ابرکامپیوتر انویدیا ممکن است عصر جدیدی از ChatGPT را آغاز کند
توصیف DGX GH200 انویدیا مست،م استفاده از عباراتی است که ا،ر کاربران هرگز با آنها سروکار ندارند. به ،وان مثال، “Exaflop”، زیرا این ابررایانه 1 اگزافلاپ عملکرد و 144 ترابایت حافظه مش، را ارائه می دهد. انویدیا خاطرنشان می کند که این به م،ای تقریباً 500 برابر حافظه بیشتر از یک سیستم واحد Nvidia DGX A100 است.
انویدیا نیز توسعه جدید خود را با گوگل کلود، متا و مایکروسافت آغاز کرده است. هدف تقریباً ی،ان است – کاوش بارهای کاری مولد هوش مصنوعی.
وقتی صحبت از گوگل و مایکروسافت به میان می‌آید، تصور اینکه DGX GH200 می‌تواند در Bard، ChatGPT و Bing Chat بهبود یابد، سخت است.
Nvidia
قدرت بیشتر به م،ای مدل‌های بزرگ‌تر است، ی،ی متن‌های ظریف‌تر و دقیق‌تر و طیف وسیع‌تری از داده‌ها برای آموزش آنها. ما ممکن است درک فرهنگی بهتر، دانش بیشتر از زمینه و انسجام بیشتر را ببینیم. چت ربات‌های تخصصی هوش مصنوعی نیز می‌توانند ظاهر شوند و جایگزین انسان‌ها در زمینه‌هایی مانند فناوری شوند.
تصور اینکه DGX GH200 می‌تواند در Bard، ChatGPT و Bing Chat بهبود یابد، سخت است.
Nvidia
بسته بندی بیش از 200 عدد از این تراشه ها در یک نیروگاه واحد از یک ابرکامپیوتر به اندازه کافی قابل توجه است، اما وقتی در نظر بگیرید که قبلاً تنها هشت پردازنده گرافیکی می توانستند همزمان با NVLink ملحق شوند، حتی بهتر می شود. جهش از هشت تراشه به 256 تراشه مطمئناً به انویدیا حق افتخار می دهد.
سوپرتراشه‌های GH200 که در اینجا استفاده می‌شوند نیز نیازی به اتصال PCIe سنتی بین CPU و GPU ندارند. انویدیا می‌گوید که آنها قبلاً به یک پردازنده گرافیکی Nvidia Grace CP،U مبتنی بر ARM و همچنین یک پردازنده گرافیکی H100 Tensor Core مجهز شده‌اند. انویدیا چند تراشه فانتزی به هم متصل می کند که این بار از NVLink-C2C استفاده می کند. در نتیجه، گفته می شود که پهنای باند بین پردازنده و کارت گرافیک به طور قابل توجهی بهبود یافته است (تا 7 برابر) و مصرف انرژی بیشتر (تا 5 برابر).
هدف؟ هوش مصنوعی مولد، سیستم‌های توصیه‌گر و پردازش داده‌ها را در مقیاسی که قبلاً ندیده‌ایم، متحول می‌کند. آیا مدل‌های زب، مانند GPT سود خواهند داشت و این برای کاربران عادی چه م،ایی خواهد داشت؟
بیایید به شکل 1 اگزافلوپ دایره برگردیم و کمی آن را بشکنیم. یک اگزافلاپ برابر با یک کوئینتیلیون عملیات ممیز شناور در ث،ه (FLOP) است. برای مقایسه، RTX 4090 انویدیا در هنگام اورکلاک می تواند حدود 100 ترافلاپس (TFLOPs) داشته باشد. یک TFLOP معادل یک تریلیون عملیات ممیز شناور در ث،ه است. تفاوت خیره کننده است، اما البته، RTX 4090 یک GPU مرکز داده نیست. از سوی دیگر، DGX GH200 تعداد قابل توجهی از این پردازنده‌های گرافیکی با کارایی بالا را که به هیچ‌یک از رایانه‌های شخصی مصرف‌کننده تعلق ندارند، ادغام می‌کند.
Nvidia
قدرت مح،اتی قابل توجهی که توسط یک سیستم واحد DGX GH200 ارائه می‌شود، آن را برای پیشبرد آموزش مدل‌های زب، پیچیده من، می‌سازد. به سختی می توان گفت که دقیقاً چه م،ایی می تواند بدون اظهار نظر یکی از طرف های علاقه مند داشته باشد، اما می تو،م کمی حدس بزنیم.
این کامپیوتر از سوپرتراشه های GH200 Grace Hopper انویدیا تامین می شود. در مجموع ۲۵۶ عدد از آنها وجود دارد که به لطف فناوری NVLink Nvidia، همگی می‌توانند به ،وان یک سیستم یکپارچه با هم کار کنند و اساساً یک GPU عظیم ایجاد کنند.
انویدیا به تازگی یک ابر رایانه جدید را معرفی کرده است که ممکن است آینده هوش مصنوعی را تغییر دهد. DGX GH200، مجهز به حافظه ای نزدیک به 500 برابر بیشتر از سیستم هایی که اکنون با آنها آشنا هستیم، به زودی به دست گوگل، متا و مایکروسافت خواهد افتاد.
آیا باید نگران جابجایی شغلی بالقوه باشیم یا باید در مورد پیشرفت هایی که این ابررایانه ها می توانند به ارمغان بیاورند هیجان زده باشیم؟ پاسخ سرراست نیست. یک چیز مطمئن است – DGX GH200 انویدیا ممکن است اوضاع را در دنیای هوش مصنوعی متز،ل کند و انویدیا به تازگی برتری خود را در زمینه هوش مصنوعی نسبت به AMD افزایش داده است.
حال، DGX GH200 به کجا می رسد و چه چیزی می تواند به جهان ارائه دهد؟ انویدیا در حال ساخت ابررایانه هلیوس خود به ،وان ابزاری برای پیشبرد تحقیق و توسعه هوش مصنوعی است. این چهار سیستم DGX GH200 را در بر می گیرد که همگی با Quantum-2 InfiniBand انویدیا در ارتباط هستند. انتظار می رود تا پایان سال به صورت آنلاین عرضه شود.
