فهرست مطالب
استارتآپ XCENA با تمرکز بر گلوگاه حافظه در زیرساختهای هوش مصنوعی و ساخت تراشه MX1، موفق به جذب ۱۳۵ میلیون دلار سرمایه شده است.
به گزارش سرویس سختافزار تکناک، هر بار که یک درخواست به ChatGPT ارسال میشود، یک زنجیره پردازشی چندمرحلهای فعال میگردد؛ دادهها از حافظه خارج میشوند، وارد CPU برای پیشپردازش میگردند، سپس برای محاسبات سنگین به GPU منتقل میشوند و در نهایت بازمیگردند؛ این چرخه برای هر توکن تولیدشده توسط مدل تکرار میشود. گلوگاه اصلی در این معماری، ماهیت ساختاری دارد و ناشی از نیاز به مسیریابی داده میان گرانترین و پرمصرفترین اجزای محاسباتی (CPU، GPU و حافظه) در هر درخواست است. استارتآپ XCENA با دفاتری در کرهجنوبی و ایالات متحده، دقیقا همین ناکارآمدی را هدف قرار داده است. این استارتآپ چهار ساله، تراشهای ساخته است که با نزدیک کردن لایه محاسبات به DRAM (حافظه موقت و با پهنای باند بالا) امکان انجام بخشی از عملیات داده را در نزدیکی حافظه فراهم میکند و نیاز به انتقالهای مکرر بین CPU، GPU و حافظه را کاهش میدهد.
بیشتر بخوانید: بایت دنس پردازنده اختصاصی هوش مصنوعی خود را می سازد
این معماری میتواند تاثیر قابل توجهی بر هزینه زیرساختهای هوش مصنوعی داشته باشد؛ عاملی که تا حد زیادی محرک علاقه سرمایهگذاران به این استارتآپ بوده است. استارتآپ XCENA در جدیدترین دور سرمایهگذاری سری B خود ۱۳۵ میلیون دلار جذب کرده و به ارزشگذاری ۵۷۰ میلیون دلار رسیده است. مجموع سرمایه جذبشده این استارتآپ به ۱۸۵ میلیون دلار افزایش یافته است. جین کیم، مدیرعامل XCENA، این استارتآپ را در سال ۲۰۲۲ به همراه دو همبنیانگذار دیگر تاسیس کرد؛ هر سه از مدیران پیشین سامسونگ و SK Hynix، دو بازیگر اصلی صنعت حافظه و تامینکنندگان تراشههای مورد استفاده در GPUهای انویدیا هستند. کیم در گفتوگو با TechCrunch عنوان کرد: «در دهههای گذشته، CPU و GPU به طور مداوم پیشرفت کردهاند، اما حافظه تقریبا ثابت مانده است. استارتآپ XCENA قصد دارد این وضعیت را تغییر دهد.» وی تصریح کرد: «افزایش اخیر قیمت حافظه و سهام مرتبط نشاندهنده گذار گستردهتر صنعت هوش مصنوعی به سمت معماریهای حافظهمحور است.»
01
از 02کاهش وابستگی به مسیرهای سنتی CPU–GPU
بر اساس تحلیل کیم، فرض بنیادین XCENA این است که «استنتاج فقط یک مسئله محاسباتی نیست، بلکه به طور فزایندهای به یک مسئله مقیاسپذیری حافظه تبدیل شده است.» تراشه MX1 این شرکت از طریق استاندارد CXL (Compute Express Link) به CPU متصل میشود؛ یک مسیر ارتباطی پرسرعت میان پردازنده و حافظه که امکان پردازش داده را در سطح ماژول حافظه و پیش از انتقال به خارج از آن فراهم میکند. این رویکرد مفهوم «محاسبه نزدیک به داده» (compute-near-data) را پیادهسازی میکند. استارتآپ XCENA مدعی است بارهای کاری که پیشتر به حدود ۱۰ سرور نیاز داشتند، در معماری جدید میتوانند روی یک سرور واحد اجرا شوند. به گفته کیم، اگرچه GPUها در عملیات ماتریسی و آموزش مدلهای یادگیری عمیق عملکرد بهینهای دارند، اما بخش قابل توجهی از چرخه استنتاج شامل پیشپردازش داده، مدیریت KV cache (نگهداری زمینه توکنهای قبلی برای جلوگیری از پردازش مجدد) و کشینگ داده همچنان بر عهده CPU است. تراشه MX1 این عملیات را در سطح ماژول حافظه اجرا میکند و وابستگی به مسیرهای سنتی CPU–GPU را کاهش میدهد.
