رونمایی Alibaba از تراشه هوش مصنوعی Zhenwu V900؛ خیز چین برای رقابت با پردازنده‌های NVIDIA

• واحد T-Head متعلق به Alibaba از تراشه Zhenwu V900 با حافظه ۲۱۶ گیگابایت، پهنای باند ارتباطی ۱٫۲ ترابایت‌برثانیه و ادعای بهبود سه برابری عملکرد نسبت به مدل M890 رونمایی کرد.
• جزئیات بسیار اندکی درباره عملکرد واقعی این پردازنده منتشر شده است؛ Alibaba هیچ آماری از توان محاسباتی (FLOPS)، لیتوگرافی ساخت، شرکت تولیدکننده یا مصرف انرژی ارائه نداده و بر اساس مشخصات اعلام‌شده، این تراشه پشت سر Ascend 960DT از Huawei قرار می‌گیرد.
• مدیرعامل شرکت، Eddie Wu، دستیابی به بیش از ۲۰ گیگاوات ظرفیت پردازشی در Alibaba Cloud تا سال ۲۰۳۲ را هدف‌گذاری کرده، هرچند به کمبودهای زنجیره تأمین به‌عنوان عاملی محدودکننده در مسیر رشد اعتراف کرده است.

شرکت Alibaba کنفرانس سالانه Apsara را در شهر هانگژو با اعلام سه عدد بزرگ آغاز کرد: تراشه‌ای که طبق ادعای شرکت عملکرد آن سه برابر نسل قبلی است، کلاسترهای هوش مصنوعی که می‌توانند تا ۵۰۰ هزار عدد از این تراشه‌ها را در بر بگیرند، و تعهدی به نقل از نشریات معتبر مبنی بر اینکه ظرفیت دیتاسنترهای تحت مدیریت Alibaba Cloud در سراسر جهان تا سال ۲۰۳۲ از مرز ۲۰ گیگاوات عبور خواهد کرد.

مدیرعامل شرکت، Eddie Wu، تراشه جدید Zhenwu V900 را که توسط واحد طراحی تراشه T-Head طراحی شده، «قدرتمندترین تراشه هوش مصنوعی چین در حال حاضر» نامید.

این اظهارات در بخشی از سخنرانی او بیان شد که محصول جدید Alibaba را نه یک ASIC، بلکه یک GPU معرفی می‌کرد؛ رویکردی که آن را مستقیماً وارد قلمرو رقابت با NVIDIA می‌کند؛ آن هم در شرایطی که پردازنده گرافیکی H200 از شرکت NVIDIA تقاضای بسیار بالایی در آزمایشگاه‌های هوش مصنوعی دارد.

محصولی قدرتمند روی کاغذ؛ بدون انتشار آمار رسمی کارایی

فهرست مشخصات Zhenwu V900 احتمالاً به‌صورت عمدی کوتاه نگه داشته شده است، هرچند عدم ارائه ارقام عملکردی در مقایسه با نسل‌های فعلی پردازنده‌های گرافیکی NVIDIA (که گزینه‌ای تحریم‌شده در بازار چین هستند) می‌تواند توجه به این محصول را پیش از عرضه کاهش دهد.

با این حال، Alibaba حجم قابل‌توجهی از حافظه و پهنای باند ارتباطی بین‌تراشه‌ای را به این محصول افزوده است؛ قابلیتی که به گفته شرکت امکان اتصال و اجرای همزمان تا ۵۰۰ هزار GPU را به‌صورت موازی فراهم می‌کند.

بر اساس گزارش‌های منتشرشده از رویداد معرفی، تراشه V900 مجهز به ۲۱۶ گیگابایت حافظه و پهنای باند اتصال تراشه‌به‌تراشه ۱۲۰۰ گیگابایت‌برثانیه است. پیش‌بینی اولیه برای عرضه این محصول به مشتریان سه‌ماهه سوم ۲۰۲۷ بود، اما با بازنگری‌های صورت‌گرفته، زمان عرضه دو فصل جلو افتاده است.

