استارتاپ تولید تراشههای هوش مصنوعی Etched که در سال ۲۰۲۲ توسط سه دانشجوی ترکتحصیلکرده دانشگاه هاروارد پایهگذاری شد، موفق شد دور سرمایهگذاری سری سی خود را با مبلغ ۳۰۰ میلیون دلار و ارزشگذاری ۱۰.۳ میلیارد دلار به پایان برساند.
دو برابر شدن ارزشگذاری در هفت ماه
این دور از سرمایهگذاری با رهبری صندوق سرمایهگذاری سکویا (Sequoia) همراه شد و شرکتهای آندریسن هوروویتز، اسکی هاینیکس و جین استریت نیز در آن مشارکت داشتند. چهرههای سرشناسی نظیر پیتر تیل، آندریج کارپاتی و دیلن فیلد نیز از دیگر حامیان مالی این استارتاپ به شمار میروند.
ارزش شرکت Etched در ماه دسامبر و در زمان جذب سرمایه ۵۰۰ میلیون دلاری، ۵ میلیارد دلار بود. این رقم نشان میدهد شرکت توانسته ارزش خود را در کوتاهترین زمان ممکن - حدود هفت ماه - دو برابر کند. مدیران شرکت اعلام کردهاند که این بالاترین ارزشگذاری برای یک دور سرمایهگذاری سری سی به رهبری سکویا در تاریخ این صندوق است. ماه گذشته، Etched از تولید موفقیتآمیز تراشههای بومی خود خبر داد و اعلام کرد که سیستمهای کامل آن در حال آزمایش توسط مشتریان است و تاکنون سفارشاتی به ارزش ۱ میلیارد دلار دریافت کرده است.
تراشههای فراتر از مدلهای زبانی خاص
این استارتاپ در زمانی پا به عرصه گذاشت که ایده ساخت تراشهای مختص مدلهای هوش مصنوعی مبتنی بر تکنولوژی ترانسفورمر (معماری پشت سیستمهای مدرنی نظیر ChatGPT و Claude) عجیب و حتی دیوانهوار به نظر میرسید. هنوز هم این تصور وجود دارد که محصولات این شرکت صرفاً برای اجرای مدلهای زبانی بزرگ خاصی طراحی شدهاند.
رابرت واچن، یکی از بنیانگذاران و مدیر ارشد عملیات Etched، این موضوع را رد میکند. به گفته او، سیستمهای این شرکت قادرند هر مدل هوش مصنوعی را اجرا کنند. این سیستمها از معماری ترکیب متخصصان (Mixture of Experts) پشتیبانی میکنند که وظایف را میان زیرمدلهای تخصصی تقسیم میکند و همچنین میتوانند طراحیهای غیرترانسفورمری مانند Mamba را که بر پایه مدل فضای حالت ساخته شده، پردازش کنند. گزارشها نشان میدهد که گوگل نیز با تراشه Frozen v2 خود برای جمنای، رویکرد مشابهی را در پیش گرفته است.
نوآوری در تسریع فرآیند استنتاج
دستاورد اصلی Etched طراحی دو جزء کاملاً جدید از پایه برای تسریع فرآیند استنتاج است. استنتاج فرآیندی محاسباتی است که پس از ارسال درخواست یا پرامپت توسط کاربر انجام میشود.
واچن توضیح میدهد که استنتاج شامل دو مرحله پیشپر کردن (prefill) و رمزگشایی (decode) است. مرحله پیشپر کردن به درک درخواست و زمینه آن میپردازد و از نظر محاسباتی بسیار سنگین است. اما مرحله رمزگشایی توکنهای خروجی را تولید میکند و به محاسبات کمتری نیاز دارد، اما حافظه عظیمی میطلبد.
Etched یک تراشه پیشپرکننده طراحی کرده که با کار در ولتاژ بسیار پایینتر نسبت به سایر تراشههای هوش مصنوعی، سرعت چشمگیری به عملکرد بخشیده است. ولتاژ پایینتر تولید گرما را کاهش میدهد و امکان جایگیری ترانزیستورهای بیشتر در تراشه را فراهم میسازد. برای فرآیند رمزگشایی نیز، این شرکت تکنولوژی اتصال داخلی جدیدی با نام حافظه مقیاس کلاستر را معرفی کرده است که اتصال تراشههای متعدد به یک استخر حافظه مشترک با سرعت بالا و تأخیر کم را ممکن میسازد.
تایید سرمایهگذاران با آزمایش عملی
از آنجا که Etched پیش از آنکه دنیای فناوری نیازهای محاسباتی تخصصی هوش مصنوعی را درک کند راهاندازی شد، بنیانگذاران آن همواره با شکاکان زیادی مواجه بودند. حتی پس از اعلام تولید موفقیتآمیز اولین دسته سیلیکونهای این شرکت توسط TSMC، تردیدها ادامه داشت.
دلیل عمده این تردیدها دسترسی محدود به سیستمها بوده است. تاکنون تنها سرمایهگذاران و مشتریان اولیه توانستهاند با این سیستمها کار کنند. واچن تاکید میکند که چهرههای برجستهای مانند آندریج کارپاتی، نوام براون از OpenAI و جفری هینتون، در کنار تمام سرمایهگذاران این دور، افرادی هستند که سختافزار را از نزدیک آزمایش کردهاند و از عملکرد آن بسیار هیجانزده شدهاند.
با وجود این موفقیتها، مسیر طولانی و دشواری تا تولید انبوه و تحویل سیستمهای سرور در پیش رو است. این گروه که هاروارد را برای تاسیس Etched ترک کردند، اکنون باید نشان دهند که نوآوریهای آنها در مقیاس صنعتی نیز به همان اندازه که در دموی خصوصی وعده دادهاند، کارآمد خواهد بود.