برای مطالعه بیشتر: یک شرکت نوپای چینی، رکورد فروش کارت گرافیک را شکست
02
از 02بازار هدف شرکت XCENA
تقاضا برای راهکارهای پیشرفته در راستای رفع گلوگاه حافظه در هوش مصنوعی از نیمه دوم سال گذشته با رشد قابل توجهی مواجه شده و استارتآپ XCENA معتقد است که این روند، پنجره زمانی مناسبی برای توسعه فناوریهای آن ایجاد کرده است. گفتوگوهای این شرکت با چند تامینکننده جهانی حافظه همچنان در مراحل اولیه قرار دارد، هرچند جین کیم، از افشای نام طرفهای مذاکره خودداری کرده است. بازار هدف این استارتآپ شامل ابرمقیاسگرها (hyperscalers) است که سالانه دهها میلیارد دلار صرف زیرساختهای هوش مصنوعی میکنند؛ در چنین مقیاسی، حتی بهبودهای جزئی در بهرهوری حافظه میتواند باعث صرفهجویی صدها میلیون دلاری شود. در حال حاضر تراشه MX1 در وضعیت نمونه اولیه قرار دارد و طبق برنامهریزی، تولید انبوه آن در خطوط تولید سامسونگ فاندری تا پایان سال ۲۰۲۶ آغاز خواهد شد. این شرکت پیشبینی میکند از سال ۲۰۲۷ وارد مرحله درآمدزایی شود.
مرتبط: سامسونگ رکورد لایههای فناوری V-NAND را جابهجا کرد
در شرایطی که توسعهدهندگان واحدهای پردازش عصبی (NPU) در تلاش برای رقابت با انویدیا در حوزه بارهای کاری آموزشی هستند، استارتآپ XCENA تمرکز خود را بر لایه زیرین این اکوسیستم قرار داده است؛ یعنی گلوگاه حافظه که بیشترین سهم مصرف منابع را در چرخه پردازش هوش مصنوعی به خود اختصاص میدهد. از منظر رقابتی، Astera Labs و Marvell (شرکتهای فهرستشده در نزدک که در حوزه نسل جدید اتصال و معماریهای حافظه فعالیت میکنند) به عنوان رقبای اصلی این شرکت مطرح هستند. به گفته کیم، Marvell یک بازیگر تثبیتشده و مقیاسپذیر در این بازار است و تمایز اصلی استارتآپ XCENA در مالکیت فکری و معماری اختصاصی آن نهفته است. او تاکید کرد: «ما هزاران هسته پردازشی در اختیار داریم.» در حالی که بر اساس دادههای عمومی، راهکارهای Marvell مبتنی بر تعداد محدودی هسته عمومی هستند.
هستههای پردازشی استارتآپ XCENA بر پایه معماری RISC-V، به عنوان یک چارچوب متنباز طراحی پردازنده، توسعه یافتهاند و به طور خاص برای پردازش داده بهینهسازی شدهاند؛ بهگونهای که هر هسته با رویکردی مینیمال و بهینه از نظر مصرف انرژی طراحی شده است. علاوه بر طراحی هستهها، XCENA معماری سلسلهمراتبی حافظه، گذرگاه ارتباطی داخلی و کنترلر DRAM اختصاصی خود را نیز توسعه داده است؛ سطحی از یکپارچگی عمودی که در بسیاری از شرکتهای نیمههادی، حتی در میان بازیگران بزرگ، معمولا برونسپاری میشود. دور تامین مالی سری B این استارتآپ به رهبری Atinum و IMM Investment و با مشارکت Corstone Asia و سرمایهگذاران فعلی شامل SBI Investment و Mirae Asset Capital انجام شد. استارتآپ XCENA با بیش از ۹۰ نیروی انسانی در دفاتر خود در پانگیو (قطب فناوری در حومه سئول) و سانیویل فعالیت میکند و همزمان در حال مذاکره با سرمایهگذاران بینالمللی برای جذب سرمایههای تکمیلی است.
