شتاب قراردادهای چندده‌میلیارددلاری تراشه‌های اختصاصی؛ تأمین مالی بیش از ۵۰ میلیارد دلاری برادکام برای OpenAI و تغییر نقش‌ها در زنجیره تأمین

بازار تراشه‌های اختصاصی (ASIC) در کمتر از یک ماه شاهد مجموعه‌ای از توافق‌های تأمین مالی در مقیاس ده‌ها میلیارد دلار بوده است؛ تحولاتی که شیوه همکاری میان تأمین‌کنندگان تراشه و مشتریان آن‌ها را نیز از نو تعریف می‌کند.

بر اساس گزارشی از رسانه ۳۶Kr، شرکت برادکام در حال ترتیب‌دادن تأمین مالی بیش از ۵۰ میلیارد دلاری برای تراشه‌های اختصاصی هوش مصنوعی OpenAI است؛ مذاکرات این توافق هنوز در مراحل ابتدایی قرار دارد. کمتر از یک هفته پیش از انتشار این خبر، توافق تأمین مالی دیگری میان آنتروپیک و برادکام، به ارزش حداکثر ۴۲ میلیارد دلار، برای پرداخت هزینه اجاره ظرفیت پردازشی مبتنی بر واحدهای پردازش تنسوری (TPU) افشا شده بود. به این ترتیب، دو شرکت پیشرو در حوزه مدل‌های هوش مصنوعی، یکی در مسیر توسعه و به‌کارگیری تراشه‌های اختصاصی خود و دیگری در حال گسترش استفاده اجاره‌ای از ظرفیت پردازشی سفارشی، توافق‌های مالی چندده‌میلیارددلاری خود را به ASICها گره زده‌اند.

در بخش طراحی تراشه نیز فعالیت‌ها با سرعت پیش می‌رود. شرکت سیناپسیس (Synopsys) قراردادی چندساله برای مالکیت فکری (IP) با آمازون به ارزش بیش از یک میلیارد دلار امضا کرده و شرکت SEMIFIVE نیز سفارش ۵۲ میلیون دلاری برای توسعه تراشه اختصاصی استنتاج هوش مصنوعی دریافت کرده است. مارول (Marvell) هم در ۶ اکتبر پیش‌بینی درآمد خود از کسب‌وکار تراشه‌های سفارشی در سال مالی ۲۰۲۹ را به بیش از ۱۲ میلیارد دلار افزایش داد. سرمایه‌گذاری مشتریان در پردازش سفارشی اکنون از شتاب‌دهنده اصلی فراتر رفته و خدمات طراحی، مالکیت فکری و تراشه‌های مکمل را نیز در بر می‌گیرد.

توافق‌های تأمین مالی، تأمین‌کنندگان را وارد ساختار سرمایه مشتریان می‌کند

توافق آنتروپیک و برادکام به هزینه‌های پردازشی‌ای مربوط می‌شود که پیش‌تر تعهد آن‌ها پذیرفته شده است. اسنادی که در اول اکتبر منتشر شد نشان می‌دهد تعهد پنج‌ساله آنتروپیک برای اجاره ظرفیت پردازشی TPU حدود ۱۲۵٫۲ میلیارد دلار است و خط تأمین مالی حداکثر ۴۲ میلیارد دلاری می‌تواند حدود یک‌سوم این مبلغ را پوشش دهد. برادکام یا شرکای تأمین مالی منتخب آن، منابع را در قالب بدهی قابل تبدیل فراهم خواهند کرد و انتظار نمی‌رود آنتروپیک پیش از تکمیل عرضه اولیه سهام خود، اوراق بدهی مربوطه را منتشر کند. این خط اعتباری به معنای آن نیست که برادکام همین حالا این مبلغ را نقداً پرداخت کرده است؛ بااین‌حال، رابطه دو طرف را از تأمین و خرید تراشه فراتر می‌برد.