معاون بخش T-Head، یعنی Gao Hui، اعلام کرد که این شرکت از این پس چرخه عرضه یک نسل در سال را حفظ خواهد کرد و مدل J900 در سه‌ماهه سوم سال ۲۰۲۸ رونمایی خواهد شد.

با وجود نزدیک‌تر شدن زمان عرضه، جالب توجه است که Alibaba هیچ‌گونه اطلاعاتی پیرامون میزان توان محاسباتی بر حسب FLOPS، گره پردازشی (لیتوگرافی)، شرکت ریخته‌گری سازنده، میزان توان مصرفی یا حتی پهنای باند داخلی حافظه V900 منتشر نکرده است؛ امری که ارزیابی خام این تراشه را از نظر عملکرد هوش مصنوعی و محاسباتی بسیار دشوار می‌سازد.

این موضوع زمانی قابل‌تأمل‌تر می‌شود که رقیب مستقیم آن از شرکت Huawei یعنی Ascend 960DT که در همان بازه زمانی معرفی شده، جزئیات بسیار بیشتری را به اشتراک گذاشته است.

تراشه Ascend 960DT دارای توان پردازشی ۲ پتافلاپس در محاسبات FP8، ۲۸۸ گیگابایت حافظه، پهنای باند حافظه ۹٫۶ ترابایت‌برثانیه و ارتباط بین‌تراشه‌ای ۲٫۲ ترابایت‌برثانیه است که بر اساس اطلاعات منتشرشده، از نظر حجم حافظه VRAM و سرعت ارتباطات بین‌تراشه‌ای دست بالاتر را نسبت به تراشه Alibaba دارد.

نکته جالب این است که عدد ۵۰۰ هزار کارت گرافیک در یک کلاستر ممکن است صرفاً یک سقف تئوری برای مقیاس‌پذیری باشد، نه سامانه‌ای که عملاً ساخته شده است. برای درک بهتر این مقیاس، T-Head در ماه مه ۲۰۲۶ اعلام کرد که در کل تاریخ فعالیت خود کمی بیش از ۵۶۰ هزار تراشه Zhenwu به بازار عرضه کرده است. به عبارت دیگر، راه‌اندازی یک کلاستر کامل از V900 تقریباً به اندازه کل حجم تولید تاریخ این شرکت تراشه نیاز خواهد داشت.

این موضوع معادله مهم دیگری را نیز پیش می‌کشد: اگر هر تراشه V900 توانی مشابه پردازنده H200 از شرکت NVIDIA یعنی حدود ۷۰۰ وات مصرف کند، شتاب‌دهنده‌ها به‌تنهایی در چنین کلاستری میزان چشمگیری انرژی طلب خواهند کرد. تراشه‌های جدیدتر و بزرگتر می‌توانند گرم‌تر باشند و برق بیشتری نسبت به محصولات معماری Hopper شرکت NVIDIA مصرف کنند؛ به‌ویژه آنکه چین به دلیل تحریم‌های ایالات متحده علیه تراشه‌ها و تجهیزات تراشه‌سازی، ناچار به استفاده از فناوری‌های ساخت قدیمی‌تر است.

یک کلاستر بزرگ با ۵۰۰ هزار یا تعدادی مشابه از پردازنده‌های گرافیکی بدون شک مصرف توان بسیار بالایی را به این غول فناوری تحمیل می‌کند؛ بنابراین هدف‌گذاری ۲۰ گیگاوات تا سال ۲۰۳۲ با توجه به روند فزاینده مصرف برق به ازای هر پردازنده گرافیکی در تراشه‌های متراکم‌تر و یکپارچه‌تر، امری دور از انتظار نیست.

