Google Cloud از تراشه جدید مرکز داده Axion مبتنی بر Arm رونمایی کرد

گوگل روز سه‌شنبه به جمع دیگر ارائه‌دهندگان ابری آمازون و مایکروسافت پیوست و سیلیکون سفارشی برای مراکز داده خود را اعلام کرد.

خط پردازشگرهای Axion گوگل نشان دهنده اولین پردازنده های مبتنی بر Arm است که برای مراکز داده طراحی شده اند. امین وحدت، معاون و مدیر کل سیستم‌های یادگیری ماشین و هوش مصنوعی ابری شرکت، در وبلاگی از شرکت نوشت: «اکسیون عملکرد و کارایی انرژی پیشرو در صنعت را ارائه می‌کند و اواخر امسال در اختیار مشتریان Google Cloud قرار خواهد گرفت».

به گفته گوگل، پردازنده‌های Axion تخصص سیلیکونی شرکت را با هسته‌های پردازشی با بالاترین عملکرد Arm ترکیب می‌کنند تا نمونه‌هایی را با حداکثر 30 درصد عملکرد بهتر از سریع‌ترین نمونه‌های مبتنی بر Arm همه منظوره موجود در فضای ابری امروزی و تا 50 درصد بهتر ارائه دهند. عملکرد و تا 60 درصد راندمان انرژی بهتر نسبت به نمونه های مشابه مبتنی بر x86 با نسل فعلی.

باب اودانل، بنیانگذار و تحلیلگر اصلی در Technalysis Research، یک شرکت مشاوره و تحقیقات بازار فناوری در فاستر سیتی، کالیفرنیا، توضیح داد که گوگل سومین شرکت از سه ارائه‌دهنده خدمات ابری بزرگ است که طراحی‌های پردازنده‌های خود را توسعه می‌دهد.

او به دیجیتال تو گفت: «همه این شرکت‌ها می‌خواهند چیزی منحصر به فرد داشته باشند، چیزی که بتوانند نرم‌افزار خود را بنویسند تا با آن کار کنند و کارها را کارآمدتر انجام دهند».

او ادامه داد: «استفاده از انرژی در مرکز داده یکی از بزرگ‌ترین هزینه‌های آن‌ها است و طرح‌های Arm به طور کلی نسبت به اینتل کارآمدتر از انرژی هستند. گوگل قصد ندارد از شر اینتل خلاص شود، اما Axion به آنها گزینه جدیدی می دهد و برای انواع خاصی از حجم کاری، جایگزین بهتری خواهد بود.

ملاحظات بازار نیز وجود دارد. اودانل گفت: «همه یک جایگزین برای انویدیا می خواهند. “هیچ کس شرکتی را نمی خواهد که 90 درصد از سهم بازار را در اختیار داشته باشد، مگر اینکه شما شرکتی باشید که 90 درصد سهم را در اختیار دارید.”

خبر بد برای اینتل

بنجامین لی، استاد مهندسی در دانشگاه پنسیلوانیا، توضیح داد که گوگل می تواند با طراحی پردازنده خود، اجزای سخت افزاری خود را برای عملکرد و کارایی بیشتر سفارشی کند.

او به دیجیتال تو گفت: «بیشتر این کارایی ناشی از ساخت کنترلرهای سفارشی است که محاسبات مهم امنیتی، شبکه و مدیریت سخت افزار را انجام می دهند. این کنترلرهای سخت افزاری سفارشی با انجام محاسبات حسابداری مورد نیاز در سرورهای مرکز داده، مقدار بیشتری از CPU را برای محاسبات در اختیار کاربران و مشتریان قرار می دهند.

وی خاطرنشان کرد: استفاده از پردازنده های Arm در مراکز داده خبر بدی برای اینتل است که در طول تاریخ با پردازنده های x86 خود بر بازار مراکز داده تسلط داشته است.

پردازنده Axion گوگل (تصویر: Google)

رودولفو روزینی، یکی از بنیانگذاران و مدیرعامل Vaire، یک شرکت محاسباتی برگشت پذیر با دفاتری در سیاتل، افزود: «این اعلامیه انتقال سریع از معماری x86 و بیشتر به سمت Arm برای بازار سرور را نشان می دهد، که بزرگترین پاداش برای شرکت های تراشه است. و لندن

او به دیجیتال تو گفت: «من گمان می‌کنم که Arm در درازمدت بیشتر از گوگل از این اعلامیه بهره خواهد برد.

ظهور سیلیکون اختصاصی

Gaurav Gupta، معاون نیمه هادی ها و الکترونیک در Gartner، یک شرکت تحقیقاتی و مشاوره مستقر در استمفورد، کانکتیکات، خاطرنشان کرد: Axion نمونه دیگری از بازیگران بزرگ – مانند اپل و تسلا – است که در طراحی تراشه های خود سرمایه گذاری می کنند.

