حققت Nvidia، القوة المهيمنة في رقائق الذكاء الاصطناعي بفضل وحدات معالجة الرسوميات (GPUs) الخاصة بها، خطوة مهمة من خلال ترخيص تقنية من Groq، وهي شركة ناشئة متخصصة في استنتاج الذكاء الاصطناعي، وتوظيف جزء كبير من فريقها، بما في ذلك المؤسس والرئيس التنفيذي جوناثان روس. تشير الصفقة، التي أُعلن عنها قبل عطلة عيد الميلاد مباشرةً، إلى اعتراف Nvidia بالأهمية المتزايدة لاستنتاج الذكاء الاصطناعي الفعال والفعال من حيث التكلفة، وهي عملية تشغيل نماذج الذكاء الاصطناعي المدربة على نطاق واسع.

الاستنتاج هو المرحلة التي ينتقل فيها الذكاء الاصطناعي من مشروع بحثي إلى خدمة مدرة للدخل. يندرج كل تفاعل مع نموذج ذكاء اصطناعي تم نشره، من الإجابة على سؤال إلى إنشاء التعليمات البرمجية أو تشغيل روبوت محادثة، ضمن الاستنتاج. تخضع هذه المرحلة لضغط شديد لتقليل التكاليف وتقليل زمن الوصول (الوقت الذي يستغرقه الذكاء الاصطناعي للرد) وزيادة الكفاءة إلى أقصى حد.

أصبحت اقتصاديات استنتاج الذكاء الاصطناعي ساحة معركة حاسمة، حيث تسعى الشركات إلى تحقيق الدخل من استثماراتها في الذكاء الاصطناعي. أقر الرئيس التنفيذي لشركة Nvidia، جنسن هوانغ، علنًا بتحديات الاستنتاج. يشير استثمار الشركة في Groq إلى أنها تعتقد أن البنى المتخصصة، بخلاف وحدات معالجة الرسوميات (GPUs) وحدها، قد تكون ضرورية لتحسين أداء الاستنتاج.

تم تصميم رقائق Groq خصيصًا للاستنتاج السريع للذكاء الاصطناعي بزمن وصول منخفض. يتناقض هذا النهج مع وحدات معالجة الرسوميات (GPUs)، التي صُممت في الأصل لمعالجة الرسومات ولكن تم تكييفها لتدريب الذكاء الاصطناعي، وإلى حد أقل، الاستنتاج. يمكن أن يمنح الاستحواذ على تقنية Groq ومواهبها Nvidia ميزة تنافسية في سوق الاستنتاج سريع التطور.

تسلط هذه الخطوة الضوء على الطبيعة غير المستقرة لتصميم رقائق الذكاء الاصطناعي. في حين أن وحدات معالجة الرسوميات (GPUs) من Nvidia كانت بمثابة العمود الفقري لتطوير الذكاء الاصطناعي، فإن رهان الشركة على Groq يشير إلى استعداد لاستكشاف بنى بديلة لتلبية المتطلبات المحددة للاستنتاج. يمكن أن يؤدي ذلك إلى مزيد من الابتكار في تصميم رقائق الذكاء الاصطناعي ومجموعة أكثر تنوعًا من خيارات الأجهزة لمطوري الذكاء الاصطناعي.