ظرفیت پردازشی مورد بحث با استفاده از TPUهایی تأمین می‌شود که گوگل و برادکام به‌صورت مشترک توسعه داده‌اند. آنتروپیک در آوریل امسال اعلام کرده بود که از سال ۲۰۲۷ دریافت چندین گیگاوات ظرفیت پردازشی اضافی مبتنی بر TPU را آغاز خواهد کرد. توافق مالی کنونی مسیر تأمین منابع لازم برای این برنامه را فراهم می‌کند. برای گوگل، TPUها دیگر صرفاً ابزار پشتیبانی از کسب‌وکارهای داخلی نیستند و به تأمین تقاضای گسترده شرکت‌های بیرونی توسعه‌دهنده مدل نیز کمک می‌کنند؛ امری که ظرفیت عرضه این تراشه‌ها را افزایش می‌دهد. آنتروپیک نیز می‌تواند استفاده از پردازش مبتنی بر ASIC را گسترش دهد، بی‌آنکه ابتدا ناچار باشد تراشه اختصاصی خود را تکمیل کند.

در سوی دیگر بازار، شرکت‌های مستقل تولیدکننده شتاب‌دهنده نیز مشتریان تازه‌ای پیدا کرده‌اند. در ۲۹ سپتامبر، شرکت Cerebras و شرکت General Compute از توافقی چندساله خبر دادند که بر اساس آن، جنرال کامپیوت سیستم‌های سربراس را خریداری، مستقر و راه‌اندازی می‌کند و سپس ظرفیت پردازشی اختصاصی برای استنتاج را به مشتریان می‌فروشد. انتظار می‌رود ارائه این خدمات در سه‌ماهه نخست سال ۲۰۲۷ آغاز شود. نخستین حوزه کاربردی هدف، عامل‌های برنامه‌نویسی هستند؛ برنامه‌هایی که برای تکمیل فرایندهایی مانند برنامه‌ریزی، نوشتن کد، آزمایش و بازبینی، باید به‌طور پیوسته مدل‌ها را فراخوانی کنند. در چنین فرایندهایی، زمان انتظار برای هر بار استنتاج روی هم جمع می‌شود و می‌تواند کل زمان انجام کار را افزایش دهد.

جنرال کامپیوت پیش‌تر یک خط تأمین مالی بدهی ۴۰۰ میلیون دلاری از شرکت Upper90 دریافت کرده بود. این مبلغ ارزش قرارداد خرید تراشه‌های سربراس نیست، اما نشان می‌دهد گونه‌های تازه ارائه‌دهندگان خدمات ابری مسئولیت تأمین مالی سخت‌افزار و بهره‌برداری از آن را بر عهده می‌گیرند. در نتیجه، شرکت‌های پایین‌دستی ارائه‌دهنده خدمات استنتاج می‌توانند ظرفیت پردازشی بخرند، بی‌آنکه مجبور باشند مالک تمام تجهیزات مورد نیاز باشند. این مدل مسیر دیگری برای ورود تولیدکنندگان مستقل تراشه به بازار فراهم می‌کند و لازم نیست هر شرکت ارائه‌دهنده یک برنامه کاربردی مستقیماً خریدار سخت‌افزار شود.

تنها یک روز پیش‌تر، سربراس و شرکت Gimlet Labs نیز از برنامه‌ای برای استقرار ۱۰۰ مگاوات ظرفیت پردازشی استنتاج خبر داده بودند. انتظار می‌رود نخستین مرکز داده متعلق به یکی از شرکای این طرح در اواخر سال جاری میلادی راه‌اندازی شود. پلتفرم گیملت از انواع مختلف تراشه پشتیبانی می‌کند و دو شرکت پیش‌تر برای انجام وظایف استنتاج خصوصی مشتریان با یکدیگر همکاری کرده بودند. این دو همکاری پیاپی، شتاب‌دهنده‌های اختصاصی را وارد کانال‌های خدمات ابری می‌کند و نشان می‌دهد گسترش بازار صرفاً به سامانه‌های تراشه داخلی شرکت‌هایی مانند گوگل و آمازون وابسته نیست.