او به دیجیتال تو گفت: «ما این را به عنوان یک روند اصلی می بینیم. ما آن را OEM Foundry Direct می نامیم، جایی که OEM ها از شرکت های طراحی دور می زنند یا از آنها کمک می گیرند و مستقیماً به ریخته گری می روند تا سیلیکون خود را دریافت کنند. آنها این کار را برای کنترل هزینه و نقشه راه بهتر، هم افزایی IP و موارد مشابه انجام می دهند. ما همچنان شاهد این موارد خواهیم بود.»

شین راو، تحلیلگر نیمه هادی در IDC، یک تحقیق بازار جهانی، توضیح داد که با این اعلام، گوگل وزن مالی و فنی قابل توجه خود را پشت روند بازار نیمه هادی ها – مانند پردازنده ها و شتاب دهنده ها – قرار می دهد تا برای نحوه استفاده از آنها طراحی شوند. شرکت. .

او به دیجیتال تو گفت: «هیچ پردازنده یا شتاب‌دهنده‌ای نمی‌تواند تمام حجم‌های کاری و برنامه‌هایی را که مشتریان ابری گوگل دارند، انجام دهد، بنابراین گوگل انتخاب دیگری برای شتاب پردازنده و هوش مصنوعی به آنها پیشنهاد می‌کند.

TPU v5p در دسترس بودن عمومی

علاوه بر اعلامیه Axion، گوگل در دسترس بودن کلی Cloud TPU v5p، قدرتمندترین و مقیاس پذیرترین واحد پردازش Tensor شرکت تا به امروز را اعلام کرد.

این شرکت در یک پست وبلاگ توضیح داد که این شتاب دهنده برای آموزش برخی از بزرگترین و پرتقاضاترین مدل های هوش مصنوعی مولد طراحی شده است. یک غلاف TPU v5p منفرد حاوی 8960 تراشه است که به صورت هماهنگ کار می‌کنند – بیش از 2 برابر تراشه‌های یک غلاف TPU v4 – و می‌تواند بیش از 2 برابر FLOPS و 3 برابر حافظه با پهنای باند بالا در هر تراشه ارائه دهد.

Dan de Beaubien، رئیس نوآوری در موسسه SANS، یک موسسه جهانی، خاطرنشان کرد: «توسعه Tensor SoC گوگل برای تلفن‌های پیکسل خود و پیشرفت واحدهای پردازش قدرتمندتر Tensor برای استفاده در مراکز داده، بر تعهد Google برای تسریع کارآمد بارهای کاری یادگیری ماشین تاکید می‌کند. سازمان آموزش، آموزش و صدور گواهینامه امنیت سایبری.

او به دیجیتال تو گفت: «این تمایز بر رویکرد گوگل برای بهینه‌سازی محیط موبایل و مرکز داده برای برنامه‌های کاربردی هوش مصنوعی تأکید می‌کند.

عبدالله انور احمد، بنیانگذار Serene Data Ops، یک شرکت مدیریت داده در دوبلین، اوهایو، افزود که TPU گوگل گزینه دیگری را برای خروجی ارزان تر به ابر گوگل اضافه می کند.

هزینه استنتاج چیزی است که کاربران برای اجرای مدل های یادگیری ماشین خود در فضای ابری می پردازند. این هزینه ها می تواند تا 90٪ از کل هزینه مدیریت زیرساخت ML برسد.

احمد به دیجیتال تو گفت: «اگر یک استارت‌آپ از قبل از Google Cloud استفاده می‌کند و هزینه‌های استنتاج آن‌ها از هزینه‌های آموزشی بیشتر می‌شود، ممکن است گزینه خوبی برای کاهش هزینه‌ها، بسته به حجم کار، به Google TPU باشد.

ترویج تاب آوری

علاوه بر بهبود عملکرد، گوگل اشاره کرد که تراشه های جدید Axion به اهداف پایداری آن کمک می کند. وحدت نوشت: مشتریان علاوه بر بهره وری می خواهند کارآمدتر کار کنند و به اهداف پایداری خود برسند. “با پردازنده های Axion، مشتریان می توانند برای بهره وری انرژی بیشتر بهینه سازی کنند.”

مراکز داده انرژی زیادی مصرف می کنند زیرا 24 ساعته و 7 روز هفته کار می کنند. احمد گفت که کاهش مصرف انرژی واقعاً به پایداری کمک می کند.

O'Donnell اضافه کرد: «CPU مبتنی بر Arm نسبت به x86 در مصرف انرژی بسیار کارآمدتر است. “این یک معامله بزرگ است زیرا هزینه های انرژی در این مراکز داده بسیار زیاد است. این شرکت ها باید برای کاهش این میزان تلاش کنند. این یکی از دلایلی است که همه آنها از Arm استفاده می کنند.

او افزود: «از آنجایی که تقاضاهای محاسباتی بیشتر و بیشتر می‌شود، شما نمی‌توانید این کار را برای همیشه انجام دهید، زیرا تنها ظرفیت بسیار زیادی در جهان وجود دارد، بنابراین باید در مورد آن هوشمندتر باشید. “این چیزی است که همه برای آن کار می کنند.”