تلعب الشبكة دورًا حاسمًا في عصر نماذج الذكاء الاصطناعي الكبيرة. مع زيادة حجم النماذج، أصبحت مجموعات الخوادم المتعددة هي الوسيلة الرئيسية لحل مشكلات التدريب، مما يمهد الطريق ل"ترقية" الشبكة في عصر الذكاء الاصطناعي. بالمقارنة مع الماضي حيث كانت الشبكة تُستخدم فقط لنقل البيانات، تُستخدم الشبكة اليوم بشكل أكبر لمزامنة معلمات النموذج بين بطاقات الرسوم، مما يفرض متطلبات أعلى على كثافة الشبكة وسعتها.
الطلب على الشبكة يأتي أساسًا من ثلاثة جوانب:
حجم النموذج الكبير: وقت التدريب يتناسب طرديًا مع كمية معلمات النموذج، في حين أن معدل حساب الجهاز الواحد محدود، لذا فإن كيفية استخدام الشبكة لزيادة "عدد الأجهزة" و"كفاءة التوازي" تحدد مباشرة قوة الحوسبة.
التواصل المعقد لمزامنة بطاقات متعددة: بعد تقسيم النموذج إلى بطاقة واحدة، يتطلب كل حساب تزامناً، مما يطرح متطلبات أعلى لنقل الشبكة والتبادل.
تكلفة الأعطال الباهظة: يستغرق تدريب النماذج الكبيرة عدة أشهر، وقد يؤدي الانقطاع إلى خسائر فادحة. أصبحت الشبكة نظام هندسي معقد يمكن مقارنته بالطائرات والسفن الحربية.
الابتكار في الشبكات يتركز بشكل رئيسي في الاتجاهات التالية:
تبديل وسائط الاتصال: لكل من الألياف الضوئية والنحاس والسيليكون مزايا، وتقنيات جديدة مثل LPO والضوء السيليكوني تساعد في خفض التكاليف.
تنافس بروتوكولات الشبكة: تتنافس بروتوكولات الاتصالات بين الشريحة مثل NV-LINK وInfinity Fabric مع بروتوكولات الاتصالات بين العقد مثل IB وEthernet.
تغييرات في بنية الشبكة: من المتوقع أن تصبح الهياكل الجديدة مثل Dragonfly و rail-only، بجانب بنية leaf-spine، اتجاه التطور للمجموعات الكبيرة.
توصية الاستثمار تركز على الشركات المرتبطة بالنظام الاتصالي في الجوانب الأساسية والابتكارية. ستسعى الابتكارات في الشبكات المستقبلية إلى تحقيق التوازن بين "خفض التكاليف" و"الانفتاح" و"حجم الحوسبة".
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تزايد الطلب على الشبكات في عصر الذكاء الاصطناعي ، وترتكز اتجاهات الابتكار على خفض التكاليف والانفتاح
شبكة عصر الذكاء الاصطناعي: الطلب والابتكار
تلعب الشبكة دورًا حاسمًا في عصر نماذج الذكاء الاصطناعي الكبيرة. مع زيادة حجم النماذج، أصبحت مجموعات الخوادم المتعددة هي الوسيلة الرئيسية لحل مشكلات التدريب، مما يمهد الطريق ل"ترقية" الشبكة في عصر الذكاء الاصطناعي. بالمقارنة مع الماضي حيث كانت الشبكة تُستخدم فقط لنقل البيانات، تُستخدم الشبكة اليوم بشكل أكبر لمزامنة معلمات النموذج بين بطاقات الرسوم، مما يفرض متطلبات أعلى على كثافة الشبكة وسعتها.
الطلب على الشبكة يأتي أساسًا من ثلاثة جوانب:
حجم النموذج الكبير: وقت التدريب يتناسب طرديًا مع كمية معلمات النموذج، في حين أن معدل حساب الجهاز الواحد محدود، لذا فإن كيفية استخدام الشبكة لزيادة "عدد الأجهزة" و"كفاءة التوازي" تحدد مباشرة قوة الحوسبة.
التواصل المعقد لمزامنة بطاقات متعددة: بعد تقسيم النموذج إلى بطاقة واحدة، يتطلب كل حساب تزامناً، مما يطرح متطلبات أعلى لنقل الشبكة والتبادل.
تكلفة الأعطال الباهظة: يستغرق تدريب النماذج الكبيرة عدة أشهر، وقد يؤدي الانقطاع إلى خسائر فادحة. أصبحت الشبكة نظام هندسي معقد يمكن مقارنته بالطائرات والسفن الحربية.
الابتكار في الشبكات يتركز بشكل رئيسي في الاتجاهات التالية:
تبديل وسائط الاتصال: لكل من الألياف الضوئية والنحاس والسيليكون مزايا، وتقنيات جديدة مثل LPO والضوء السيليكوني تساعد في خفض التكاليف.
تنافس بروتوكولات الشبكة: تتنافس بروتوكولات الاتصالات بين الشريحة مثل NV-LINK وInfinity Fabric مع بروتوكولات الاتصالات بين العقد مثل IB وEthernet.
تغييرات في بنية الشبكة: من المتوقع أن تصبح الهياكل الجديدة مثل Dragonfly و rail-only، بجانب بنية leaf-spine، اتجاه التطور للمجموعات الكبيرة.
توصية الاستثمار تركز على الشركات المرتبطة بالنظام الاتصالي في الجوانب الأساسية والابتكارية. ستسعى الابتكارات في الشبكات المستقبلية إلى تحقيق التوازن بين "خفض التكاليف" و"الانفتاح" و"حجم الحوسبة".