۳۰ آذر ۱۴۰۳

Techboy

اخبار و اطلاعات روز تکنولوژی

به GPU نیاز دارید؟ نگاهی به میکروابرها بیندازید

مطمئناً عدم قطعیت بیشتری برای رفتن به یک ارائه دهنده میکروکلود وجود دارد، اما انتخاب یک شرکت کوچکتر برای خدمات GPU شما ممکن است در پایان نتیجه بزرگی داشته باشد.

مطمئناً عدم قطعیت بیشتری برای رفتن به یک ارائه دهنده میکروکلود وجود دارد، اما انتخاب یک شرکت کوچکتر برای خدمات GPU شما ممکن است در پایان نتیجه بزرگی داشته باشد.

همانطور که اکثر افراد فناوری اطلاعات می‌دانند، پردازنده‌های گرافیکی تقاضای بالایی دارند و برای اجرا و آموزش مدل‌های هوش مصنوعی مولد حیاتی هستند. بخش ابر جایگزین که به عنوان میکروابرها نیز شناخته می شود، افزایش قابل توجهی را تجربه می کند. مشاغلی مانند CoreWeave، Lambda Labs، Voltage Park و Together AI در خط مقدم این حرکت هستند. CoreWeave که به‌عنوان یک سرمایه‌گذاری استخراج ارزهای دیجیتال شروع به کار کرد، به ارائه‌دهنده اصلی زیرساخت‌های GPU تبدیل شده است.

این تغییر روند گسترده‌تری را نشان می‌دهد که در آن شرکت‌ها به طور فزاینده‌ای به خدمات GPU میزبان ابری متکی هستند، عمدتاً به دلیل هزینه بالا و الزامات فنی نصب و نگهداری سخت‌افزار لازم در محل. از آنجایی که ارائه دهندگان ابر عمومی این خدمات محاسباتی را تخفیف نمی دهند، میکروکلودها مسیر بهتری را برای بسیاری از شرکت ها فراهم می کنند.

چرا به خدمات ابری «سنتی» ارائه شده توسط AWS، Google Cloud، و Microsoft Azure که طیف وسیعی از منابع GPU را نیز ارائه می‌دهند، پایبند نیستیم؟ جواب طبق معمول پول است. Microclouds اغلب راه حل مقرون به صرفه تری برای پروژه های هوش مصنوعی هستند که به GPU نیاز دارند. هزینه کرایه پردازنده‌های گرافیکی محبوب مانند A100 40 گیگابایتی Nvidia در CoreWeave یا پلتفرم میکروکلود دیگری در مقایسه با Azure یا Google Cloud می‌تواند به میزان قابل توجهی کمتر باشد (قیمت فعلی را بررسی کنید؛ این یک مشاهده بسیار کلی است).

معرفی GitPod: یک محیط توسعه ابری

شرکت ها، مراقب باشید

با وجود سرزندگی این بخش، آینده تا حدودی نامشخص است. دوام رشد برای این ارائه دهندگان به اطمینان از عرضه ثابت GPU در مقادیر زیاد و با قیمت های رقابتی بستگی دارد. همچنین، با سرمایه‌گذاری شرکت‌های بزرگ ابری در سخت‌افزار پردازش هوش مصنوعی سفارشی، فشارهای رقابتی می‌تواند تشدید شود و به‌عنوان قیمت‌های پایین‌تر ظاهر شود که ارائه‌دهندگان بزرگ ابر را رقابتی نگه می‌دارد.

علاوه بر این، در حالی که پردازنده‌های گرافیکی در حال حاضر به دلیل سرعت و توانایی انجام بسیاری از کارها به طور همزمان برای کارهای هوش مصنوعی ارجح هستند، همه بارهای کاری هوش مصنوعی به GPU نیاز ندارند. همانطور که قبلاً اشاره کردم، پردازنده‌های گرافیکی برای اکثر بارهای کاری هوش مصنوعی تولیدی بیش از حد هستند. این روزها آنها اغلب بیشتر یک نماد وضعیت هستند تا یک ضرورت.

MariaDB SkySQL تجزیه و تحلیل بدون سرور، ویژگی های مدیریت هزینه را اضافه می کند

CPU ها همچنان می توانند برای کارهایی که کمتر به زمان حساس هستند استفاده شوند، جایی که سرعت کمتری قابل قبول است. برخی از پردازنده‌های جدید امیدوارکننده مشابه GPU در حال توسعه هستند که ممکن است پردازش هدفمندتری را برای هوش مصنوعی مولد با هزینه کمتری نسبت به پردازنده‌های گرافیکی فعلی ارائه دهند.

هدف اصلی استفاده از هر منبعی، از جمله پردازنده ها، این است که با کمترین بیشترین کار را انجام دهید. برای اکثر موارد استفاده از هوش مصنوعی، هزینه‌ها بسیاری از شرکت‌ها را به واقعیت بازمی‌گرداند و هیاهو از پنجره بیرون می‌رود.

آینده ای روشن برای میکروکلودها

این یک خبر هشداردهنده برای شرکت هایی است که ممکن است در اثر تبلیغات کور شوند. چشم انداز فوری برای microclouds خوش بینانه است. تحلیلگران انتظار دارند که حوزه رو به رشد هوش مصنوعی مولد به افزایش تقاضا ادامه دهد، که باید راه اندازی های ابری هوش مصنوعی مبتنی بر GPU را تشویق کند.

توصیه من؟ اگر برای پروژه‌های آینده به GPU نیاز است، شرکت‌ها باید راه‌حل‌هایی را در نظر بگیرند که به GPU نیاز دارند. هزینه تعویض، حداقل در حال حاضر، نباید برای اکثر این معماری ها تعیین کننده باشد.

Google برای کمک به شرکت‌ها در بهینه‌سازی هزینه‌های ابری، Pricing API را راه‌اندازی می‌کند

این شرکت‌کنندگان جدید می‌توانند رقابت سختی را برای بازیکنان با سابقه ابر ارائه دهند، به‌ویژه برای مشتریانی که آماده پذیرش فناوری‌های جدیدتر و ارزان‌تر برای مدیریت محیط‌های چند ابری خود هستند. شرکت ها با هزینه های بالای ابری دست و پنجه نرم می کنند که بیش از بودجه آنهاست. یک جایگزین ارزان‌تر، توسعه خوشایند خواهد بود.

تقریباً دو دهه پیش، بازیگران اصلی شروع به ظهور در بازار رایانش ابری کردند. بین سال‌های ۲۰۱۲ تا ۲۰۱۶، با عادی شدن بازار ابری، از حدود سه دوجین شرکت ابری به تعداد انگشت شماری رسیدیم. انتظار دارم همین الگو را در اینجا ببینم.

هر راه اندازی جدید نگرانی های عمده ای دارد. آنها ممکن است بودجه خود را از دست بدهند، توسط بازیکنان بزرگتر شکست بخورند، یا تعداد بی شماری از فاجعه های پیش بینی نشده دیگر را تجربه کنند. به احتمال زیاد آنها در ادامه راه خریداری می شوند و با یک سیستم ابری بزرگتر ترکیب می شوند، یا شاید تعداد کمی از این شرکت های جدید نیروها را ترکیب کنند. برخی از این نتایج برای شرکت‌ها دردسر ایجاد می‌کند، اما اکثر آنها چنین نیستند. آینده ریز ابرها همچنان روشن است.