شرکت Marvell در نمایشگاه Computex 2026 از برنامهای بلندپروازانه برای آینده زیرساختهای هوش مصنوعی پرده برداشت. این شرکت که یکی از بازیگران اصلی حوزه تراشههای شبکه و ارتباطات دیتاسنتری محسوب میشود، قصد دارد با استفاده از نسل جدید ارتباطات نوری، مراکز داده را در فواصل بسیار طولانی به یکدیگر متصل کند. هدف نهایی، اشتراکگذاری منابع پردازشی و GPUها در مقیاسی است که برخی کارشناسان از آن با عنوان «اینترنت GPUها» یاد میکنند.
اگر تصور میکنید مهمترین چالش صنعت هوش مصنوعی ساخت GPUهای قدرتمندتر است، شاید بهتر باشد با ایده متفاوتی که شرکت ماورل ارائه کرده بیشتر آشنا شوید. اینروزها شرکتهای بزرگ فناوری مدتهاست از این مرحله عبور کردهاند و غولهایی مانند گوگل، مایکروسافت، متا و آمازون میتوانند دهها یا حتی صدها هزار شتابدهنده هوش مصنوعی را در مراکز داده خود مستقر کنند. اما مشکل جدید جای دیگری است؛ چگونه میتوان این حجم عظیم از پردازندهها، حافظهها و تجهیزات شبکه را به یکدیگر متصل کرد؟
واقعیت این است که با بزرگتر شدن خوشههای پردازشی، شبکه به مهمترین گلوگاه زیرساختهای هوش مصنوعی تبدیل شده است. انتقال داده میان هزاران GPU به پهنای باند بسیار بالا، تأخیر پایین و مصرف انرژی قابل قبول نیاز دارد؛ موضوعی که روزبهروز پیچیدهتر و پرهزینهتر میشود.
شاید نام مارول در نگاه اول برخی کاربران را یاد دنیای ابرقهرمانهای هالیوودی بیندازد، اما در صنعت فناوری با یکی از مهمترین تأمینکنندگان تراشههای شبکه، پردازندههای ارتباطی، کنترلرهای ذخیرهسازی و تجهیزات زیرساخت مراکز داده روبهرو هستیم؛ شرکتی که بخش مهمی از ستون فقرات شبکههای ابری جهان را تأمین میکند.
بنابر گزارش Tom's Hardware، در چنین شرایطی، شرکت Marvell از چشماندازی بلندپروازانه برای آینده دیتاسنترهای هوش مصنوعی رونمایی کرده است. این شرکت معتقد است نسل بعدی زیرساختهای AI میتواند مرزهای سنتی میان مراکز داده را از بین ببرد.
وقتی دیتاسنترها به جزایر جداگانه تبدیل میشوند
امروزه هر دیتاسنتر عملاً یک واحد مستقل محسوب میشود. حتی در پردیسهای بزرگ ابری نیز معمولاً منابع پردازشی در محدوده جغرافیایی مشخصی متمرکز هستند تا تأخیر ارتباطی به حداقل برسد.
این محدودیت باعث میشود شرکتهای ابری برای افزایش ظرفیت، مجبور به ساخت مراکز داده جدید یا توسعه سایتهای موجود شوند. در حالی که ممکن است در نقطهای دیگر از شبکه، بخشی از منابع پردازشی بلااستفاده باقی مانده باشد.
از دید Marvell، این مدل در عصر هوش مصنوعی چندان بهینه نیست. زمانی که آموزش یک مدل پیشرفته به دهها هزار GPU نیاز دارد، استفاده از منابع پراکنده در چندین مرکز داده میتواند مزیت بزرگی باشد؛ البته به شرط آنکه ارتباط میان این مراکز به اندازه کافی سریع و پایدار باشد.
نسخه مارول برای حل مشکل؛ فیبر نوری به جای مس
راهکاری که مارول پیشنهاد میکند بر پایه ارتباطات نوری فوقسریع بنا شده است. این شرکت در نمایشگاه Computex 2026 اعلام کرد که در حال توسعه فناوریهایی است که میتوانند مراکز داده را در فواصل صدها تا هزاران کیلومتری به یکدیگر متصل کنند.
در قلب این استراتژی، محصولاتی مانند ColorZ 1600 و پردازندههای سیگنال نوری Electra قرار دارند که برای ارتباطات 1.6 ترابیتی بین دیتاسنترها طراحی شدهاند. همچنین سوئیچ Teralynx T100 با ظرفیت 102.4 ترابیت بر ثانیه قرار است نقش ستون فقرات شبکههای AI نسل آینده را ایفا کند.
