«قانون مور کاملاً مرده و از بین رفته است.» این جمله جسورانه از نیک هریس، مدیرعامل شرکت فوتونیک Lightmatter، خلاصهای از چالشی است که کل صنعت سختافزار با آن روبهروست. سالها رقابت در بازار هوش مصنوعی بر سر تعداد فلاپس (FLOPS)، حجم حافظه و سرعت کلاک GPUها بود، اما اکنون ماجرا تغییر کرده است. ابرسازمانها به دنبال کشیدن عملکرد بیشتری از همان فضاهای فیزیکی موجود هستند و اینجاست که کنترل شبکههای ارتباطی بین تراشهها به عاملی حیاتی برای بقای قانون مور یا گذار به پارادایمی جدید تبدیل میشود.
شبکهسازی؛ آینده واقعی محاسبات
هریس در مصاحبهای با Tom's Hardware Premium صراحتاً بیان میکند که راه سریعتر کردن پردازندهها در گذشته چگالی بیشتر سیلیکون بود، اما محدودیتهای فیزیکی اندازه تراشههای تکتکه دیگر اجازه پیشروی نمیدهند. امروز عملکرد سیستمهای هوش مصنوعی به شبکهسازی دهها و سپس صدها تراشه با یکدیگر وابسته است. هریس تاکید میکند: «در نهایت، شبکهسازی آینده محاسبات است. عملکرد این سیستمهای هوش مصنوعی کاملاً گلوگاه دارد و به توانایی شما در دستیابی به تأخیر کم و پهنای باند بسیار بالا بستگی دارد.»
مقیاسافزایی، مقیاسگسترشی و مقیاسپیوندی
معادلات رشد در این صنعت بر سه مفهوم استوار است. مقیاسافزایی (Scale-up) به اتصالات فوقالعاده کمتأخیر درون یک سرور، رک یا پاد (Pod) واحد اشاره دارد که شتابدهندههای متعدد را به یک ماشین غولپیکر تبدیل میکند. مقیاسگسترشی (Scale-out) شبکهای گستردهتر است که این ماشینها را در قالب خوشه (Cluster) ترکیب میکند. عاملی سوم با عنوان مقیاسپیوندی (Scale-across) نیز کل مراکز داده را به یکدیگر متصل میکند. پولینا بایول، استاد ارتباطات و شبکههای نوری در کالج دانشگاهی لندن (UCL)، معتقد است ابرسازمانها تحت تأثیر باوری هستند که میگوید هرچه منابع بیشتری وارد کنید، نتیجه بهتر خواهد بود. امروزه پیش از آنکه نیازی به گسترش به بیرون باشد، بین 72 تا 144 GPU در یک رک مقیاسافزایی جای میگیرند.
دیوار صدر کابلهای مسی
کابل مسی سالها نیاز درون رکها را برآورده کرد، اما اکنون به محدودیت فیزیکی و کمبود عرضه برخورده است. هریس این محدودیت را ساده توصیف میکند: «دسترسی بازوی انسان حدود 2 متر است و کابل مسی حتی از این هم کوتاهتر است. ما پیشتر به این سقف رسیدهایم.» در نتیجه، اتصالات نوری از کابلکشی بین رکها به سمت خود بستههای شتابدهنده حرکت میکنند. اخیراً ایلان ماسک نیز به عنوان بخشی از جاهطلبیهای TeraFab و اسپیسایکس در حوزه هوش مصنوعی، برای خرید شرکت Mesh Optical اقدام کرده است تا جایگاه این فناوری را تقویت کند.
آغازی برای حضور نور در دل تراشهها
امروزه سیگنالهای نوری از طریق ترانسیورهای قابلجداسازی (Pluggable transceivers) وارد میشوند؛ ماژولهایی که حدود 18 اینچ از سوئیچ فاصله دارند. مرحله بعدی، فناوری نور نزدیکبسته (Near-package optics) است که این فاصله را به حدود 6 اینچ کاهش میدهد. پس از آن نوری همبسته (Co-packaged optics) یا CPO قرار دارد که چیپلتهای نوری را در مجاورت GPU یا سوئیچ مینشاند. اما جاهطلبانهترین نسخه، قرار دادن قطعات نوری روی یک اینترپوزر در زیر خود تراشه است. هریس معتقد است با هر یک از این جهشها، سرعت افزایش و مصرف انرژی کاهش مییابد.
توجه صنعت در حال حاضر معطوف به مرحلهای پیش از آن جهش کاملاً بنیادین است. هریس پیشبینی میکند که 2027 و 2028 سالهای بسیار بزرگی برای نور نزدیکبسته خواهند بود. این دوره را میتوان بستر آزمایشی دانست؛ آخرین توقف پیش از آنکه ترانسیور نوری به عنوان بخشی از خود شتابدهنده یا سوئیچ عرضه شود، نه قطعهای مجزا که در کنار آن نصب میشود. شرکت Lightmatter در حال حاضر در حال ساخت قطعات CPO در TSMC و GlobalFoundries است که انتظار دارد آنها را در سال 2028 عرضه کند. این شرکت همزمان روی رویکرد یکپارچهتر اینترپوزر نیز کار میکند تا شرکتیهایی که خواهان مزیت رقابتی در بازار هستند را پشتیبانی کند.
بحران انرژی و رقابت برای مزیت رقابتی
دلیل اصلی این تحول، توان و انرژی است. بایول تخمین میزند حدود 20 درصد از انرژی یک مرکز داده صرف شبکهسازی میشود؛ یعنی اتصال GPUها و CPUها در سراسر رکها، اتاقها و مراکز داده. 80 درصد دیگر مستقیماً خود GPUها مصرف میکنند. هرچند صرفهجویی حاصل از فوتونیک میتواند رقم قابل توجهی باشد، اما واقعیت این است که صرفهجوییها فوراً صرف توسعه مقیاسهای بزرگتر خواهند شد. ابرسازمانها به جای کاهش هزینههای جاری، از این انرژی ذخیرهشده برای تغذیه مدلهای بزرگتر و پیچیدهتر استفاده میکنند.
نبرد آینده سختافزار هوش مصنوعی در انبوهسازی تولید تراشهها نیست، بلکه در نحوه اتصال آنها به یکدیگر و مدیریت بحران انرژی متبلور خواهد شد. شرکتی که بتواند نور را با کمترین تأخیر و مصرف انرژی به قلب پردازشها برساند، مالک بعدی چرخدندههای این صنعت خواهد بود.
