دیگر کارت گرافیک قدیمی بی‌ارزش نیست؛ هوش مصنوعی قواعد بازی را عوض کرده است

اگر فکر می‌کنید یک کارت گرافیک متعلق به چند سال قبل دیگر ارزش خاصی ندارد، ممکن است با خواندن این خبر نظرتان عوض شود. اخیراً شرکت CoreWeave اعلام کرده یکی از مشتریانش برای استفاده از شتاب‌دهنده‌های NVIDIA A100 تا سال ۲۰۲۹ قرارداد اجاره بسته است. مدیرعامل انویدیا هم با خوشحالی این خبر را تایید کرده است.

شتاب دهنده A100 در اواخر سال ۲۰۲۰ بر پایه ریزمعماری Ampere عرضه شد و در نسخه GA100 به ۶۹۱۲ هسته CUDA و حداکثر ۸۰ گیگابایت حافظه HBM2E مجهز بود. طبیعتاً در مقایسه با نسل‌های جدیدتر Hopper ،Blackwell و Rubin، این مشخصات دیگر چندان جذاب نیستند، اما داستان بازار فعلی هوش مصنوعی کمی متفاوت است.

چرا A100 هنوز زنده است؟

کمبود شدید شتاب‌دهنده‌های گرافیکی و تراشه‌های حافظه باعث شده تقریباً هر واحد توان محاسباتی قابل استفاده همچنان ارزش اقتصادی داشته باشد. در چنین شرایطی A100 با وجود فاصله گرفتن از عملکرد نسل‌های جدید، هنوز می‌تواند برای آموزش و استنتاج مدل‌های هوش مصنوعی گزینه‌ای قابل‌قبول باشد؛ به‌خصوص اگر هزینه اجاره آن به‌مراتب کمتر از شتاب‌دهنده‌های مدرن باشد.

نکته مهم دیگر، وجود ۸۰ گیگابایت حافظه HBM2E در نسخه‌های رده بالا A100 است. هیچ عجیب نیست در شرایطی که ظرفیت حافظه و دسترسی به شتاب‌دهنده‌های جدید به یکی از گلوگاه‌های اصلی زیرساخت‌های AI تبدیل شده، حتی حافظه‌ متعلق به نسل قدیمی‌تر نیز می‌تواند برای برخی محاسبات مربوط به هوش مصنوعی ارزشمند باشد.

جنسن هوانگ در توضیح این موضوع تأکید کرده که ارزش پلتفرم انویدیا فقط به خود تراشه محدود نمی‌شود. به گفته او CUDA باعث شده نرم‌افزارها و ابزارهای توسعه‌دهندگان بتوانند در طول عمر سخت‌افزار، همراه با نسل‌های مختلف GPU به‌روزرسانی شوند.

به بیان ساده‌تر یک شتاب‌دهنده A100 قدیمی الزاماً با همان نرم‌افزاری که در سال ۲۰۲۰ اجرا می‌کرد، امروز مورد استفاده قرار نمی‌گیرد. اکوسیستم CUDA و نرم‌افزارهای انویدیا این امکان را فراهم می‌کنند که سخت‌افزارهای قدیمی‌تر همچنان در بخشی از محاسبات جدید مورد استفاده قرار گیرد.

البته این موضوع به معنای رقابت A100 با شتاب‌دهنده‌های جدید از نظر عملکرد نیست. نسل‌های Hopper ،Blackwell و Rubin از نظر کارایی، بهره‌وری و ظرفیت حافظه فاصله قابل‌توجهی با Ampere دارند. مسئله این است که تقاضای محاسباتی برای هوش مصنوعی آن‌قدر زیاد شده که بازار حتی برای سخت‌افزار قدیمی‌تر نیز جای استفاده پیدا می‌کند.