پیش‌بینی محموله‌ها در برابر واقعیت درآمد

گزارشی پژوهشی از صنعت که در اواخر سپتامبر منتشر شد، پیش‌بینی می‌کند تعداد تراشه‌های ASIC در بازار شتاب‌دهنده‌های پیشرفته هوش مصنوعی ابری در سال ۲۰۲۷ از تعداد GPUها بیشتر شود. بر اساس این گزارش، مجموع محموله‌های شتاب‌دهنده‌های پیشرفته هوش مصنوعی ابری در آن سال حدود ۲۵٫۹۵ میلیون واحد خواهد بود که حدود ۱۵٫۲۶ میلیون واحد آن را ASICها تشکیل می‌دهند. این رقم معادل رشد سالانه حدود ۱۱۱ درصدی و نزدیک به ۶۰ درصد کل محموله‌هاست. بااین‌حال، این شاخص تعداد تراشه‌های عرضه‌شده را اندازه می‌گیرد و نمی‌توان از آن نتیجه گرفت که درآمد ASICها یا توان پردازشی آن‌ها از GPUها بیشتر خواهد شد. همین پیش‌بینی نشان می‌دهد محموله‌های مرتبط با انویدیا همچنان حدود ۱۸ درصد رشد خواهند کرد. هنگامی که تقاضای جدید به‌اندازه کافی بزرگ باشد، هر دو معماری می‌توانند هم‌زمان گسترش یابند.

توجه: بیشتر ارقام بالا سقف قراردادها یا اهداف پیش‌بینی‌شده را نشان می‌دهند و معادل درآمد قطعی یا وجوهی نیستند که تاکنون پرداخت شده‌اند.

استقرار گسترده TPUها همچنان به تعداد محدودی از مشتریان متکی است؛ در مقابل، همکاری‌های جدید برای استفاده از شتاب‌دهنده‌های مستقل باید مراحل راه‌اندازی مراکز داده و انتقال مشتریان را پشت سر بگذارند. تأمین مالی و قراردادهای بلندمدت، تقاضای آینده را زودتر وارد زنجیره تأمین تراشه می‌کنند، اما تحقق خریدهای مستمر همچنان به این بستگی دارد که خدمات پایین‌دستی تا چه اندازه بتوانند از ظرفیت پردازشی عرضه‌شده استفاده کنند.

تراشه‌های داخلی از مرحله طراحی به رک‌های سرور می‌رسند

OpenAI در حال پیشبرد پروژه تراشه داخلی خود به مرحله استقرار است. ریچارد هو، مدیر سخت‌افزار این شرکت، در مصاحبه‌ای در اواخر سپتامبر گفت که تراشه Jalapeño در وهله نخست برای پاسخ‌گویی به نیازهای پردازشی خود OpenAI طراحی شده و فروش آن به مشتریان بیرونی فعلاً در اولویت نیست. جزئیات سامانه که در ۲ اکتبر منتشر شد، نشان می‌دهد این شتاب‌دهنده اختصاصی از پردازنده مرکزی EPYC Turin شرکت AMD به‌عنوان پردازنده میزبان استفاده می‌کند.

بر اساس تقسیم کار اعلام‌شده، برادکام مسئول پیاده‌سازی تراشه و فعالیت‌های مرتبط با شبکه است و شرکت Celestica نیز در یکپارچه‌سازی بردها و سامانه‌های رک مشارکت دارد. به این ترتیب، شرکت توسعه‌دهنده مدل می‌تواند شتاب‌دهنده‌ها را متناسب با کسب‌وکار خود طراحی کند و هم‌زمان از پردازنده‌های مرکزی بالغ و زنجیره تأمین تخصصی سامانه‌ها بهره ببرد. گسترش دامنه طراحی داخلی به این معنا نیست که شرکت باید همه اجزای سرور را از ابتدا بازطراحی کند.

