
الصين تُصنّع شريحةً تتفوق على شريحة إنفيديا بما يصل إلى 478 ضعفًا في مهام الذكاء الاصطناعي المُحددة

باحثون من جامعة بكين طوّروا شريحةً عصبيةً قادرةً على إعادة بناء أسطح الدماغ المُعقدة في أقل من نصف ثانية

يكمن الاختلاف الرئيسي بينها وبين وحدة معالجة الرسومات التقليدية في بنية الشريحة

تفصل الشرائح التقليدية، مثل شريحة A100 من NVIDIA، بين الذاكرة والمعالجة في وحدتين منفصلتين، مما يُسبب اختناقًا في كل مرة تنتقل فيها البيانات بينهما

هذه الشريحة تتغلب على هذا الاختناق من خلال تنفيذ عمليات التخزين والحساب داخل نفس مصفوفة الذاكرة في آنٍ واحد

يُعدّ هذا الأمر بالغ الأهمية لأن هذا الاختناق هو أحد الأسباب الرئيسية لارتفاع تكلفة تدريب الذكاء الاصطناعي واستهلاكه الكبير للطاقة اليوم

هيمنة إنفيديا تستند إلى حلّ هذه المشكلة باستخدام أجهزة ذات قدرة هائلة ونطاق ترددي ضخم للذاكرة

هذه الشريحة تحلّ المشكلة بطريقة مختلفة، على مستوى البنية

ينطبق الرقم 478x على مهمة محددة: إعادة بناء سطح الشبكة العصبية في الوقت الفعلي

لا يُعد هذا الرقم مؤشرًا على الأداء العام، ففي معظم مهام الذكاء الاصطناعي القياسية، لا تزال معالجات Nvidia H100 وB200 تتفوق بفارق كبير

لكن المقارنة مع معالج A100 مهمة لأن الأخير لا يزال المعالج الذي يستخدمه معظم عملاء المؤسسات. أما أحدث معالجات Nvidia فهي باهظة الثمن بالنسبة لمعظم المشترين

إذا كان بإمكان معالج بتقنية 40 نانومتر، مصنّع في الصين ضمن بيئة تصدير مقيدة، أن يتفوق على معالج A100 بهذا الفارق في مهام محددة، فإن ذلك يثير تساؤلاً جديًا حول مدى ضرورة الوصول إلى أحدث المعالجات لتطبيقات الذكاء الاصطناعي المحددة

هذه هي الحجة التي طرحتها شركة DeepSeek في يناير، وهي أنه يمكن تحقيق أداء مماثل لأداء الذكاء الاصطناعي الرائد دون الحاجة إلى أجهزة رائدة، وذلك ببساطة من خلال بنية أفضل