پردازنده‌های انویدیا در بهره‌وری محاسباتی و عملکرد به ازای انرژی از چیپ‌های سفارشی گوگل و آمازون پیشی گرفته‌اند، هرچند معیارهای جدیدی مانند هزینه و سرعت تولید توکن رقابت در بازار زیرساخت هوش مصنوعی را پیچیده‌تر کرده‌اند.
به‌گزارش سرویس سخت‌افزار تکناک، بر اساس مقاله جدید مورگان استنلی، بهره‌وری محاسباتی به ازای هر وات (TFLOPS/W) در GPUهای هوش مصنوعی انویدیا تا ۸ برابر بالاتر از چیپ‌های اختصاصی توسعه‌یافته توسط گوگل و آمازون ارزیابی شده است.
در این تحلیل، عملکرد انرژی‌محور پردازنده‌های هوش مصنوعی انویدیا با معماری‌های ASIC سفارشی مانند TPUهای گوگل و ترینیوم آمازون مقایسه شده است. مورگان استنلی همچنین برآورد می‌کند که هزینه سرمایه‌ای ساخت یک دیتاسنتر یک گیگاواتی مبتنی بر Blackwell انویدیا تقریبا دو برابر هزینه ساخت زیرساخت مشابه با استفاده از TPU یا ترینیوم خواهد بود.
پرفروش ترین پاوربانک های بازار
18%پاوربانک 18 وات شیائومی مدل Redmi ظرفیت 20000 میلی‌آمپرساعت
21%پاوربانک 33 وات شیائومی مدل PB2030MI ظرفیت 20000 میلی آمپر ساعت – گلوبال
22%پاوربانک ای دیتا مدل P20000QCD ظرفیت 20000 میلی آمپر ساعت
30%پاوربانک 22.5 وات ریمکس مدل RPP-660 ظرفیت 30000 میلی آمپر ساعت
پاوربانک 25 وات سامسونگ مدل EB-P5300 ظرفیت 20000 میلی‌آمپرساعت
بیشتر بخوانید: مدیرعامل اینتل از «معجزه فناوری 18A» می‌گوید؛ مشتریان در صف خرید هستند
با وجود این اختلاف هزینه، گزارش تاکید می‌کند که سرمایه‌گذاری در اکوسیستم انویدیا به دلیل بهره‌وری بالاتر در مقیاس محاسباتی، توجیه اقتصادی دارد. طبق برآورد این بانک، عملکرد به ازای هر وات در محصولات انویدیا بین ۲ تا ۸ برابر بالاتر از راهکارهای ASIC سفارشی رقبا است؛ موضوعی که جایگاه این شرکت را در بازار زیرساخت هوش مصنوعی تقویت می‌کند.
بر اساس گزارش تحلیلی مورگان استنلی، پردازنده‌های سری Rubin انویدیا در شاخص بهره‌وری محاسباتی به ازای هر وات (TFLOPs/W) فاصله قابل‌توجهی با رقبای خود در بازار چیپ‌های اختصاصی هوش مصنوعی آمازون و گوگل ایجاد کرده‌اند.
مرتبط: جنسن هوانگ: تشبیه تراشه‌های انویدیا به سلاح هسته‌ای احمقانه است
در داده‌های ارائه‌شده در اسلاید همراه این گزارش، عملکرد GPUهای Vera Rubin (FP4)، Vera Rubin (FP8)، GB300 (FP8) و H100 (FP8) مورد ارزیابی قرار گرفته است. در این مقایسه، مدل Vera Rubin FP4 با امتیاز 19.5 در صدر قرار دارد، در حالی که سایر تراشه‌های انویدیا به‌ترتیب امتیازهای 6.8، 6.0 و 3.1 را ثبت کرده‌اند. در سوی دیگر، TPUv7 و Trn3 گوگل به ترتیب با امتیازهای 4.3 و 2.5 در سطحی پایین‌تر قرار گرفته‌اند؛ به‌گونه‌ای که عملکرد آنها میان نسل Blackwell و Hopper یا حتی زیر سطح Hopper طبقه‌بندی می‌شود.
با وجود برتری بهره‌وری پردازنده‌های انویدیا در شاخص انرژی‌محور، ارزیابی‌های جدید صنعت نشان می‌دهد که معیارهای جایگزین نظیر نسبت هزینه به ازای هر میلیون توکن تولیدی در برابر هزینه عملیاتی ساعتی GPU نیز اهمیت دارند.
بر اساس داده‌های ارائه‌شده از سوی Nebius، هزینه تولید هر توکن در تراشه‌های Groq بین ۰.۰۵ تا ۰.۱۰ دلار برآورد شده، در حالی که این رقم برای چیپ‌های Blackwell انویدیا حدود ۰.۲۵ دلار است. همچنین گزارش‌ها حاکی از آن است که سرعت تولید در معماری Groq به حدود ۸۰۰ توکن در ثانیه می‌رسدا؛ موضوعی که نشان‌دهنده تغییر تدریجی معیارهای رقابت در بازار زیرساخت هوش مصنوعی است.
