ارائه دهندگان ابر عمومی وارد بازار تراشه می شوند

مایکروسافت ، AWS ، Google و دیگران در حال مختل کردن بازارهای CPU و GPU با سیلیکون سفارشی هستند و ما باید شاهد این اتفاق بودیم.

دنیای عمومی محاسبات ابری در نقطه تورم است. ارائه دهندگان ابر در میان یک جهانی در تقاضا برای gpus ، با توجه با توجه به کمبود و افزایش تقاضا ، هیچ مسیری آسان وجود ندارد. بنابراین ، چه کاری می توان انجام داد؟ وقتی شک دارید ، خود را بسازید.

کمبود GPU ، که توسط اختلال در زنجیره تأمین همه گیر و افزایش رقابت برای تراشه های سطح بالا پیچیده شده است ، غول های ابری عمومی را وادار کرده است که به سمت داخل بچرخند. شرکت هایی مانند مایکروسافت ، AWS و Google دیگر برای سخت افزار خارج از قفسه تسویه حساب نمی کنند. درعوض ، آنها در توسعه تراشه های سفارشی هزینه را بر عهده دارند. این تغییر ، در ابتدا پاسخی به کمبودهای فوری ، پتانسیل تغییر شکل صنعت ابر و بازارهای گسترده تر CPU و GPU را دارد. از آنجا که ارائه دهندگان ابر در نوآوری تراشه عمیق تر می شوند ، پیشرفت های آنها باعث تسریع در رقابت و مختل کردن پویایی صنعت دیرینه می شود.

ظهور سیلیکون سفارشی

ارائه دهندگان ابر عمومی همیشه مبتکر بوده اند. به عنوان مثال مایکروسافت را بگیرید. این شرکت در طول کنفرانس سالانه Ignite ، دو تراشه جدید را فاش کرد که قول می دهند مرزهای آنچه ممکن است در سکوی لاجورد باشد ، فشار آورد. azure boost dpu (واحد پردازش داده ها) برای پشتیبانی از داده های بهینه طراحی شده است. در همان زمان ، Azure یکپارچه سازی یکپارچه سازی HSM (سخت افزاری) ماژول امنیت را تقویت می کند. هر دو هدف این است که به چالش های خاص اکوسیستم ابر – بهینه سازی عملکرد و امنیت – در حالی که کمتر به زنجیره های تأمین کننده GPU و CPU سنتی تکیه می کنند.

مایکروسافت تنها کسی نیست که موج می زند. AWS قبلاً خود را با تراشه های سفارشی مانند Trainium برای آموزش یادگیری ماشین ، استنباط برای بارهای کار استنباط و سیستم نیترو آن برای مجازی سازی و امنیت پیشرفته ایجاد کرده است. Google واحدهای پردازش تانسور (TPU) خود را سالها پیش به عنوان یک راه حل سفارشی برای کارهای یادگیری ماشین به بازار آورد. با هم ، این نوآوری ها فقط شکاف باقی مانده توسط GPU های معمولی را پر نمی کنند ، آنها در حال تعریف مجدد نحوه فکر ما در مورد بار کار در مقیاس هستند.

سایر بازیکنان صنعت از این پرونده پیروی می کنند. Nvidia که بیشتر به GPU های خود معروف است ، تراشه های Bluefield را معرفی کرده است ، و AMD در حال تکیه به نمونه کارها Pensando خود است. نتیجه یک اکوسیستم به طور فزاینده ای متکی به شتاب دهنده های سفارشی است که به کارهای خاص تنظیم شده است – فریادی دور از روزهایی که تعداد انگشت شماری از مارک ها بر بازار تراشه حاکم بودند.

رفع کمبود GPU و موارد دیگر

انگیزه فراگیر برای سرمایه گذاری در سیلیکون سفارشی واضح است: GPU های سنتی ، در حالی که قدرتمند هستند ، اغلب بیش از حد قدرت ، گران قیمت و با هدف عمومی برای رسیدگی به خواسته های ظریف محاسبات ابری مدرن هستند. به عنوان مثال ، با تقاضای بیشتر از عرضه GPU های NVIDIA ، راه حل های جایگزین مانند تراشه های طراحی شده با سفارشی کنترل بیشتری بر نسبت عملکرد قیمت ، راندمان انرژی و نیازهای خنک کننده ارائه می دهد.

علاوه بر این ، تراشه های سفارشی امکان ایجاد سیستم های بسیار تخصصی را فراهم می کنند که از پردازنده های هدف کلی برای بارهای کاری خاص بهتر عمل می کنند. تراشه های امنیتی مانند HSM Microsoft ، Nitro AWS ، و Titan Google ، به عنوان مثال ، نشان می دهند که چگونه سخت افزار مناسب می تواند مشکلات طاقچه مانند کاهش تأخیر در کارهای رمزگذاری یا اعتبار سنجی سلامت سیستم را از سطح سخت افزار حل کند. این ارائه دهندگان با انتقال امنیت به سیلیکون اختصاصی ، باعث افزایش مقیاس پذیری ، کاهش هزینه ها و بهبود اعتماد مشتری می شوند – سه ضرورت در بازار ابر رقابت امروز.

این همچنین راه حل برای مسائل ژئوپلیتیکی است که بسیاری از صنایع با آن روبرو هستند. تراشه های سفارشی به ارائه دهندگان ابر عمومی اجازه می دهند بسیاری از موانع تولیدی را که با فروشندگان سنتی CPU و GPU روبرو هستند ، کنار بگذارند. زنجیره های عرضه موجود با اختلافات تجاری آمریکا با چین دست و پنجه نرم می کنند ، این واقعیت که بیشتر تولید نیمه هادی در آسیا متمرکز شده است ، و گسترش مسابقه سیلیکون

توسعه تراشه داخلی با مجموعه چالش های خاص خود همراه است. طراحی ، آزمایش و تولید نیمه هادی ها هیچ شاهکار کوچکی نیست. ارائه دهندگان ابر در یک عرصه با سرمایه بالا و پرخاشگر وارد می شوند که معمولاً توسط شرکت هایی مانند TSMC و سامسونگ تحت سلطه است. برای موفقیت ، آنها باید از نزدیک با تولید کنندگان و معماران تراشه همکاری کنند تا اطمینان حاصل کنند که طرح های تخصصی آنها می تواند به سرعت و مقرون به صرفه تولید شود.