شرکت‌های NVIDIA، Rebellions و SK Telecom برای توسعه زیرساخت هوش مصنوعی ملی (Sovereign AI) کره جنوبی همکاری می‌کنند. محور اصلی این همکاری، اتصال پردازنده‌های هوش مصنوعی R200 شرکت Rebellions به پلتفرم NVIDIA با استفاده از فناوری NVLink Fusion و توسعه سیستم‌های یکپارچه GPU و NPU در مقیاس رک است.
این همکاری با پشتیبانی وزارت علوم و فناوری اطلاعات و ارتباطات کره جنوبی انجام می‌شود و هدف آن ایجاد زیرساختی برای اجرای مدل‌های هوش مصنوعی و ارائه خدمات متناسب با زبان، نیازها و اولویت‌های این کشور است.
اتصال پردازنده‌های R200 به زیرساخت NVIDIA با NVLink Fusion
در این همکاری، شرکت Rebellions قصد دارد پردازنده‌های عصبی Rebel R200 خود را از طریق فناوری NVIDIA NVLink Fusion به پلتفرم محاسباتی انویدیا متصل کند.
NVLink Fusion فناوری اتصال پرسرعت انویدیا است که امکان یکپارچه‌سازی پردازنده‌های اختصاصی شرکت‌های دیگر (XPU) با زیرساخت محاسباتی NVIDIA را فراهم می‌کند. این فناوری با استفاده از ارتباطات با پهنای باند بالا و تأخیر کم، امکان تبادل سریع داده میان پردازنده‌های مختلف را در سیستم‌های پردازشی بزرگ فراهم می‌کند.
در کنار آن، Rebellions از معماری رک NVIDIA MGX برای طراحی و توسعه سیستم‌های پردازشی در مقیاس رک استفاده خواهد کرد. این معماری به تولیدکنندگان امکان می‌دهد سرورهای مبتنی بر پردازنده‌های مختلف را با طراحی زیرساختی استاندارد و متناسب با نیاز دیتاسنتر توسعه دهند.
هدف این ترکیب، ایجاد بستری است که در آن پردازنده‌های GPU و NPU بتوانند در کنار یکدیگر وظایف پردازشی هوش مصنوعی را انجام دهند.
نقش GPU و NPU در اجرای مدل‌های هوش مصنوعی
یکی از اهداف فنی این همکاری، استفاده هم‌زمان از توان پردازشی GPUهای NVIDIA و پردازنده‌های اختصاصی Rebellions است.
پردازنده‌های NPU برای اجرای عملیات مرتبط با شبکه های عصبی هوش مصنوعی و استنتاج مدل‌های هوش مصنوعی طراحی شده‌اند. شرکت Rebellions نیز نسل جدید R200 را با تمرکز بر استنتاج کم‌تأخیر و مصرف انرژی بهینه توسعه می‌دهد.
در معماری موردنظر، پردازش‌های مختلف می‌توانند میان GPU و NPU تقسیم شوند. برای مثال، در رویکرد استنتاج تفکیک‌شده (Disaggregated Inference)، مرحله پردازش ورودی مدل یا Prefill می‌تواند به GPU سپرده شود و مرحله تولید توکن‌های خروجی یا Decode روی NPU انجام شود.
این تقسیم وظایف با هدف افزایش توان عملیاتی استنتاج و بهبود بهره‌وری انرژی دنبال می‌شود. البته میزان بهبود عملکرد این معماری هنوز به نتایج آزمایش‌ها و پیاده‌سازی عملی وابسته است.
برنامه SK Telecom برای توسعه دیتاسنتر هوش مصنوعی
شرکت SK Telecom مسئولیت استفاده از این زیرساخت در دیتاسنتر هوش مصنوعی خود را بر عهده خواهد داشت. این شرکت قصد دارد سیستم‌های مبتنی بر ترکیب GPU و NPU را در زیرساخت خود پیاده‌سازی و عملکرد و پایداری آن‌ها را در شرایط واقعی ارزیابی کند.
SK Telecom همچنین برنامه دارد این زیرساخت را به مدل‌های اختصاصی خود، از جمله A.X K2، و سرویس‌های هوش مصنوعی عمومی تحت پروژه AI for All متصل کند.
هدف نهایی، توسعه یک اکوسیستم یکپارچه هوش مصنوعی است که از زیرساخت پردازشی و مدل‌های اختصاصی تا سرویس‌های قابل‌استفاده برای سازمان‌ها و کاربران را پوشش دهد.
پردازنده R200 چه زمانی آماده استفاده خواهد بود؟
پردازنده R200 نسل بعدی NPU شرکت Rebellions است که با تمرکز بر اجرای مدل‌های پیشرفته هوش مصنوعی، از جمله مدل‌های Mixture of Experts با مقیاس بسیار بزرگ، توسعه پیدا می‌کند.
طبق اعلام NVIDIA، سیستم‌های مبتنی بر R200 برای استقرار در سال ۲۰۲۸ آماده خواهند شد. بنابراین، این همکاری در حال حاضر در مرحله توسعه و طراحی زیرساخت قرار دارد و نباید آن را به معنای راه‌اندازی یک سیستم عملیاتی در دیتاسنتر SK Telecom دانست.
اهمیت این همکاری برای آینده زیرساخت‌های هوش مصنوعی
همکاری NVIDIA، Rebellions و SK Telecom نشان می‌دهد معماری دیتاسنترهای هوش مصنوعی می‌تواند به‌سمت استفاده ترکیبی از پردازنده‌های عمومی و شتاب‌دهنده‌های تخصصی حرکت کند.
در چنین معماری‌هایی، GPU همچنان نقش مهمی در پردازش‌های سنگین و اجرای مدل‌ها دارد؛ اما NPUها نیز می‌توانند بخشی از وظایف استنتاج را با تمرکز بر مصرف انرژی و بهره‌وری پردازشی بر عهده بگیرند.
از طرف دیگر، استفاده از NVLink Fusion به شرکت‌های تولیدکننده تراشه اجازه می‌دهد محصولات اختصاصی خود را به اکوسیستم زیرساختی NVIDIA متصل کنند. این رویکرد می‌تواند انعطاف‌پذیری بیشتری در طراحی خوشه‌های پردازشی و دیتاسنترهای هوش مصنوعی ایجاد کند.
در مجموع، این همکاری را می‌توان نمونه‌ای از حرکت صنعت به‌سمت زیرساخت‌های ناهمگون (Heterogeneous Computing) دانست؛ زیرساخت‌هایی که در آن‌ها چند نوع پردازنده با معماری و کاربرد متفاوت، برای اجرای کارآمدتر بارهای پردازشی هوش مصنوعی در کنار یکدیگر فعالیت می‌کنند.
