع Nvidia A100 بميزة مطلقة ، ولدى A100 مخزون في الصين فقط ولكن بدون زيادة.سيعطي السوق المحلي لمصنعي GPU المحليين المزيد من الفرص **.
بالإضافة إلى ذلك ، على مستوى مسبك الشرائح ، لا يوجد حاليًا مسبك محلي يمكنه إجراء عمليات 7 نانومتر وما فوق ، ويختار معظم مصنعي وحدة معالجة الرسومات معالجة ناضجة + حلول تعبئة متقدمة لتحقيق مؤشرات أداء أعلى.
على مستوى مجموعة الخوادم ، يتم تحقيق الحوسبة عالية الأداء من خلال الحوسبة المتوازية متعددة الآلات متعددة البطاقات والشبكة عالية الأداء.
نظرًا لأنه من الصعب اختراق منتج الأجهزة + بيئة CUDA التي أنشأتها Nvidia خلال 10 سنوات ، في المستقبل عندما تكون وحدة معالجة الرسومات عالية الأداء محدودة ، يتوقع المحللون أنه سيكون هناك حلان رئيسيان لطبقة الأجهزة ، آخر حل هو تطوير تقنية GPU + Inter-chip Interconnect لتحقيق حوسبة متوازية على نطاق واسع **.
والآخر هو القفز من بنية فون نيومان و ** تطوير بنية تخزين وحوسبة متكاملة ** لدمج وحدات الحوسبة ووحدات التخزين لتحقيق تحسين كبير في كفاءة الطاقة الحاسوبية.
على مستوى البرامج ، تعد ** الحوسبة القليلة ** و ** بناء شبكة عالية الأداء ** حلين حاليًا.
ينعكس ابتكار الحوسبة المتناثرة في مستوى الخوارزمية ، حيث يتم تقليل حجم حساب البيانات بشكل كبير عن طريق حذف البيانات غير الصالحة أو الزائدة عن الحاجة (عادةً ما تكون هذه البيانات ضخمة) ، مما يؤدي إلى تسريع العملية الحسابية.
الغرض من بناء شبكة عالية الأداء هو تقليل وقت تدريب النماذج الكبيرة. من خلال بناء شبكة عالية الأداء ، تمتلك كل عقدة حوسبة نطاقًا تردديًا فائقًا للاتصال ، مما يؤدي إلى تحسين أداء حركة المرور عدة مرات ، وبالتالي تقصير وقت تدريب النماذج الكبيرة.
يتزايد الطلب على قوة الحوسبة للنماذج الكبيرة للذكاء الاصطناعي بشكل كبير ، مما يجعل خوادم الذكاء الاصطناعي ذات التكوينات الأعلى الناقل الرئيسي لقوة حوسبة AIGC.
مقارنة بالخوادم التقليدية ، يمكن أن تصل قدرات الحوسبة والتخزين ونقل الشبكة لخوادم الذكاء الاصطناعي إلى مستوى أعلى.
على سبيل المثال ، يعد تكوين خادم NVIDIA DGX A100 مع 8 وحدات معالجة رسومات ووحدة معالجة مركزية أعلى بكثير من تكوين الخوادم التقليدية التي تحتوي على وحدات معالجة مركزية تبلغ 1 ~ 2.
في بلدي ، مركز الحوسبة الذكية هو عبارة عن نظام أساسي للبنية التحتية العامة يوفر موارد طاقة الحوسبة للذكاء الاصطناعي (النماذج الكبيرة) ، ووحدات الطاقة الحاسوبية الخاصة به هي في الأساس خوادم تدريب على الذكاء الاصطناعي وخوادم استنتاج للذكاء الاصطناعي.
مع تطور النماذج الكبيرة ، سيتحول الطلب الرئيسي لخوادم الذكاء الاصطناعي المستقبلية من التدريب إلى الاستدلال. وفقًا لتوقعات IDC ، بحلول عام 2026 ، سيتم استخدام 62.2٪ من قوة الحوسبة الخاصة بـ AIGC لاستدلال النموذج.
** تفرز التغييرات الصناعية فرص عمل جديدة **
علاوة على ذلك ، فإن اتجاه النماذج واسعة النطاق للذكاء الاصطناعي يجلب فرصًا جديدة لصناعة الطاقة الحاسوبية ، كما تظهر نماذج جديدة ومنتجات جديدة وبنى تحتية جديدة.
** قواعد اللعبة الجديدة: MaaS إعادة تشكيل نموذج الخدمة السحابية ، نموذج أعمال AIGC حلقة مغلقة **
تقوم MaaS (نموذج كخدمة) بتضمين نماذج كبيرة في قوة الحوسبة ، والخوارزميات ، وطبقات التطبيق ، وتدمج التطبيقات مع القواعد الذكية ، وتوحيد الإخراج الخارجي.
يتمثل جوهر MaaS في تحسين ودمج التقنيات الأساسية الشائعة في الصناعة في الخدمات لتلبية احتياجات سيناريوهات التطبيق المختلفة.
في عملية التسويق ، ستصبح قدرات النماذج واسعة النطاق وأدوات البرامج الوسيطة الداعمة أبعادًا جديدة للمؤسسات للنظر فيها لموردي الحوسبة السحابية.
تحول تمييز قدرات خدمة الحوسبة السحابية من مستوى قوة الحوسبة إلى قدرة "تكامل الذكاء السحابي". بالإضافة إلى البنية التحتية لقوة الحوسبة ، تغيرت القدرة التنافسية الأساسية إلى القدرة على بناء قوة الحوسبة والنماذج وتطبيقات المشهد في منتجات موحدة.