به گفته Eddie Wu، تقاضای میان‌مدت و بلندمدت بسیار فراتر از توان تأمین کنونی Alibaba است و کمبود در سراسر زنجیره تأمین دیتاسنترهای هوش مصنوعی، در حال حاضر سرعت گسترش زیرساخت‌های پردازشی شرکت را محدود کرده است. این هدف‌گذاری شامل تمام ظرفیتی است که Alibaba Cloud مدیریت می‌کند، هرچند شرکت مشخص نکرده که این رقم به بار پردازشی تجهیزات IT اشاره دارد یا کل انرژی مصرفی تأسیسات.

یادداشت مؤسسه مالی Nomura که در رسانه‌های اقتصادی بازتاب یافته، ظرفیت فعلی Alibaba را حدود ۴ گیگاوات برآورد کرده و پیش‌بینی می‌کند که طرح‌های توسعه آینده ترکیبی از سایت‌های ملکی، اجاره‌ای و تأمین‌مالی‌شده توسط اشخاص ثالث باشد؛ موضوعی که بیانگر رشد پنج برابری طی شش سال آینده است.

هنوز مشخص نیست که آیا تراشه V900 قادر خواهد بود سلطه جهانی NVIDIA بر بازار را حتی به میزان اندک به چالش بکشد یا خیر؛ به‌ویژه که تیم سبز فرسنگ‌ها جلوتر است و مشتریان سازمانی هوش مصنوعی پردازنده‌های گرافیکی آن را از سال‌ها قبل پیش‌خرید می‌کنند. با این وجود، وضعیت در پکن کاملاً متفاوت رقم می‌خورد.

در بازار داخلی چین، بخش بزرگی از تحولات پیش از این رخ داده است؛ زیرا آزمایشگاه‌های هوش مصنوعی چینی تحت سیاست‌های دولتی به سمت کنار گذاشتن راهکارهای NVIDIA سوق داده شده‌اند. آخرین گزارش مالی فصلی NVIDIA نشان می‌دهد که عرضه محصولات سری Hopper دیتاسنتر به چین کمتر از ۱ درصد از درآمد ۸۹ میلیارد دلاری این بخش را در سه‌ماهه منتهی به ۲۶ ژوئیه تشکیل داده است؛ شرکت همچنین اعلام کرد که مخالفت نهادهای ناظر در پکن مانع از فروش کامل تراشه‌های H200 دارای مجوز واشنگتن شده است.

آزمایشگاه‌های چینی به ترکیبی از راهکارهای بومی شامل ASICها، GPUها و CPUهای ساخت داخل روی آورده‌اند؛ بستری که به شرکت‌های محلی نظیر Alibaba و Huawei امکان داده تا در بازاری فاقد رقبای خارجی رشد کنند.

با اعمال محدودیت‌های مصرف انرژی از سوی دولت آمریکا و نگاه نامساعد دولت چین به وابستگی آزمایشگاه‌ها به تراشه‌های خارجی، پردازنده گرافیکی V900 شرکت Alibaba برای موفقیت نیازی به شکست دادن تراشه‌های نسل آینده Rubin یا حتی سری Blackwell از NVIDIA ندارد. هدف اصلی این تراشه صرفاً ارائه یک جایگزین پایدار و عملی برای تراشه‌ای دو نسل قدیمی‌تر یعنی H200 (مبتنی بر معماری Hopper) است.

چالش‌های بزرگتر پیش روی این تراشه شامل رقابت با پردازنده بومی Ascend 960DT از Huawei و تراشه‌های شرکت‌های نوظهور چینی و همچنین تنگناهای زنجیره تأمین است؛ موانعی که می‌توانند تولید انبوه و استقرار زیرساختی شرکتی را که قصد دارد میلیاردها دلار در حوزه هوش مصنوعی سرمایه‌گذاری کند، محدود سازند؛ حتی اگر ادعای کسب عنوان «قدرتمندترین تراشه هوش مصنوعی چین» در زمان عرضه پابرجا بماند.