מנכ"ל OpenAI, סם אלטמן, יצא בקמפיין עולמי ליצירת רשת של מפעלי שבבי בינה מלאכותית שיכולים לקחת על עצמם את הדומיננטיות של Nvidia בטכנולוגיה.
מעבדות AI גדולות יותר כמו OpenAI מוציאות מיליארדים על Nvidia GPUs כדי להכשיר את הדור הבא של דגמי שפות גדולים. אז הם מוציאים עוד יותר כדי להפעיל את המודלים האלה עבור הצרכנים.
כדי להתמודד עם הבעיה הזו, חלק מהחברות הגדולות בוחנות דרכים להקטין את גודל הדגמים, לשפר את היעילות ואפילו ליצור שבבים חדשים, מותאמים אישית וזולים יותר – אבל ייצור מוליכים למחצה מתקדמים הוא יקר ומסובך כאחד.
עבור פרויקט השבבים החדש שלו, אלטמן שוחח עם כמה משקיעים שכן העלות עשויה להגיע למיליארדים. התומכים הפוטנציאליים כוללים את G42 מאבו דאבי ואת קבוצת SoftBank היפנית, ונאמר שהוא נמצא במגעים עם היצרנית הטייוואנית TSMC לייצור היחידות.
מדוע סם אלטמן רוצה לייצר שבבי בינה מלאכותית?
Nvidia הפכה לחברה של טריליון דולר בפעם הראשונה בשנה שעברה על רקע המונופול הכמעט שלה על GPUs מתקדמים המסוגלים לאמן את דגמי ה-AI המתקדמים ביותר.
מוקדם יותר החודש הודיעה Meta שהיא קונה 350,000 Nvidia H100 GPUs כדי להכשיר מודיעין-על עתידי ולהפוך אותו לקוד פתוח. ה-H100 GPU, שזכה לכינוי השבב הראשון המיועד לבינה מלאכותית, מגיע בכ-30,000 דולר לשבב וזוכה לביקוש גבוה מאוד.
גוגל הכשירה את דגם ה-Gemini של הדור הבא שלה על השבבים שלו הידועים בשם Tensor Processing Units (TPUs) שהיא מפתחת כבר יותר מעשור.
זה היה מפחית משמעותית את העלות הכוללת של הכשרת מודל כל כך גדול ונותן למפתח של גוגל שליטה רבה יותר על האופן שבו הוא עבר הכשרה ואופטימיזציה.
מה כרוך בהכנת צ'יפס?
ייצור מוליכים למחצה הוא יקר. נדרשים משאבי טבע רבים, מימון ומחקר כדי להגיע לנקודה שבה כל שבב חדש יכול להופיע ברמה הגבוהה ביותר.
יש מספר מוגבל של מתקני ייצור ברחבי העולם המסוגלים לבנות את סוג השבב המתקדם הדרוש ל-OpenAI, מה שמוביל לצוואר בקבוק פוטנציאלי בהכשרת הדור הבא של דגמים.
אלטמן רוצה להגביר את הקיבולת הגלובלית הזו עם רשת חדשה של מתקני ייצור המוקדשים אך ורק לשבבי AI.
OpenAI צפויה לשתף פעולה עם חברה כמו אינטל, TSMC או סמסונג עבור שבבי AI משלה, או שהיא יכולה לשתף פעולה עם המשקיע הקיים של מיקרוסופט. החברה הודיעה בשנה שעברה שהיא מייצרת שבבי AI משלה שיפעלו בתוך פלטפורמת הענן Azure שלה להפעלת שירותי AI.
מהי התמונה הגדולה יותר
לאמזון יש שבב Trainium משלה שפועל בתוך שירות הענן שלה AWS עבור דגמי AI ו-Google Cloud משתמש ב-TPUs. עם זאת, למרות שיש להם שבבים משלהן, כל חברות הענן הגדולות עושות שימוש רב במעבדי H1000 של Nvidia.
אלטמן גם עומדת להתקל בשיפורים מתמשכים של Nvidia, שעלולים למשוך משקיעים מפרויקטי השבבים של OpenAI עצמה.
שבבי ה-GH200 Grace Hopper אושרו בשנה שעברה ולאינטל יש שבבי AI חדשים הפועלים במעבדי Meteor Lake שלה, שיכולים לראות יותר דגמי AI פועלים באופן מקומי ולא בקנה מידה.