OpenAI هنگام ارزیابی Jalapeño، بهره‌وری انرژی در استنتاج را با ثابت نگه‌داشتن الزامات سرعت پاسخ‌گویی مقایسه کرده و کاهش جابه‌جایی داده‌ها را به یکی از محورهای اصلی طراحی تبدیل کرده است. کنترل بر مدل‌ها، نرم‌افزار و نیازهای واقعی استفاده به این شرکت اجازه می‌دهد معماری تراشه را با تغییرات مربوط به محاسبات و دسترسی به حافظه در جریان استنتاج هماهنگ کند. هو همچنین تأکید کرده است که Jalapeño قابلیت برنامه‌ریزی دارد و می‌تواند مدل‌های مختلف را اجرا کند؛ آزمایش‌های قبلی نیز مدل‌های دارای وزن‌های باز، از جمله DeepSeek و Kimi، را در بر گرفته‌اند. بنابراین، Jalapeño برای همیشه به اجرای یک مدل مشخص در سطح سخت‌افزار محدود نشده است، هرچند پشتیبانی از خانواده‌های جدید مدل همچنان به توسعه هسته‌های محاسباتی اختصاصی و بهینه‌سازی مداوم نیاز دارد.

آمازون در ۲۵ سپتامبر نمونه مشخصی از سازگارکردن مدل با سخت‌افزار را اعلام کرد. پلتفرم هوش مصنوعی تعاملی بلادرنگ Reactor با تیم Neuron شرکت AWS همکاری کرد تا مدل تولید ویدئوی Rolling Forcing را روی یک تراشه Trainium2 اجرا کند. این همکاری امکان تولید بلادرنگ ویدئو با سرعت بیش از ۱۶ فریم در ثانیه را فراهم کرد. برخلاف روش‌هایی که ابتدا کل ویدئو را تولید می‌کنند، این کاربردها باید فریم‌ها را به‌طور پیوسته خروجی دهند و به ورودی کاربر پاسخ دهند؛ بنابراین، تأخیر در سراسر فرایند تولید اهمیت دارد. تیم توسعه برای مدیریت تغییر ابعاد داده‌ها، دسترسی به حافظه و مدیریت حافظه نهان، هسته‌های محاسباتی اختصاصی ساخت و نحوه اجرای مدل روی هسته‌های مختلف تراشه را بازآرایی کرد.

این نتیجه، حجم استقرار تجاری در مقیاس بزرگ را مشخص نمی‌کند و نمی‌توان آن را مستقیماً به مزیت هزینه‌ای در مقایسه با GPUها تبدیل کرد. بااین‌حال، نشان می‌دهد ASICها برای ورود به کاربردهای جدید به چه میزان کار مهندسی نیاز دارند: سازندگان تراشه باید با توسعه‌دهندگان مدل و پلتفرم همکاری کنند تا گلوگاه‌های عملکرد در شرایط واقعی برطرف شوند و عملکرد نظری تراشه به خدمتی قابل استفاده برای کاربران تبدیل شود.

در مقابل، همکاری گیملت و سربراس بر ترکیب انواع مختلف تراشه متمرکز است. پلتفرم گیملت می‌تواند وظایف را بر اساس مرحله استنتاج تقسیم کند تا GPUها و سامانه‌های سربراس هرکدام بخش متناسب با قابلیت‌های خود را اجرا کنند و سپس خدمات از طریق یک رابط یکپارچه در اختیار مشتری قرار گیرد. توسعه‌دهندگان برنامه‌های کاربردی می‌توانند شتاب‌دهنده‌های اختصاصی را به زیرساخت موجود اضافه کنند، بی‌آنکه ناچار باشند کل سرویس را یک‌باره از سامانه مبتنی بر GPU منتقل کنند. در نتیجه، نخستین سهمی که تراشه‌های اختصاصی ممکن است به دست آورند، می‌تواند بخشی از فرایند استنتاج باشد، نه لزوماً کل خوشه پردازشی.

