مدیرعامل AMD: جهان طی پنج سال آینده به محاسبات مقیاس یوتا نیاز دارد

«لیسا سو»، مدیرعامل AMD، در سخنرانی خود در نمایشگاه CES اعلام کرد جهان تا پنج سال دیگر وارد عصر تازه‌ای از محاسبات با نام Yotta Scale یا مقیاس یوتا می‌شود. او توضیح داد این تغییر به‌دلیل جهش تقاضا برای توان محاسباتی در زیرساخت‌های هوش مصنوعی رخ می‌دهد و مقیاس یوتا به‌عنوان معیار تازه عملکرد مطرح خواهد شد.

به گزارش Wccftech، بازار زیرساخت هوش مصنوعی درحال ورود به مرحله‌ای تازه قرار دارد که در آن شتاب‌دهنده‌ها و سامانه‌های مقیاس رک، نقش اصلی را برعهده می‌گیرند. لیسا سو پیش‌بینی کرد ظرفیت موردنیاز محاسباتی در عصر مقیاس یوتا تا پایان دهه جاری میلادی به بیش از ۱۰ یوتافلاپس برسد. این رقم معیاری برای توان پردازشی سامانه‌های هوش مصنوعی در مقیاس جهانی به‌شمار می‌رود. گفتنی است که یوتا یکی از پیشوندهای SI مثل کیلو، مگا و گیگا است که با ۱۰ به توان ۲۴ یا سپتیلیون برابری می‌کند.

مقیاس یوتا بازار شتاب‌دهنده‌های هوش مصنوعی را متحول می‌کند 

مدیرعامل AMD اعلام کرد نیاز به توان محاسباتی فقط از سوی مراکز ابری شکل نمی‌گیرد. هوش مصنوعی به همه حوزه‌های اصلی پردازش وارد شده است؛ از محاسبات لبه و رایانش شخصی تا سلامت، فضا و صنایع دیگر. رشد هم‌زمان این بخش‌ها سطح تقاضا برای توان محاسباتی را به نقطه‌ای رسانده که چند سال پیش قابل تصور نبود.

بر‌اساس برآورد لیسا سو، در عصر مقیاس یوتا ظرفیت مورد نیاز محاسباتی حدود ۱۰ هزار برابر بیشتر از سال ۲۰۲۲ خواهد شد. این برآورد نشان می‌دهد بازار کل قابل‌دسترس برای شتاب‌دهنده‌ها و سامانه‌های مقیاس رک، ابعادی بسیار بزرگ پیدا می‌کند و به یک شرکت محدود نمی‌ماند. این روند، رقابت میان بازیگران اصلی زیرساخت هوش مصنوعی را تشدید خواهد کرد.

سخنرانی مدیرعامل AMD در CES نشان داد این شرکت برای بهره‌برداری از موج تازه تقاضا در بخش‌های ابری و رایانش شخصی برنامه‌ریزی کرده است. معرفی شتاب‌دهنده‌های هوش مصنوعی Instinct MI455X، پردازنده‌های EPYC Venice و راهکارهای Helios AI نشان داد این غول تراشه‌سازی قصد دارد در نسل بعدی زیرساخت هوش مصنوعی نقش محوری داشته باشد.

AMD هم‌زمان روی پردازنده‌های ترکیبی Gorgon Point هم سرمایه‌گذاری می‌کند تا جایگاه خود را در بازار پی‌سی تقویت کند. این پردازنده‌ها توان پردازش گرافیکی و محاسباتی را در یک بسته ادغام می‌کنند تا اجرای بارهای کاری هوش مصنوعی روی رایانه‌های شخصی ساده‌تر شود. این رویکرد می‌تواند مرز میان رایانش ابری و محلی را کمرنگ کند.