نظر: مرگ محاسبات عمومی


چرا مهم است: روش ساخت محاسبات در حال تغییر است. همانطور که همه به دنبال راه هایی برای مقابله با کند شدن قانون مور هستند، شرکت ها باید از تراشه های عمومی مانند CPU و GPU دور شوند. برای کاهش عملکرد بیشتر از سخت‌افزار خود، باید راه‌حل‌های یکپارچه‌تر و پیچیده‌تری بسازیم که سخت‌افزار و نرم‌افزار را محکم‌تر به هم پیوند دهد.

روزی روزگاری شرکت‌های تولید تراشه همه در طراحی یک نوع تراشه تخصص داشتند: پردازنده‌های اینتل ساخت. مودم های ساخت کوالکام؛ GPU های Nvidia ساخته شده است. Broadcom (قبل از آواگو) تراشه های شبکه را ساخت. آن سن تمام شده است. آینده نیمه‌ها طراحی تراشه‌های خاص‌تر برای استفاده‌های خاص‌تر خواهد بود. این تغییر سال ها طول می کشد تا انجام شود، اما انتقال از قبل آغاز شده است. این امر به همان میزانی که ادغام در 20 سال گذشته انجام داده است، صنعت نیمه را به هم خواهد زد.

یادداشت ویراستار:
نویسنده مهمان، جاناتان گلدبرگ، بنیانگذار D2D Advisory، یک شرکت مشاوره چند منظوره است. جاناتان استراتژی‌ها و اتحادهای رشدی را برای شرکت‌هایی در صنعت موبایل، شبکه، بازی و نرم‌افزار ایجاد کرده است.

دلایل زیادی برای این وجود دارد. ساده ترین کار این است که فقط بگوییم قانون مور کند می شود، بنابراین همه باید یک مدل کسب و کار جدید پیدا کنند. اما این خیلی توضیح نمی دهد، بنابراین بیایید آن را باز کنیم. در گذشته مه آلود قبل از سال 2010، قانون مور به این معنی بود که تراشه ها هر دو سال یا بیشتر “سریع تر” یا “بهتر” می شدند. اگر برخی از مشتریان یک تراشه با هدف خاص مورد نیاز داشتند، می‌توانستند بیرون بروند و خودشان را طراحی کنند، اما زمانی که می‌توانستند آن تراشه را به تولید برسانند، CPU‌های جدید در حال تولید بودند، و آنها معمولاً بهتر از هدف بودند. تراشه ساخته شده تحت طراحی

سپس قانون مور کند شد، ما دکترای کافی نداریم که بگوییم تمام شده است، اما قطعا کند شده است. بنابراین همه اکنون باید کمی سخت تر کار کنند تا دستاوردهای عملکردی را از طرح های سیلیکونی خود حذف کنند. واضح‌تر از همه، این درها را به روی تمام سیلیکون‌های Roll Your Own که از شرکت‌های سخت‌افزار و هایپراسکیلر تولید می‌شوند، باز کرده است، اما تغییرات قرار است از آن عبور کند.

تمام هدف یک نیمه هادی اجرای نوعی نرم افزار است. همانطور که گفتیم، در گذشته، می‌توانستیم از تراشه‌های متراکم‌تر، برای آن نرم‌افزار پیشرفت‌هایی کسب کنیم، اما اکنون شرکت‌ها باید کمی دقیق‌تر به جنبه نرم‌افزاری مشکل نگاه کنند. گوگل TPU خود را راه اندازی کرد زیرا آنها چیزی می خواستند که الگوریتم های هوش مصنوعی آنها را بهتر اجرا کند. آنها VCU را به همین دلیل راه اندازی کردند و آن تراشه در واقع توسط مهندسان نرم افزار طراحی شده بود. داستان مشابه برای اپل و پردازنده های سری M و A آن. در تمام این موارد، هدف بهینه سازی سیلیکون برای نرم افزار است.

قرار نیست هر کسی بخواهد یا بتواند تراشه‌های خود را بچرخاند، و بنابراین ما شروع به دیدن مجموعه‌ای از تراشه‌های واسطه‌ای کرده‌ایم که تک نوع و همه منظوره نیستند و یا کاملاً سفارشی نیستند. DPU های Pensando که اخیراً خریداری شده اند، نمونه خوبی از این مرحله واسطه هستند.

روزی روزگاری، مراکز داده اساساً انبارهایی پر از CPU بودند. اکنون آنها باید پردازنده‌های گرافیکی، شتاب‌دهنده‌های هوش مصنوعی، بارهای شبکه‌های بد بو و دسته‌ای از FPGA را نیز در خود جای دهند. این اغلب محاسبات ناهمگن نامیده می شود و برعکس یکنواختی CPU گذشته است.

این تغییرات فقط در مراکز داده اتفاق نمی افتد. به نظر می رسد کل مفهوم “Edge Compute” به طور فزاینده ای تمرینی برای سیلیکون سفارشی و نیمه سفارشی است که در انواع مکان ها – ماشین ها، کارخانه ها و شهرهای هوشمند – ظاهر می شود.

در نهایت، شرکت های بزرگ تولید تراشه باید تصمیم بگیرند که چگونه به این تغییرات رسیدگی کنند. ساختن تراشه‌های سفارشی کار بزرگی نیست، اما طراحی تراشه‌های نیمه سفارشی پر از خطرات است، از جمله انتخاب طرح‌های مناسب، حمایت از آنها و امیدواری به رسیدن به هدف.

شرکت‌های تثبیت‌شده هم‌اکنون شروع به موقعیت‌یابی برای این موضوع کرده‌اند، و برای اولین بار در یک دهه گذشته، راه‌ها برای استارت‌آپ‌ها شروع به باز کردن شکاف کرده‌اند.



منبع