گوگل با پروژه جدید Torch TPU، مستقیماً انحصار نرمافزاری CUDA انویدیا را هدف گرفته و قصد دارد با بهینهسازی فریمورک محبوب PyTorch برای تراشههای TPU خود، بزرگترین قلعه امپراتوری انویدیا را به چالش بکشد. این اقدام، یک زنگ خطر جدی برای انویدیا و یک نقطه عطف در جنگ سختافزارهای هوش مصنوعی است.
پایان سلطنت بیچونوچرای CUDA؟
برای سالها، موفقیت انویدیا فقط به خاطر سختافزارهای قدرتمندش نبود، بلکه به دلیل اکوسیستم نرمافزاری بینظیرش یعنی CUDA بود. این پلتفرم به قدری در میان توسعهدهندگان هوش مصنوعی محبوب است که بسیاری از آنها به آن “وابسته” شدهاند. اما حالا گوگل با یک حرکت هوشمندانه، قصد دارد این وابستگی را از بین ببرد.
گوگل به جای رقابت مستقیم با PyTorch (متعلق به متا)، تصمیم گرفته آن را در آغوش بکشد. طبق آمار، بیش از ۸۰٪ پروژههای هوش مصنوعی در پلتفرمهایی مانند گیتهاب از PyTorch استفاده میکنند. پروژه Torch TPU دقیقاً با هدف اجرای روان و بهینه همین پروژهها بر روی تراشههای TPU گوگل طراحی شده است. این یعنی میلیونها توسعهدهنده دیگر مجبور نخواهند بود برای استفاده از PyTorch، حتماً به سراغ کارتهای گرافیک گرانقیمت انویدیا بروند.
یک نبرد استراتژیک برای آینده AI
طبق تجربه من در تحلیل جنگهای پلتفرمی، این حرکت گوگل یک بازی بسیار هوشمندانه است. گوگل فهمیده که شکست دادن CUDA با یک جایگزین کاملاً جدید، مسیری طولانی و پرهزینه است. پس به جای آن، محبوبترین ابزار توسعهدهندگان (PyTorch) را برمیدارد و آن را برای سختافزار اختصاصی خود بهینه میکند.
نظر شخصی من این است که این بزرگترین تهدید استراتژیک برای مدل کسبوکار انویدیا در یک دهه اخیر است. انویدیا سختافزار را به واسطه نرمافزارش میفروشد؛ اگر این پیوند نرمافزاری ضعیف شود، توسعهدهندگان گزینههای بیشتری برای انتخاب سختافزار خواهند داشت.
| ویژگی | اکوسیستم انویدیا (Nvidia Ecosystem) | استراتژی جدید گوگل (Google’s New Strategy) |
|---|---|---|
| سختافزار اصلی | GPUs (مانند H100, B200) | TPUs (مانند v5, v6) |
| پلتفرم نرمافزاری | CUDA (انحصاری) | JAX / TensorFlow / Torch TPU |
| نقطه قوت | اکوسیستم بالغ و وابستگی توسعهدهندگان | یکپارچگی با ابر گوگل و هزینه بالقوه کمتر |
| هدف نهایی | حفظ انحصار نرمافزاری و فروش سختافزار | جذب توسعهدهندگان PyTorch به پلتفرم ابری گوگل |
انویدیا چه واکنشی نشان خواهد داد؟
این اقدام گوگل، انویدیا را در موقعیت دشواری قرار میدهد این شرکت نمیتواند به سادگی مانع از بهینهسازی یک فریمورک متن-باز شود. بنابراین، احتمالاً شاهد افزایش سرمایهگذاری انویدیا بر روی کتابخانههای نرمافزاری خود و ارائه تخفیفهای جذابتر برای حفظ مشتریان بزرگ ابری خواهیم بود.
تیم سایت اخبار هوش مصنوعی هوش روز این نبرد فناورانه را از نزدیک دنبال میکند. موفقیت یا شکست پروژه Torch TPU نهتنها بر قیمت سهام انویدیا و گوگل، بلکه بر آینده کل صنعت هوش مصنوعی و سرعت نوآوری در آن تأثیرگذار خواهد بود. این تازه آغاز ماجراست.
سوالات متداول
پروژهای برای اجرای نرمافزار محبوب PyTorch روی تراشههای گوگل (TPU)، تا جایگزینی برای سختافزار انویدیا باشد.
چون انحصار نرمافزاری CUDA را میشکند؛ انحصاری که توسعهدهندگان را مجبور به خرید سختافزار انویدیا میکند.
نرمافزار اختصاصی انویدیا که برنامههای AI را به کارتهای گرافیک این شرکت “قفل” کرده و باعث وابستگی توسعهدهندگان میشود.
رقابت بیشتر، که منجر به کاهش هزینهها، نوآوری سریعتر و حق انتخاب بیشتر برای توسعهدهندگان میشود.
