مقاله توسط: TrendForce
انتظار می‌رود موج جدید علاقه‌مندی‌ها برای شرکت‌کنندگان در سراسر زنجیره تامین پردازنده‌های گرافیکی و تراشه‌های هوش مصنوعی مزایایی به همراه داشته باشد.
ورود اخیر ChatGPT سر و صدای زیادی در بخش های صنعت مرتبط با محاسبات ابری و هوش مصنوعی (AI) ایجاد کرده است. غول‌های فناوری مانند مایکروسافت، گوگل و بایدو همگی محصولات و خدماتی را ساخته‌اند که برگرفته از فناوری‌های «هوش مصنوعی مولد» هستند.
بر اساس آخرین گزارش TrendForce TrendForce Trends and Challenges in Development Applications AI as India Generated AI (AIGC) بر اساس آخرین گزارش TrendForce، انتظار می رود این موج جدید علاقه مزیت هایی را برای شرکت کنندگان در سراسر زنجیره تامین پردازنده های گرافیکی و تراشه های هوش مصنوعی به همراه داشته باشد.
این شرکت کنندگان عبارتند از NVIDIA، TSMC، Unimicron، و AIchip، به نام چند. با این حال، چالش‌هایی در رابطه با پذیرش و بهینه‌سازی مرتبط با عملکرد محصولات و خدماتی وجود دارد که با هوش مصنوعی تولید می‌شوند. علاوه بر این، تجربه کاربر در هسته یک فناوری مبتنی بر هوش مصنوعی قرار دارد و شامل حفاظت از اطلاعات شخصی و دقت پاسخ به درخواست‌های محتوا می‌شود. بنابراین، با حرکت هوش مصنوعی مولد به مرحله بعدی توسعه، احتمالاً مسائل نظارتی پدیدار خواهد شد.
【دانلود】ابزار مکان و مسیر Aprisa برای SoC های کم مصرف
TrendForce می گوید هوش مصنوعی مولد ادغام انواع مختلف الگوریتم ها، مدل های از پیش آموزش دیده و یادگیری ماشین چندوجهی را نشان می دهد. موارد قابل توجه عبارتند از Generative Adversarial Network (GAN)، Contrast Language-Image Pre-Training (CLIP)، Transformer و Diffusion. هوش مصنوعی مولد الگوها را در داده‌ها یا دسته‌ای از اطلاعات موجود جستجو می‌کند و به طور کارآمد محتوایی را که برای سناریوهایی مانند جمع‌آوری و تجزیه و تحلیل داده‌ها، تعاملات اجتماعی، کپی‌نویسی و غیره مناسب است، تولید می‌کند. در حال حاضر اپلیکیشن‌های زیادی با هوش مصنوعی تولیدی در بازار وجود دارد. و رایج ترین نوع خروجی از آنها شامل متون، تصاویر، موسیقی و کدهای نرم افزار است.
داده ها، قدرت محاسباتی و الگوریتم ها سه عامل ضروری هستند که توسعه هوش مصنوعی مولد را هدایت می کنند. همچنین، در حالی که ساخت محصولات و خدمات مبتنی بر هوش مصنوعی نسبتا آسان است، بهینه سازی آنها بسیار دشوارتر است. از این نظر، شرکت‌های بزرگ ابری در موقعیت سودمندتری قرار دارند، زیرا دارای مقادیر زیادی از منابع ضروری هستند.
از دیدگاه توسعه دهندگان این محصولات، ربات های چت موجود مانند ChatGPT نه تنها می توانند با کاربران به زبان طبیعی مکالمه کنند، بلکه تا حدودی نیاز به “درک” ورودی کاربران را برآورده می کنند. از این رو، داشتن توانایی بهتر برای درک نیاز یا خواسته کاربران، به نوبه خود می تواند پیشنهادات بیشتری را به پرسش ها و پاسخ های کاربران ارائه دهد. و از آنجایی که استفاده از موتور جستجوی اینترنتی تقریباً یک عادت برای اکثر مردم در سراسر جهان است، فوری ترین وظیفه شرکت های بزرگ ابری ادامه بهینه سازی موتورهای جستجوی خود است.
آخرین تحقیقات TrendForce نشان می‌دهد که گوگل همچنان رهبر مطلق بازار جهانی موتورهای جستجوی اینترنتی با سهم بازار بیش از 90 درصد است. مایکروسافت با بینگ خود اکنون تنها 3 درصد از سهم بازار را در اختیار دارد و بعید است در کوتاه مدت تهدید قابل توجهی باشد. با این حال، Bing در حال جذب کاربران بیشتری است که می توانند در بازخورد داده ها و چرخه بهینه سازی مدل مشارکت داشته باشند. بنابراین، گوگل باید مراقب احتمال ایجاد تمایز مایکروسافت در خدمات مرتبط با جستجو باشد و شاید انواع خاصی از فرصت‌ها را در حوزه تبلیغات آنلاین به دست آورد.
انتظار می رود AIchip و eMemory تایوان از افزایش تقاضا برای پردازنده های گرافیکی و تراشه های مرتبط با هوش مصنوعی سود ببرند.