يدمج الجهاز متعدد الإمكانات من طراز AI البرامج والأجهزة بعمق.وفقًا للاحتياجات المختلفة للمؤسسات ، يتم نشر المنتجات أو الحلول المقابلة على خادم AI مسبقًا وتعبئتها لتشكيل مجموعة كاملة من الحلول.
تنعكس ميزة التكلفة لجهاز الكل في واحد من طراز AI بشكل أساسي في النقاط الثلاث التالية:
يمكن لنموذج تأجير طاقة الحوسبة أن يخفض بشكل فعال عتبة تطوير النماذج على نطاق واسع.بالنسبة لشركات النماذج الصغيرة في الصناعات الرأسية التي لا تملك القوة لشراء ما يكفي من خوادم الذكاء الاصطناعي ، فإن النظام الأساسي لقوة الحوسبة العامة سيساعد الشركات الصغيرة والمتوسطة الحجم بناء النماذج المطلوبة الخاصة بهم.
لا تحتاج الشركات إلى شراء خوادم ، ولكن يمكنها الوصول إلى مركز طاقة الحوسبة من خلال مستعرض واستخدام خدمات طاقة الحوسبة.
بالنسبة للمؤسسات الصغيرة والمتوسطة الحجم ، ليست هناك حاجة للاعتماد على قاعدة النماذج الكبيرة التي أنشأها بائعو السحابة من أجل التطوير الثانوي ، ولكن لتطوير نماذج صغيرة من الصناعات العمودية عن طريق استئجار موارد طاقة الحوسبة من منصات طاقة الحوسبة العامة.
** تنبؤات تنمية الصناعة **
باختصار ، يتنبأ مركز الفكر الكيوبت بالتطور المستقبلي لـ AIGC ، والذي يمكن تقسيمه إلى ثلاث مراحل:
** فترة البنية التحتية لشركة AIGC **
في الوقت الحالي ، معظم الشركات في طبقة نموذج AIGC في مرحلة ما قبل التدريب ، والمصدر الرئيسي للطلب على الرقائق هو GPU.
في المرحلة الأولية ، ستصبح الشركات المصنعة لوحدات معالجة الرسومات عالية الأداء أكبر المستفيدين.
ومع ذلك ، هناك فجوة كبيرة بين مصنعي GPU المحليين و Nvidia في الوقت الحالي ، والمستفيد الأول هو الطرف المهيمن في سوق الأسهم.
لذلك ، فإن مصنعي خوادم AI المحليين هم موردون أقوياء في هذه المرحلة. في الوقت الحالي ، كان هناك نقص في مجال خادم AI المحلي.
في مرحلة منتصف المدة (خلال 5 سنوات) ، تكون طبقة القدرة الحاسوبية عبارة عن عملية ميل من التدريب إلى التفكير.
في هذه المرحلة ، ستصبح رقائق التفكير هي جانب الطلب الرئيسي. بالمقارنة مع قوة الحوسبة العالية واستهلاك الطاقة العالي لوحدة معالجة الرسومات (GPU) وما يقابلها من إهدار لقوة الحوسبة ، تولي شريحة الاستدلال مزيدًا من الاهتمام لنسبة الكفاءة الحسابية للرقاقة ، وتتمتع بتحكم أفضل في استهلاك الطاقة والتكلفة. بالإضافة إلى ذلك ، ستكون هذه المرحلة أيضًا فرصة للرقائق المبتكرة.
يتوقع المحللون المزيد من الفرص السوقية للرقائق المتكاملة لحوسبة الذاكرة والرقائق المستوحاة من الدماغ وشرائح السيليكون الضوئية.
في مرحلة الاستدلال ، ستتاح للحوسبة المتطورة فرصًا أكثر من الحوسبة السحابية في مرحلة التدريب.
بادئ ذي بدء ، تميل التطبيقات المقابلة لمرحلة الاستدلال إلى التنوع ، كما أن المتطلبات المتنوعة تجعل الحوسبة السحابية تولد المزيد من إهدار قوة الحوسبة وكفاءة الحوسبة المنخفضة.
ثانيًا ، يمكن أن توفر حوسبة الحافة قوة حوسبة كافية لمنطق النماذج الكبيرة.
في هذه المرحلة ، ستبلغ فترة توزيع أرباح الشركات المصنعة لخوادم الذكاء الاصطناعي ذروتها تدريجياً ، وسيتحول الطلب إلى خوادم للأغراض العامة منخفضة التكلفة ؛ وستتحول الرقائق أيضًا من GPU إلى NPU / ASIC / FPGA / CPU وتتعايش الأشكال الأخرى. من بين مسارات الرقائق المحلية المبتكرة ، ** متفائل بشأن تطوير التخزين المتكامل وبنية الحوسبة **.
بدأت مزايا الابتكار الأساسية للرقائق في الظهور ، وزاد دور الشركات المصنعة للرقائق ذات التقنيات المبتكرة حقًا مثل التخزين وتكامل الحوسبة والرقائق الضوئية والرقائق الشبيهة بالدماغ في السوق.
أنواع الرقائق المطلوبة لقوة حوسبة AIGC أكثر تنوعًا.
لدى الشركات في هذه المرحلة اعتبار أكثر شمولاً لقوة الحوسبة ، ليس فقط بالنظر إلى حجم قوة الحوسبة ، وقد يتجاوز استهلاك الطاقة والتكلفة حجم قوة الحوسبة وتصبح المؤشرات التي تهتم بها الشركات في كل طبقة نموذجية.
** تقرير احصل **
اظغط على الرابط ادناه: