پایان انحصار x86 و ARM؟ پشتیبانی CUDA از RISC-V آغاز شد

در اقدامی غیرمنتظره، انویدیا پشتیبانی از RISC-V را به CUDA اضافه کرد؛ اتفاقی که می‌تواند آینده بازار پردازنده‌های هوش مصنوعی را دگرگون کند.

به گزارش تک‌ناک، انویدیا اخیراً اعلام کرده است که پلتفرم پردازشی CUDA اکنون از پردازنده‌های مبتنی‌بر معماری RISC-V نیز پشتیبانی می‌کند. این تحول مهم می‌تواند آغازگر تغییری بزرگ در صنعت هوش مصنوعی باشد و انحصار طولانی‌مدت دو معماری x86 و ARM را به چالش بکشد.

Wccftech می‌نویسد که در سال‌های اخیر، بیشتر پردازنده‌های استفاده‌شده در مراکز داده و سیستم‌های هوش مصنوعی برپایه معماری‌های x86 که اینتل و AMD توسعه‌ داده‌اند و ARM که انویدیا و دیگر شرکت‌های بزرگ فناوری از آن استفاده می‌کنند، طراحی شده‌اند. حالا با اعلام رسمی بنیاد RISC-V مبنی‌بر امکان اجرای بارهای کاری CUDA روی پردازنده‌های خود، این معماری متن‌باز وارد رقابت شده است.

پورت‌شدن پلتفرم CUDA برای معماری RISC-V نه‌تنها به توسعه‌دهندگان امکان می‌دهد تا از این زیرساخت بهره‌مند شوند؛ بلکه گامی مهم برای گسترش پذیرش این معماری در بازار هوش مصنوعی نیز به شمار می‌رود. مهم‌ترین مزیت RISC-V برای این صنعت، بی‌نیازی به پرداخت حق‌امتیاز است. توسعه‌دهندگان می‌توانند این معماری را بدون هزینه لایسنس استفاده و اصلاح و توزیع کنند. این ویژگی به‌ویژه برای استارتاپ‌ها و شرکت‌های کوچک‌تر جذابیت بسیاری دارد.

معماری RISC-V به‌دلیل برخورداری از مجموعه دستورالعمل‌های کمینه، فرایند طراحی و تأیید تراشه‌ها را ساده‌تر می‌کند. این مزیت روند توسعه و آزمایش را سرعت می‌بخشد و آن را به گزینه‌ای مناسب برای پلتفرم‌های هوش مصنوعی در لبه شبکه (Edge AI) تبدیل می‌سازد.

با اینکه بازار هنوز از این معماری استقبال چندانی نکرده است، شرکت‌هایی نظیر Tenstorrent به رهبری جیم کلر در حال پیش‌گامی هستند. Tenstorrent با چیپ‌های Wormhole مدل‌های n150 و n300 قصد دارد تراشه‌هایی قدرتمند و مقرون‌به‌صرفه برای هوش مصنوعی عرضه کند که برپایه RISC-V طراحی شده‌اند.

در مقابل، توسعه‌دهندگان چینی نیز به‌دلیل ماهیت متن‌باز معماری RISC-V، علاقه زیادی به استفاده از آن دارند. اکنون با ورود رسمی CUDA به این اکوسیستم، انتظار می‌رود استقبال از این پلتفرم در شرق آسیا و بازارهای نوظهور افزایش یابد.

درمجموع، آغاز پشتیبانی CUDA از RISC-V را می‌توان نقطه عطفی در مسیر تنوع‌بخشی به معماری‌های پردازشی در هوش مصنوعی دانست؛ مسیری که می‌تواند آینده این صنعت را به‌سمت انعطاف‌پذیری و رقابت‌پذیری و نوآوری بیشتر سوق دهد.