بطاقات NVIDIA تكتسح Intel وجميع المنافسين في سوق الخدمات السحابية والذكاء الاصطناعي
طبقا لاخر الاحصائيات فان حصة NVIDIA السوقية في قطاع الخدمات السحابية Cloud Services والذكاء الاصطناعي Artificial Intelligence ومراكز البيانات Data Centers قد تعدت نسبة ال 97% .. وهي نسبة مخيفة للغاية.
ان NVIDIA توفر حلولا في هذا القطاع في هيئة بطاقات رسومية للحوسبة مشتقة من معمارية Volta و Turing ممثلة في بطاقات Tesla V100 وبطاقات Tesla T4. والإقبال علي هذه البطاقات كبير للغاية، الي درجة ان نسبة حصتها السوقية تفوق بمئات الاضعاف نسبة الحلول المنافسة من Intel و AMD وغيرهم.
وتتفوق بطاقات NVIDIA علي بطاقات AMD في الأداء بسبب امتلاكها لانوية مخصصة لمعالجة الذكاء الاصطناعي علي معالجاتها الرسومية، تسمي Tensor Core أو أنوية المصفوفات، وهو ما يعطيها افضلية كبيرة في قدرة المعالجة في هذا المجال. فبطاقة Tesla V100 تعد أسرع ثلاثة مرات من أفضل مما لدي AMD من بطاقات Radeon MI60.
وتعتمد أنوية الذكاء الاصطناعي علي مبدأ المصفوفات الحسابية الضخمة، فهي تسرع عمليات ضرب ارقام كثيرة في أرقام أخري كثيرة. فبينما يبرع المعالج المركزي CPU ذو الأنوية الفردية Scalar في ضرب رقم واحد في رقم واحد، ويبرع المعالج الرسومي GPU ذو الأنوية المتعددة Vector في ضرب صف واحد من الأرقام في صف آخر من الأرقام، تبرع أنوية الذكاء الاصطناعي المتشعبة Matrix/Tensor في ضرب عدة صفوف من الأرقام في عدة صفوف أرقام أخري.
لذا فان المعالجات الرسومية GPUs المزودة بأنوية المصفوفات الكثيرة Tensor تحصل علي أفضلية مطلقة في حسابات الذكاء الاصطناعي المتقدمة مقارنة بغيرها، والمعالجات الرسومية الوحيدة التي لديها هذه القدرة هي معالجات NVIDIA. مما يجعل لمعالجات الشركة الرسومية القدرة علي التعامل مع كل أنواع العمليات الحسابية، ٍسواء كانت فردية Scalar أو صفية Vector أو متعددة الصفوف Matrix أو غزيرة الصفوف Tensor، وكلهم علي رقاقة حوسبية واحدة.
لدي معالجات NVIDIA المبنية علي معمارية Turing القدرة علي أداء الحسابات المصفوفية بقدرة 32 صف باحكام 4bit، وقدرة 16 صف باحكام 8bit، و 8 صفوف باحكام 16bit، وكلها قدرات لا تضاهيها أي معمارية رسومية أخري.
فضلا عن ذلك فان معماريتي Volta و Turing افضل هندسيا من معماريات AMD واقل في استهلاك الطاقة، حتي و NVIDIA لا تزال تستخدم دوائر بحجم 12nm في معالجاتها الرسومية، بينما تستخدم AMD حجم 7nm. ونتيجة لهذا تمتلك NVIDIA عشرات اضعاف حصة AMD السوقية التي لا تتعدي 1%.
اما التفوق علي Intel بالذات فهو شديد للغاية، فنسبتها بالكاد تصل الي 0.5 % علي الرغم من امتلاكها لحلول حديثة من فئة رقاقات المصفوفات المبرمجة FPGAs التي حصلت عليها مع شرائها لشركة Altera، فضلا عن امتلاكها حلولا من فئة بطاقات Xeon Phi. لكن كل هذه الحلول لم تنجح في بسط نفوذ الشركة في هذا القطاع باي حال من الاحوال. مما يضطر الشركة الي استثمار المليارات لعمل بطاقة رسومية منافسة لتكافح سيطرة NVIDIA شبه المطلقة.
وتنافس Intel في سوق رقاقات المصفوفات شركة Xilinex ايضا، وتمتلك ضعف حصتها السوقية، لكن حصتها لا تزال ضعيفة للغاية ايضا ولا تتعدي 1%. وتعاني المصفوفات من عيوب كبيرة مقارنة بالبطاقات الرسومية فهي شاقة للغاية في البرمجة وشاقة في استخراج الاداء العالي منها بعكس البطاقات الرسومية.
ورقاقات المصفوفات بالأساس هي معالجات صغيرة بسيطة التركيب للغاية، يتم وضع الكثير منها علي رقاقة واحدة كي تصير مناسبة لحسابات المصفوفات المعقدة أو أي نوع آخر من الحسابات. فهي قابلة للبرمجة بشكل يلائم أغراض المستخدم.
وتمتلك Google عددا من بطاقات التسريع المخصصة للذكاء الاصطناعي، وهي بالأساس رقاقات مصفوفات مسخرة لغرض الذكاء الاصطناعي فقط، وتسميها Google باسم مسرعات الذكاء الاصطناعي TPUs، وتحاول منافسة بطاقات NVIDIA بها، لكنها تلاقي نجاحا محدودا في ذلك، فاستهلاك طاقتها كبير، والأداء المستخرج منها ليس مثاليا، فضلا عن أنها لا تصلح لأي نوع آخر من الحسابات الا الذكاء الاصناعي، بعكس البطاقات الرسومية.
واضافة الي سهولة برمجة البطاقات الرسومية، تمتلك NVIDIA مكتبة CUDA الحصرية لبطاقاتها، وتسهل المكتبة برمجة البطاقات واستخراج الاداء العالي منها اكثر واكثر، وهي مزية لا تتوفر لدي اي من منافسيها. وتحاول كلا من AMD و Intel تطوير حزم برمجية خاصة بهما تنافسان بها مكتبة CUDA، لكن حتي الآن لم تكلل ايا من هذه الجهود بالنجاح.
