«ما تقریبا دو بار از تجارت بیرون رفتیم». هر چند معمولا موسسان و مدیران درباره تجربه‌های تلخ شکست‌های شرکت‌شان صحبت نمی‌کنند، اما «جن سان هانگ» رئیس شرکت Nvidia دلیلی برای خجالت کشیدن ندارد. شرکت او که میکروپردازنده‌ها و نرم‌افزارهای مرتبط با آنها را تولید می‌کند و توسعه می‌دهد، حالا در مسیر سودآوری به سرعت در حال جلو رفتن است. در فصل مالی گذشته درآمد این شرکت با رشد 55درصدی به 2/ 2 میلیارد دلار رسید و ارزش سهام آن نسبت به یک سال گذشته تقریبا تا چهار برابر افزایش پیدا کرده است. بخش بزرگی از موفقیت شرکت Nvidia به دنبال رشد چشمگیر تقاضا برای تراشه‌های تصویری ابزارهای پردازش یا GPUها آن است که سیستم‌های کامپیوتری شخصی را به ابزارهایی پرسرعت برای انجام بازی‌های ویدئویی تبدیل می‌کند. هرچند حالا GPUها هم مقاصدی جدید دارند؛ مراکز داده‌پردازی که در آنها برنامه‌های ویژه هوش مصنوعی بخش‌های گسترده‌ای از انرژی پردازش‌های کامپیوتری را که همین GPUها تولید می‌کنند، مصرف کرده و به خودشان اختصاص می‌دهند.
فروش ناخالص این تراشه‌ها واضح‌ترین نشانه تغییر جدی در مسیر کاربرد آنها در دنیای اطلاعات است. بر اساس آنچه قانون مور می‌گوید، نشانه‌هایی وجود دارد که ساختار پردازش کامپیوتری به تدریج در حال فروپاشی است. بر اساس قانون مور امکان پردازش کامپیوتری از طریق تراشه‌ها تقریبا هر دو سال، دو برابر می‌شود. بنابراین با در نظر گرفتن رشد سریع رایانش ابری و هوش مصنوعی انتظار می‌رود پردازش کامپیوتری مبتنی بر تراشه‌ها به تدریج از بین برود. با این اوصاف مشکلات تجارت پردازنده‌های نیمه‌رسانا و شرکت اینتل به‌عنوان رهبر این بازار، به تدریج عمیق و عمیق‌تر می‌شوند.
زمانی که «گوردون مور» یکی از موسسان و پدر شرکت اینتل این قانون را کشف کرد، همه چیز بسیار ساده بود. با این حال در همان زمان هم ابهاماتی درباره اینکه قانون مور تنها برای پردازنده‌های کامپیوتری صادق است یا درباره پردازنده‌های موجود در سرورها هم درست است، وجود داشت. میکروپردازنده‌هایی که کار پردازش اصلی را به عهده دارند و به‌عنوان CPU شناخته می‌شوند، ممکن است وظایف و کارهای زیادی را به عهده بگیرند. به همین دلیل هم شرکت اینتل قدرتمندترین CPUهای بازار را تولید و عرضه کرد تا قانون مور برای پردازنده‌های به‌کار رفته در لپ‌تاپ‌ها هم صادق باشد. به این ترتیب در نهایت اینتل توانست 80 درصد از بازار پردازنده‌های ویژه لپ‌تاپ‌ها را در اختیار بگیرد و البته بازار پردازنده‌های ویژه سرورها را هم به‌صورت انحصاری در اختیار داشته باشد. تنها در سال 2016 شرکت اینتل درآمدی حدود 60 میلیارد دلار داشته است.
حالا این دنیای تک قطبی در حال فرو ریختن است. پردازنده‌ها دیگر از نظر سرعت در حال بهبود و پیشرفت نیستند. به‌عنوان مثال بسیاری از عملیات هوش مصنوعی به مقادیر زیادی از قدرت پردازش بالایی نیاز دارد که بتواند اطلاعات را پردازش و با سرعت منتقل کند. از آنجا که تولید و مصرف اطلاعات هر روز بیشتر می‌شود، نیاز به پردازنده‌هایی با سرعت بسیار بالا هم بیشتر احساس می‌شود. خریداران بزرگ محصولات اینتل مانند شرکت‌های گوگل و مایکروسافت که حالا با مشتریانی مانند مراکز علمی معتبر دنیا سر و کار دارند، حالا پردازنده‌های بسیار پیشرفته مورد نیازشان را از شرکت‌های مختلفی می‌خرند و حتی به فکر طراحی چنین پردازنده‌هایی از سوی شرکت خودشان هم هستند.