هوش مصنوعی مولد به حجم عظیمی از داده ها برای آموزش نیاز دارد، بنابراین استقرار تعداد زیادی پردازنده گرافیکی با کارایی بالا به کوتاه شدن زمان آموزش کمک می کند. در مورد ترانسفورماتور از پیش آموزش دیده (GPT) که زیربنای ChatGPT است، تعداد پارامترهای آموزشی مورد استفاده در توسعه این مدل زبان خودرگرسیون از حدود 120 میلیون در سال 2018 به تقریباً 180 میلیارد در سال 2020 افزایش یافت.
طبق برآورد TrendForce، تعداد GPUهایی که مدل GPT برای پردازش داده های آموزشی در سال 2020 نیاز داشت به حدود 20000 واحد رسید. پیش‌بینی می‌شود که تعداد پردازنده‌های گرافیکی مورد نیاز برای تجاری‌سازی مدل GPT (یا ChatGPT) به بیش از 30000 عدد برسد. توجه داشته باشید که این تخمین ها از A100 NVIDIA به عنوان مبنای محاسبات استفاده می کنند.
از این رو، با تبدیل شدن AI مولد به یک روند، انتظار می رود تقاضا برای GPU ها به طور قابل توجهی افزایش یابد و در نتیجه برای شرکت کنندگان در زنجیره تامین مرتبط مفید باشد. به عنوان مثال، NVIDIA احتمالاً بیشترین سود را از توسعه هوش مصنوعی مولد خواهد برد. DGX A100 آن، که یک سیستم جهانی برای بارهای کاری مرتبط با هوش مصنوعی است، 5 پتافلاپ را ارائه می دهد و تقریباً به بهترین گزینه برای تجزیه و تحلیل داده های بزرگ و شتاب هوش مصنوعی تبدیل شده است.
علاوه بر NVIDIA، AMD همچنین به طور متوالی تراشه های سرور MI00، MI200 و MI300 را راه اندازی کرده است که به طور گسترده برای برنامه های کاربردی مبتنی بر هوش مصنوعی استفاده می شود. با توجه به شرکت‌های مستقر در تایوان در زنجیره تامین مرتبط، TSMC به عنوان برترین کارخانه ریخته‌گری تراشه‌های محاسباتی پیشرفته به ایفای نقش کلیدی ادامه خواهد داد. Nan Ya PCB، Kinsus، و Unimicron تامین کنندگان این جزیره برای بسترهای ABF هستند که می توانند از این موج در حال ظهور تقاضا استفاده کنند. در مورد توسعه دهندگان تراشه های هوش مصنوعی از تایوان، نمونه هایی از جمله GUC، AIchip، Faraday Technology و eMemory هستند.
ChatGPT برای تبدیل شدن به یک رهبر در میان محصولات و خدمات مرتبط با هوش مصنوعی شروع به کار کرده است، زیرا این امکان را به مصرف کنندگان می دهد تا از این فناوری به شیوه ای بسیار راحت و تعاملی استفاده کنند. در آینده، TrendForce پیش‌بینی می‌کند که هوش مصنوعی مولد در مرحله اولیه توسعه، عمدتاً وارد برنامه‌هایی مانند خدمات مشتریان صوتی، دستیار صوتی، بازی و خرده‌فروشی خواهد شد. از آنجایی که بازیگران اصلی این بازار هنوز در حال بهینه سازی محصولات خود هستند، بازیگران کوچکتر نیز در تلاش برای ساخت محصولات جدید محدود هستند. TrendForce معتقد است که رشد مداوم هوش مصنوعی مولد به این بستگی دارد که آیا نسل بعدی محصولات و خدمات توسط مصرف کنندگان به عنوان نوآورانه و کاربردی در نظر گرفته شود یا خیر.
جدای از توسعه محصول، صنایعی که درگیر هوش مصنوعی مولد هستند با چالش هایی در رابطه با مقررات و منابع آموزشی برای یادگیری ماشینی مواجه خواهند شد. در حال حاضر نگرانی‌هایی در مورد اینکه آیا شرکت‌هایی که محصولات و خدماتی مانند ChatGPT ارائه می‌دهند، می‌توانند از حریم خصوصی داده‌های کاربران محافظت کنند و اطمینان حاصل کنند که انواع خاصی از محتوا مانند اخبار «دقیق» یا «معتبر» هستند، وجود دارد. علاوه بر این موارد، موضوع رعایت قوانین و مقررات محلی نیز وجود دارد. با عطف به منابع آموزشی، بهینه‌سازی مؤثر مدل‌های هوش مصنوعی به این بستگی دارد که آیا ارائه‌دهندگان خدمات پلت‌فرم دانش در مرتب‌سازی، فیلتر کردن و یکپارچه‌سازی انواع مختلف داده‌ها که سپس برای آموزش در اختیار توسعه‌دهندگان مدل‌های هوش مصنوعی قرار می‌گیرند، کار خوبی انجام می‌دهند یا خیر.
