انویدیا به تازگی اعلام کرده که فناوری CUDA اکنون از پردازنده های مبتنی بر معماری RISC-V پشتیبانی می کند. این اتفاق یک نقطه عطف در مسیر گسترش این پلتفرم، به ویژه در حوزه سیستم های هوش مصنوعی به حساب می آید.
اجرای پردازش های CUDA روی RISC-V امکان پذیر شد
در چند سال گذشته، معماری های x86 و ARM تقریبا تنها انتخاب های جدی برای پردازنده های دیتاسنترها و کاربردهای هوش مصنوعی بوده اند. شرکت هایی مثل اینتل و ای ام دی، بیشتر با پردازنده های x86 شناخته می شوند و انویدیا و دیگر برندهای بزرگ نیز از معماری ARM برای ساخت تراشه های هوش مصنوعی اختصاصی خود استفاده می کنند. اما حالا همه چیز در حال تغییر است.
براساس اعلام رسمی RISC-V، انویدیا حالا نسخه ای از پلتفرم CUDA را برای اجرا روی پردازنده های RISC-V آماده کرده است. این به معنای آن است که توسعه دهندگان می توانند کدهای مبتنی بر CUDA را روی پردازنده های RISC-V اجرا کنند. همین موضوع می تواند زمینه را برای رشد بیشتر این معماری باز کند.
امکان تبدیل RISC-V به پردازنده اصلی در سیستم های هوش مصنوعی مبتنی بر CUDA
در رویداد RISC-V Summit China، یکی از مدیران ارشد انویدیا با نام Frans Sijstermans اعلام کرد که نسخه جدید CUDA برای RISC-V در راه است. با این تغییر، امکان آن فراهم می شود که یک پردازنده مبتنی بر RISC-V به عنوان پردازنده اصلی سیستم های هوش مصنوعی مورد استفاده قرار بگیرد. این خبر، واکنش های زیادی را به همراه داشته و توجه بسیاری از فعالان حوزه تکنولوژی را به خود جلب کرده است.
مزایای RISC-V برای توسعه دهندگان هوش مصنوعی
پلتفرم CUDA بدون شک یکی از مهم ترین ابزارهای پردازش در دنیای هوش مصنوعی به شمار می رود. بسیاری از صنایع در سراسر دنیا بر پایه همین فناوری شکل گرفته اند. حالا اضافه شدن پشتیبانی از RISC-V می تواند این معماری را وارد بازی بزرگ کند.
یکی از ویژگی های مهم معماری RISC-V این است که کاملا متن باز و بدون هزینه لایسنس است. شرکت ها و توسعه دهندگان می توانند بدون پرداخت حق امتیاز از آن استفاده کنند. همچنین امکان ویرایش، توسعه و توزیع آزادانه آن وجود دارد. این موضوع به خصوص برای استارتاپ ها و شرکت های کوچک که به دنبال کاهش هزینه ها هستند، اهمیت بالایی دارد.
معماری RISC-V و آینده سیستم های هوش مصنوعی
یکی دیگر از ویژگی های RISC-V، قابلیت گسترش و توسعه آسان آن است. این معماری دستورالعمل های بسیار ساده ای دارد که باعث می شود طراحی تراشه و روند تست آن بسیار سریع تر انجام شود. این مسئله برای شرکت هایی که می خواهند سریع تر نمونه های جدید را به بازار برسانند، بسیار مفید است.
در حال حاضر، بیشتر سیستم های هوش مصنوعی بزرگ همچنان از معماری های x86 و ARM استفاده می کنند. با این حال، در پلتفرم های لبه ای یا Edge AI، RISC-V می تواند یک گزینه جدی باشد. در میان شرکت هایی که روی این موضوع سرمایه گذاری کرده اند، نام Tenstorrent با مدیریت جیم کلر بیشتر از همه به چشم می خورد.
تراشه های Wormhole، قدرت هوش مصنوعی با هزینه کمتر
شرکت Tenstorrent در حال توسعه تراشه های هوش مصنوعی مبتنی بر RISC-V است. از جمله این تراشه ها می توان به مدل های Wormhole n150 و Wormhole n300 اشاره کرد. هدف این تراشه ها ارائه قدرت پردازشی بالا با قیمت مناسب تر نسبت به رقبا است.
از طرف دیگر، معماری RISC-V در میان توسعه دهندگان چینی نیز بسیار محبوب شده است. دلیل این موضوع هم کاملا مشخص است: متن باز بودن و آزادی عمل بیشتر. حالا با پشتیبانی CUDA از RISC-V، انتظار می رود علاقه مندی توسعه دهندگان چینی به این ترکیب جدید بیشتر از قبل شود و بازار هوش مصنوعی در این کشور نیز وارد مسیر جدیدی گردد.
در مجموع، ورود CUDA به دنیای RISC-V می تواند معادلات بازار تراشه را دگرگون کند. اگر پشتیبانی از این معماری با قدرت ادامه پیدا کند، احتمالا در آینده ای نزدیک، شاهد رقابت جدی تری میان RISC-V و دو معماری غالب x86 و ARM خواهیم بود.
