نسل سوم تراشه هوش مصنوعی Maia 300 چهل درصد بازدهی توکن بیشتری به ازای هر مگاوات ارائه داده و استقرار عملیاتی آن در دیتاسنترها از سال ۲۰۲۷ آغاز می‌شود.
فهرست مطالب
مایکروسافت از نسل سوم تراشه هوش مصنوعی Maia 300 رونمایی کرد تا با کاهش وابستگی به رقبا، راندمان پردازش خدمات ابری خود را ارتقا دهد.
به گزارش سرویس سخت افزار تکناک، مایکروسافت نسل سوم تراشه هوش مصنوعی اختصاصی خود با عنوان Maia 300 را به عنوان سیستم اصلی استنتاج برای خدمات ابری و محصولات نرم‌افزاری خود معرفی کرد. این پردازنده اختصاصی علاوه بر کاهش هزینه‌های عملیاتی و بهینه‌سازی پردازش ابری، برای میزبانی از مدل‌های استدلالی پیشرفته و عاملی طراحی شده است و استقرار عملیاتی آن در دیتاسنترها از سال ۲۰۲۷ آغاز می‌شود.
توسعه Maia 300 نشان‌دهنده تغییر استراتژی مایکروسافت به سمت استقلال سیلیکونی در حوزه پردازش هوش مصنوعی است. اسکات گاتری، معاون اجرایی بخش ابری مایکروسافت، اعلام کرده است که این شتاب‌دهنده چهل درصد بازدهی توکن بیشتری به ازای هر مگاوات در مقایسه با سیستم‌های مبتنی بر پردازنده‌های گرافیکی پیشرو ارائه می‌دهد. علاوه بر این، استفاده از یک چینش کامل ۹۶ عددی از این شتاب‌دهنده‌ها در مقیاس رک، توان پردازش توکن را در مقایسه با مدل قبلی تا هفت برابر ارتقا می‌دهد.
هدف کاهش وابستگی به رقبا
چنین بهینه‌سازی‌هایی در نسل جدید تراشه‌های Maia زمینه را فراهم می‌کند تا مایکروسافت در سال‌های آینده استفاده از تراشه‌های شرکت‌های NVIDIA و AMD را کاهش داده و زیرساخت خانواده Azure Maia را تا مقیاس‌های چند گیگاواتی برای تامین نیازهای پردازشی خود گسترش دهد.
معماری پیشرفته تراشه برای استدلال
به‌نوشته ورج، سرعت تحولات سخت‌افزاری در مایکروسافت قابل توجه است، زیرا پردازنده پیشین یعنی Maia 200 در ماه ژانویه رونمایی شده بود. آن شتاب‌دهنده هم‌اکنون وظیفه اجرای بخش عمده‌ای از پردازش‌های حیاتی مانند سرویس‌های Microsoft Copilot، GitHub Copilot، پلتفرم Microsoft Foundry و مدل‌های زبانی درونی را بر عهده دارد و طبق ارزیابی‌های فنی این شرکت، بهترین کارایی ناوگان ابری را به ثبت رسانده است. با این حال، نسل جدید برای مواجهه با چالش‌های پیچیده‌تر معماری نرم‌افزاری شامل پاسخ‌دهی بلادرنگ در مکالمات حساس به تاخیر، استدلال روی متن‌های طولانی و فعالیت‌های پیوسته چندمرحله‌ای بهینه‌سازی شده است.
از بعد مهندسی، این تراشه بر پایه لیتوگرافی N2P شرکت تایوانی TSMC و معماری چیپلت پیاده‌سازی شده است. تیم مهندسی زیرساخت سخت‌افزاری این شرکت با تفکیک فیزیکی بخش‌های محاسباتی، کنترل‌کننده حافظه و کانال‌های ورودی و خروجی، تراکم سیلیکونی اختصاص‌یافته به بخش پردازش را به حداکثر رسانده‌اند تا هر واحد عملکردی از بهینه‌ترین ساختار ممکن استفاده کند. مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، طراحی هم‌زمان الگوریتم و سیلیکون را پیش‌شرط اصلی رقابت مستقیم با مراکزی مانند گوگل، DeepMind، OpenAI و Anthropic دانسته و هم‌راستایی مدل‌های درونی با تراشه‌های اختصاصی را اولویت کلیدی راهبرد جدید شرکت اعلام کرده است.