پردازنده‌های GPU شرکت Nvidia یک نمونه از چنین پردازنده‌های پیشرفته‌ای هستند. این GPUها تولید شده‌اند تا بتوانند پردازش‌های پیچیده و گسترده مورد نیاز برای کمک به تولید بازی‌های ویدئویی تعاملی را انجام بدهند. GPUها هسته‌های تخصصی زیادی دارند که به‌عنوان مغزهای پردازنده شناخته می‌شوند و همه آنها به‌صورت موازی در کنار یکدیگر کار می‌کنند. در مقابل CPUها تنها چند هسته بسیار موثر دارند که وظایف پردازشی را به‌صورت پی در پی به عهده می‌گیرند. جدیدترین پردازنده‌های شرکت Nvidia سه هزار و 584 هسته تخصصی دارند، در حالی که CPUهای ویژه اینتل برای سرورها حداکثر 28 هسته اصلی دارند.
موفقیت پر سر و صدای Nvidia درست در زمانی اتفاق افتاد که این شرکت یکی از بدترین تجربه‌های نزدیک به شکستش را در بحران مالی جهانی سال‌های 2008 و 2009 پشت سر می‌گذاشت. در این زمان موسسات تحلیل بازار کاربرد پردازنده‌های این شرکت را برای اهدافی جدید شناسایی کردند. این موسسات به این نتیجه رسیدند که پردازنده‌های Nvidia می‌توانند برای محاسبات پیچیده و پیشرفته مالی و بررسی مدل‌های آب و هوایی به‌کار برده شوند. به این ترتیب شرکت Nvidia یک زبان برنامه‌نویسی جدید به نام CUDA را توسعه داد که به مشتریان پردازنده‌هایش کمک می‌کرد تا از آنها برای کاربردها و وظایف مختلف استفاده‌کنند و بهره ببرند. وقتی رایانش ابری، بزرگ داده‌ها و هوش مصنوعی در سال‌های گذشته در مراحل شکل‌گیری بودند، پردازنده‌های Nvidia به سادگی همان چیزی را داشتند که آنها نیاز داشتند.
حالا GPUهای شرکت Nvidia به سرویس‌های هوش مصنوعی کمک می‌کنند تا حجم وسیع اطلاعات از موضوعات مختلف تصاویر پزشکی گرفته تا صحبت‌های انسان را هضم کنند. به این ترتیب درآمد این شرکت از فروش پردازنده‌هایش به مراکز داده‌پردازی در یک سال گذشته سه برابر شده و به 296 میلیون دلار رسیده است. GPUهای شرکت Nvidia اما تنها یک شکل از پردازنده‌های تخصصی که به نام «شتاب‌دهنده» شناخته می‌شوند، هستند. این پردازنده‌ها با ترکیب کاربردهای رایانش ابری و هوش مصنوعی، کارآیی بیشتری را به مراکز داده‌پردازی مختلف داده و کمک می‌کنند تا آنها از رقبایشان جلوتر باشند. این پردازنده‌ها حالا ابزارهایی مناسب برای انجام کارهای بسیار دقیق در کمترین زمان ممکن هستند.
یکی از اشکال چنین پردازنده‌هایی ASICها هستند که مخفف عبارت «ابزار خاص مبتنی بر مدارهای الکترونیکی» است. همان‌طور که نام این پردازنده‌ها نشان می‌دهد، آنها برای یک هدف طراحی و تولید می‌شوند، عملکرد بسیار سریع‌تری نسبت به پردازنده‌های دیگر دارند و البته مصرف انرژی آنها بسیار پایین است. درست به همین دلیل این روزها بسیاری از استارت‌آپ‌ها در حال توسعه این پردازنده‌ها در الگوریتم‌های پیچیده هوش مصنوعی هستند تا از این طریق کاربردهای جدیدی از آنها را کشف کنند. در همین راستا شرکت گوگل هم یک پردازنده ASIC را ساخته است که برای بهبود تاثیرگذاری کلام به‌کار برده می‌شود.
FPGAها هم نوع دیگری از این پردازنده‌های خاص و قابل برنامه‌ریزی هستند که انعطاف‌پذیری بیشتری نسبت به پردازنده‌های مشابه دیگر داشته و به همین دلیل در کاربردهای مهم و بزرگی هم مورد استفاده قرار می‌گیرند. حالا شرکت مایکروسافت تعداد زیادی از این پردازنده‌ها را برای استفاده در سرورها از جمله سرورهای ویژه موتور جست‌وجوی Bing به‌کار گرفته است. «مارک راشینویچ» مدیر عملیات Azure که شرکت رایانش ابری مایکروسافت است، در این مورد می‌گوید: «حالا ما پردازنده‌های FPGA بیشتری نسبت به دیگر شرکت‌های جهان در اختیار داریم.»
منبع: اکونومیست
منبع : دنیای اقتصاد
