انحصار نرم‌افزاری CUDA همواره بزرگترین مزیت رقابتی انویدیا در حوزه هوش مصنوعی بوده است. اکنون، گزارش‌ها حاکی از آن است که مایکروسافت با توسعه ابزارهایی برای اجرای کدهای CUDA روی پلتفرم ROCm، قصد دارد پردازنده‌های AMD Instinct را به جایگزینی ارزان‌تر برای تراشه‌های گران‌قیمت انویدیا تبدیل کند.

بر اساس گزارش‌ WCCFtech، مایکروسافت در حال توسعه ابزارهایی است که امکان اجرای کدهای نوشته‌شده برای پلتفرم CUDA انویدیا را بر روی پردازنده‌های گرافیکی هوش مصنوعی AMD فراهم می‌کند. این اقدام می‌تواند سلطه دیرینه انویدیا بر بازار نرم‌افزار هوش مصنوعی را به چالش کشیده و هزینه‌های عملیاتی را برای غول‌های فناوری کاهش دهد.

nvidia cuda

شکستن قفل CUDA

یکی از دلایل اصلی جایگاه مستحکم انویدیا در بازار هوش مصنوعی، اکوسیستم نرم‌افزاری CUDA است. این پلتفرم به توسعه‌دهندگان اجازه می‌دهد تا از قدرت پردازشی GPUهای انویدیا برای محاسبات پیچیده هوش مصنوعی بهره ببرند. با این حال، برای استفاده از قابلیت‌های آن، به استفاده از سخت‌افزارهای گران‌قیمت انویدیا هستند.

حالا به نظر می‌رسد مایکروسافت با توسعه ابزارهای اختصاصی، راهی برای دور زدن این محدودیت پیدا کرده است. این ابزار کدهای نوشته‌شده برای CUDA را به نسخه‌ای سازگار با پلتفرم نرم‌افزاری AMD ROCm ترجمه می‌کنند. این فرآیند به مایکروسافت اجازه می‌دهد تا از پردازنده‌های هوش مصنوعی AMD مانند سری MI300X در دیتاسنترهای خود استفاده کند.

پلتفرم ROCm

تمرکز بر «استنتاج» هوش مصنوعی

انگیزه اصلی مایکروسافت از این اقدام، تغییر ماهیت تقاضا در بازار هوش مصنوعی است. به گفته این مدیر مایکروسافت، تقاضا برای «استنتاج» (Inference)، یعنی استفاده از مدل‌های آموزش‌دیده برای انجام وظایف واقعی، به مراتب از تقاضا برای «آموزش» (Training) مدل‌ها پیشی گرفته است. اجرای مدل‌های هوش مصنوعی که روی پردازنده‌های انویدیا آموزش دیده‌اند به حجم عظیمی از محاسبات نیاز دارند و یافتن راهکارهای سخت‌افزاری ارزان‌تر برای آن، یکی از اولویت‌های اصلی شرکت‌های AI است.

پردازنده‌های هوش مصنوعی AMD به عنوان جایگزین ارزان‌تری برای محصولات انویدیا شناخته می‌شوند. با این حال، عدم سازگاری با اکوسیستم CUDA همواره یک مانع بزرگ برای پذیرش گسترده آن‌ها بوده است. ابزارهای جدید مایکروسافت دقیقاً برای حل همین مشکل طراحی شده‌اند و پلی میان مدل‌های مبتنی بر CUDA و سخت‌افزار AMD ایجاد می‌کنند.

در همین رابطه بخوانید:

- پروژه ZLUDA دست از سر انویدیا بر نمی‌دارد؛ پایان انحصار انویدیا روی دنیای هوش مصنوعی و گیمینگ نزدیک است؟

البته این مسیر بدون چالش نیست. پلتفرم ROCm هنوز به پختگی CUDA نرسیده است. این بدان معناست که ممکن است برخی از توابع و کدهای پیچیده در CUDA، معادلی در ROCm نداشته باشند که این امر می‌تواند منجر به افت عملکرد یا بروز خطا در فرآیند ترجمه شود.

ابزارهایی مانند ZLUDA پیش از این تلاش کرده‌اند تا با ایجاد یک «لایه سازگاری»، فراخوان‌های نرم‌افزاری CUDA را به صورت آنی به ROCm ترجمه کنند. به نظر می‌رسد رویکرد مایکروسافت نیز مشابه باشد، اما در مقیاس بسیار بزرگ‌تر.