هدف نهایی این است که منابع پردازشی، حافظه و شبکه در چندین مرکز داده مختلف به شکل یک استخر مشترک در اختیار ارائهدهندگان خدمات ابری قرار گیرند؛ رویکردی که به آن Resource Pooling گفته میشود.
چشمانداز مارول؛ یک ابرکامپیوتر در مقیاس چند شهر
برای درک بهتر موضوع، فرض کنید یک شرکت ابری برای آموزش یک مدل جدید به 100 هزار GPU نیاز دارد.
در معماریهای فعلی، این GPUها باید تا حد ممکن در یک پردیس یا مجموعهای از ساختمانهای نزدیک به هم مستقر شوند. اما در چشمانداز مارول، بخشی از این ظرفیت میتواند در شهری دیگر یا حتی صدها کیلومتر دورتر قرار داشته باشد و همچنان بهعنوان بخشی از همان زیرساخت واحد مورد استفاده قرار گیرد.
در چنین مدلی، ارائهدهندگان خدمات ابری میتوانند منابع خود را متناسب با نیاز بارهای کاری مختلف جابهجا کنند و از ظرفیت بلااستفاده در نقاط مختلف شبکه بهره ببرند.
چرا همه به سمت فوتونیک حرکت کردهاند؟
علت اینکه چرا استفاده از نور بهجای کابلهای فلزی مد نظر قرار گرفته را باید در محدودیتهای ارتباطات الکتریکی جستجو کرد. هرچه سرعت انتقال داده افزایش پیدا میکند، کابلهای مسی با مشکلات بیشتری مانند مصرف انرژی بالا، محدودیت فاصله و افت سیگنال مواجه میشوند.
به همین دلیل تقریباً تمام بازیگران بزرگ صنعت از جمله انویدیا، برودکام و مارول سرمایهگذاری سنگینی روی فناوریهای Silicon Photonics، ارتباطات همدوس (Coherent Optics) و Co-Packaged Optics انجام دادهاند.
در واقع این حوزه به نقطهای رسیده که افزایش تعداد GPUها بدون توسعه زیرساخت ارتباطی دیگر فایده چندانی ندارد. به همین دلیل بسیاری از تحلیلگران معتقدند ارزش استراتژیک شبکه در نسل بعدی AI کمتر از خود پردازندههای گرافیکی نخواهد بود.
یک مانع قدیمی؛ قوانین فیزیک هنوز تغییر نکردهاند
با وجود جذابیت این ایده، یک چالش مهم همچنان پابرجاست؛ تأخیر!
حتی اگر از پیشرفتهترین لینکهای نوری استفاده شود، نور برای طی مسافتهای طولانی به زمان نیاز دارد. به عنوان مثال، ارتباط میان دو مرکز داده با فاصله هزار کیلومتر میتواند چند میلیثانیه تأخیر ایجاد کند؛ عددی که برای برخی بارهای کاری هوش مصنوعی قابل توجه است.
به همین دلیل بسیاری از کارشناسان معتقدند این فناوری در آینده نزدیک بیشتر برای اشتراکگذاری منابع، توزیع بار پردازشی، افزایش تابآوری زیرساخت و مدیریت ظرفیت مورد استفاده قرار خواهد گرفت، نه اینکه چندین دیتاسنتر دور از هم دقیقاً مانند یک سرور واحد رفتار کنند.
نبرد بعدی صنعت AI بر سر GPU نیست
مهمترین نکته در صحبتهای مارول شاید خود فناوری نباشد، بلکه تغییری است که در اولویتهای صنعت ایجاد شده است.
در سالهای اخیر رقابت شرکتها بر سر طراحی شتابدهندههای قدرتمندتر و تولید GPUهای بیشتر بود. اما حالا به نظر میرسد میدان نبرد به سمت شبکه، سوئیچینگ و ارتباطات نوری در حال حرکت است.
اگر GPUها موتور محرک انقلاب هوش مصنوعی باشند، فناوریهایی که مارول روی آنها سرمایهگذاری میکند نقش جادهها، بزرگراهها و زیرساخت حملونقل این انقلاب را بر عهده خواهند داشت. بدون این زیرساختها، حتی قدرتمندترین پردازندههای جهان نیز نمیتوانند در مقیاس مورد نیاز نسل بعدی هوش مصنوعی با یکدیگر همکاری کنند.
به همین دلیل، چشمانداز مارول را باید فراتر از معرفی چند محصول جدید دانست؛ این شرکت در واقع تصویری از آیندهای را ترسیم میکند که در آن مرز میان مراکز داده به تدریج محو شده و منابع پردازشی در مقیاس منطقهای و حتی جهانی به اشتراک گذاشته میشوند. آیندهای که اگر محقق شود، میتواند شکل زیرساختهای هوش مصنوعی را برای همیشه تغییر دهد.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت