مع تسارع سباق الذكاء الاصطناعي التوليدي، لم تعد المنافسة بين شركات التكنولوجيا تقتصر على تطوير النماذج اللغوية الأكثر تقدما، بل امتدت إلى البنية التحتية التي تشغل هذه النماذج، حيث استثمرت غوغل على مدى سنوات في تطوير شرائحها الخاصة المعروفة باسم وحدات معالجة التنسور (Tensor Processing Units – TPUs) لتدريب وتشغيل نماذج الذكاء الاصطناعي، بما في ذلك عائلة جيميناي، في خطوة تهدف إلى تقليل التكاليف، وتحسين الأداء، وتعزيز استقلالها التقني.
أطلقت غوغل أول جيل من شرائح وحدات معالجة الموتر "تي بي يو" (TPU) عام 2016، موضحة أن الهدف منها هو تسريع عمليات التعلم الآلي مقارنة بالمعالجات التقليدية ووحدات معالجة الرسومات "جي بي يو" (GPU). ووفقا لغوغل، صُممت هذه الشرائح لتنفيذ العمليات الرياضية التي تعتمد عليها الشبكات العصبية بكفاءة عالية، سواء في أثناء تدريب النماذج أو تشغيلها لخدمة المستخدمين.
ومع تطور نماذج جيميناي التي تضم مليارات المعاملات، ازدادت الحاجة إلى بنية حوسبة قادرة على معالجة أحجام ضخمة من البيانات بسرعة وكفاءة. ولهذا تعتمد غوغل على أحدث أجيال "تي بي يو" داخل مراكز بياناتها، كما توفرها لعملاء منصة غوغل كلاود.
رغم أن وحدات معالجة الرسومات من إنفيديا أصبحت المعيار السائد في تدريب نماذج الذكاء الاصطناعي، فإن الطلب العالمي المتزايد عليها أدى إلى ارتفاع أسعارها وصعوبة الحصول عليها في بعض الفترات.
ويرى محللون أن امتلاك غوغل شرائحها الخاصة يمنحها مرونة أكبر في توسيع قدراتها الحاسوبية دون الاعتماد الكامل على مورد خارجي. كما يقلل من المخاطر المرتبطة بسلاسل التوريد، ويمنح الشركة قدرة أكبر على التخطيط طويل الأمد لتطوير نماذجها.
وفي الوقت نفسه، لا تستغني غوغل بالكامل عن شرائح إنفيديا، لكنها تتبع نهجا يجمع بين استخدام وحدات "جي بي يو" وشرائح "تي بي يو" بحسب طبيعة أعباء العمل.
💬 التعليقات (0)