مایکروسافت در اقدامی راهبردی برای کاهش وابستگی به انویدیا، در حال توسعه مجموعهای از ابزارهای هوش مصنوعی است که کدهای مبتنی بر CUDA را به نسخههای سازگار با ROCm در GPUهای AMD تبدیل میکند؛ اقدامی که میتواند توازن قدرت در بازار پردازشهای استنتاجی را تغییر دهد.
به گزارش سختافزار تکناک، مایکروسافت در حرکتی راهبردی برای کاهش وابستگی خود به اکوسیستم نرمافزاری انویدیا مجموعهای از «Toolkits» جدید را توسعه داده است که میتواند مدلهای مبتنی بر CUDA را به کدهای سازگار با ROCm در GPUهای AMD تبدیل کند. این اقدام میتواند نقطهعطفی در رقابت میان دو غول دنیای هوش مصنوعی، یعنی NVIDIA و AMD باشد.
مرتبط: پایان انحصار x86 و ARM؟ پشتیبانی CUDA از RISC-V آغاز شد
به گفته یک کارمند ارشد در مایکروسافت، این شرکت در حال بررسی راههایی است تا از «پشتهی» پردازندههای گرافیکی AMD برای بارهای کاری استنتاج (Inference) استفاده کند؛ بخشی که بهگفته کارشناسان، اکنون در بازار هوش مصنوعی از مرحله آموزش (Training) اهمیت بیشتری پیدا کرده است.
یکی از دلایل اصلی سلطهی طولانیمدت انویدیا بر حوزهی هوش مصنوعی، وجود اکوسیستم نرمافزاری قوی CUDA است که رقبا، از جمله AMD، هنوز جایگزینی کامل برای آن ندارند. هرچند تلاشهایی برای پشتیبانی متقابل میان پلتفرمها صورت گرفته، هیچکدام به راهحل اصلی و پذیرفتهشده بازار تبدیل نشدهاند. اما مایکروسافت با توسعه این Toolkits میخواهد این معادله را تغییر دهد.
طبق اظهارات این کارمند، مایکروسافت توانسته ابزارهایی بسازد که کدهای CUDA را به نسخههای سازگار با ROCm ترجمه میکنند و اجازه میدهند این مدلها روی GPUهای AMD مانند سری 300X اجرا شوند. او اشاره کرده است که مایکروسافت در همکاری نزدیک با AMD روی مدلهای جدیدتر، از جمله 400X و 450X نیز کار میکند تا عملکرد این پردازندهها را در محیط Azure بهینه کند.
مرتبط: اجرای مستقیم کدهای CUDA روی گرافیکیهای AMD
شکستن سلطه CUDA کار سادهای نیست، زیرا این فناوری بهقدری در صنعت هوش مصنوعی نهادینه شده که حتی کشورهای پیشرفته در شرق آسیا نیز بهشدت به آن متکی هستند. با این حال، مایکروسافت احتمالاً از روشی مشابه ابزارهایی مانند ZLUDA استفاده میکند. این ابزارها تماسهای API در CUDA را رهگیری کرده و بدون نیاز به بازنویسی کامل سورسکد، آنها را به دستورات سازگار با ROCm ترجمه میکنند.
مرتبط: تراشه نوری 100 گیگاهرتزی چین رکورد سرعت را شکست
با وجود این پیشرفتها، چالشهایی نیز وجود دارد. چون ROCm هنوز پلتفرمی نسبتاً «نابالغ» است، بسیاری از تماسهای API یا قطعات خاص در CUDA معادل مستقیمی در نرمافزار AMD ندارند. این مسئله میتواند باعث افت عملکرد در مراکز داده بزرگ شود و ریسکهای فنی قابلتوجهی به همراه داشته باشد.
به نقل از wccftech، گزارشها همچنین احتمال میدهند که یکی از نسخههای این Toolkits، یک ابزار مهاجرت ابری یکپارچه برای پلتفرم Azure باشد که به کاربران اجازه میدهد پروژههای خود را بین GPUهای AMD و انویدیا جابهجا کنند. هرچند این فرآیند در مقیاس بالا ممکن است پیچیده باشد، اما فعلاً به نظر میرسد مایکروسافت استفاده از این ابزارها را در سطح محدودی آغاز کرده است.
دلیل اصلی مایکروسافت برای دنبال کردن این مسیر نرمافزاری، افزایش چشمگیر تقاضا برای بارهای استنتاجی است. این شرکت به دنبال راهحلی مقرونبهصرفهتر نسبت به GPUهای گرانقیمت انویدیا است و تراشههای هوش مصنوعی AMD را گزینهای جذاب میداند. از آنجا که مدلهای مبتنی بر CUDA هنوز بخش جداییناپذیری از محیطهای استنتاج هستند، ترجمه آنها به ROCm، گام بعدی بزرگ مایکروسافت در مسیر استقلال از NVIDIA محسوب میشود.
مرتبط: این فناوری جدید هزینه تولید تراشه را ۱۰ برابر کاهش میدهد