طبق برنامه‌ای که OpenAI پیش‌تر اعلام کرده است، قرار است استقرار Jalapeño تا پایان سال آغاز شود. این شرکت همچنین روشن کرده که استفاده از شتاب‌دهنده‌های انویدیا و دیگر شرکا را ادامه خواهد داد. از تراشه‌های داخلی و سازگارکردن مدل‌ها با سخت‌افزار ابری گرفته تا استقرار ترکیبی، پروژه‌های اخیر همگی در پی تنظیم سخت‌افزار متناسب با وظایف مشخص هستند. تغییری که در برابر تأمین‌کنندگان GPU قرار گرفته، این است که مشتریان اکنون گزینه‌های بیشتری برای تخصیص خریدهای آینده خود دارند. در مقابل، فروشندگان ASIC باید ثابت کنند که می‌توانند این کسب‌وکار را به‌طور مستمر در اختیار بگیرند، نه اینکه تنها یک نمایش موفق از عملکرد تراشه ارائه دهند.

ارائه‌دهندگان خدمات طراحی، زودتر از گذشته وارد پروژه‌ها می‌شوند

شرکت SEMIFIVE در ۲۹ سپتامبر اعلام کرد قراردادی به ارزش حدود ۵۲ میلیون دلار برای توسعه یک ASIC ویژه استنتاج هوش مصنوعی با یک شرکت آمریکایی تولیدکننده تراشه بدون کارخانه امضا کرده است. این قرارداد بزرگ‌ترین سفارش منفرد تاریخ این شرکت تا آن زمان محسوب می‌شود و نخستین پروژه آن در آمریکای شمالی است که بر اساس مدلی اجرا می‌شود که در آن مشتری مشخصات مورد نیاز را ارائه می‌کند و تأمین‌کننده مسئولیت مراحل بعدی توسعه را بر عهده می‌گیرد. مشتری الزامات محصول و اهداف عملکردی را تعیین می‌کند و SEMIFIVE طراحی تفصیلی تراشه، نرم‌افزار، بسته‌بندی، آزمایش و تولید انبوه را انجام می‌دهد. در مقایسه با مدلی که مشتری طراحی اصلی را تکمیل می‌کند و سپس برای پیاده‌سازی از ارائه‌دهنده خدمات کمک می‌گیرد، در این روش تأمین‌کننده زودتر وارد فرایند می‌شود و مسئولیت گسترده‌تری می‌پذیرد. شرکت‌هایی که تیم مهندسی کافی ندارند، می‌توانند کنترل کاربرد محصول و اهداف عملکردی را حفظ کنند و اجرای فنی را به شرکت‌های متخصص بسپارند.

این تراشه استنتاج از حافظه LPDDR6 و رابط PCIe استفاده خواهد کرد و از جمله اهداف طراحی آن، کاهش مصرف انرژی حافظه و هزینه کل مالکیت است. برنامه‌ریزی شده که طراحی آن برای ساخت ویفر در نیمه نخست سال ۲۰۲۷ نهایی شود و تولید انبوه در سال ۲۰۲۸ آغاز شود. از امضای قرارداد تا تحویل محصول هنوز مسیر طولانی‌ای باقی مانده است؛ بنابراین، ارائه‌دهنده خدمات طراحی علاوه بر دریافت سفارش، مسئولیت اعتبارسنجی‌های بعدی، تولید و تحویل را نیز پذیرفته است.

سیناپسیس در ۳۰ سپتامبر از توافقی چندساله با آمازون به ارزش بیش از یک میلیارد دلار خبر داد که بر مالکیت فکری تراشه‌های بهینه‌شده برای کاربردهای مشخص متمرکز است. مالکیت فکری در این حوزه به ماژول‌های طراحی قابل استفاده مجدد اشاره دارد. بهره‌گیری از این ماژول‌ها باعث می‌شود ارائه‌دهندگان خدمات ابری مجبور نباشند همه اجزا را از ابتدا توسعه دهند و بتوانند منابع بیشتری را به معماری و نرم‌افزاری اختصاص دهند که محصولاتشان را از رقبا متمایز می‌کند. سیناپسیس صراحتاً اعلام کرده است که این همکاری کسب‌وکار مالکیت فکری آن را به‌سمت مدلی مبتنی بر دریافت حق مجوز و حق امتیاز متناسب با حجم تولید سوق می‌دهد. در مقایسه با مدلی که درآمد تنها در مرحله طراحی دریافت می‌شود، این روش به تأمین‌کنندگان امکان می‌دهد با افزایش تولید تراشه‌های مشتریان نیز درآمد کسب کنند. جزئیات تخصیص این توافق به محصولات مشخص اعلام نشده است. از آنجا که تراشه‌های سفارشی آمازون کاربردهای محاسبات عمومی، هوش مصنوعی و شبکه را نیز پوشش می‌دهند، نمی‌توان کل مبلغ یک میلیارد دلاری را سفارش تراشه‌های استنتاج هوش مصنوعی به شمار آورد.

افزایش پیش‌بینی درآمد مارول در ۶ اکتبر، بخش دیگری از رشد تقاضای جدید را نشان می‌دهد. این شرکت هدف درآمد کسب‌وکار تراشه‌های سفارشی خود را برای سال مالی ۲۰۲۹ به بیش از ۱۲ میلیارد دلار افزایش داد. مدیران شرکت گفتند که این بازنگری عمدتاً ناشی از تراشه‌های مکمل شتاب‌دهنده‌هاست و به چندین مشتری و پروژه مربوط می‌شود، نه یک تراشه اصلی برای یک مشتری واحد. فرصت‌های سفارشی اعلام‌شده مارول شامل رابط‌های شبکه، امنیت، گسترش حافظه، ذخیره‌سازی و واگذاری وظایف استنتاج به سخت‌افزار اختصاصی است. با توسعه سامانه‌های شتاب‌دهنده، قطعات استاندارد ممکن است دیگر پاسخ‌گوی نیاز مشتریان به پهنای باند، پیکربندی شبکه و قابلیت‌های مدیریتی نباشند. به همین دلیل، ارائه‌دهندگان خدمات ابری بخش بیشتری از طراحی قطعات جانبی را نیز سفارشی می‌کنند. مارول از مالکیت فکری موجود در محصولات شبکه، ذخیره‌سازی و سایر حوزه‌های خود استفاده می‌کند تا بر اساس نیاز مشتریان، طراحی‌های نیمه‌سفارشی یا کاملاً سفارشی ارائه دهد. در نتیجه، فراتر از شتاب‌دهنده اصلی نیز پروژه‌های طراحی بیشتری در همان سامانه شکل می‌گیرد.

این روند همچنین توضیح می‌دهد که چرا تأمین‌کنندگان مالکیت فکری و شرکت‌های خدمات طراحی می‌توانند هم‌زمان با افزایش سرمایه‌گذاری در تراشه‌های داخلی سفارش‌های جدید بگیرند. مشتریان بیش از همه می‌خواهند تعریف محصول، معماری و نرم‌افزار را در کنترل خود داشته باشند، اما لزوماً تمایلی ندارند برای طراحی هر رابط یا تراشه مدیریتی، تیم‌های کامل و مستقلی تشکیل دهند. بااین‌حال، درآمد تراشه‌های مکمل با تعداد محموله‌های شتاب‌دهنده‌های پیشرفته هوش مصنوعی دو شاخص متفاوت‌اند و افزایش هدف درآمد مارول را نمی‌توان مستقیماً نشانه رشد تقاضا برای تراشه‌های اصلی ASIC به همان میزان دانست.

در حال حاضر، رشد بازار ASIC هم دامنه خریداران را گسترش می‌دهد و هم تقسیم کار میان تأمین‌کنندگان را تغییر می‌دهد. شرکت‌های توسعه‌دهنده مدل کنترل بیشتری بر تعریف محصول به دست می‌گیرند، گروه‌های تازه‌ای از ارائه‌دهندگان خدمات ابری مسئولیت استقرار را می‌پذیرند و تأمین‌کنندگان تخصصی سهم بیشتری از طراحی و تولید انبوه را بر عهده می‌گیرند. پس از اعلام سفارش‌های بزرگ، تنها راهکارهایی می‌توانند این موج سرمایه‌گذاری را به سهم بازار پایدار تبدیل کنند که به‌موقع وارد مدار شوند، به‌طور مستمر با مدل‌های جدید سازگار شوند و سفارش‌های نسل بعدی را نیز به دست آورند.