اینتل به تازگی انویدیا را صدا کرده است

اینتل

زمانی بود که اینتل و انویدیا می توانستند کم و بیش از خطوط یکدیگر دور بمانند. آن زمان دیگر نیست، به خصوص با ورود اینتل به رقابت GPU و هر دو شرکت در حال پیشبرد هوش مصنوعی هستند.

رقابت جدید در حالی که اینتل جدید خود را اعلام کرد، به اوج رسید Core Ultra و تراشه های Xeon نسل پنجم در رویدادی در شهر نیویورک. پت گلسینگر، مدیر عامل اینتل، در فناوری CUDA شرکت انویدیا یک حرکت جالب انجام داد. به گفته وی، استنتاج از اهمیت آموزش برای هوش مصنوعی فراتر خواهد رفت. او همچنین تسلط طولانی‌مدت CUDA انویدیا را به‌عنوان رابطی برای آموزش زیر سوال برد و آن را «خندقی کم‌عمق که صنعت انگیزه حذف آن را دارد» در نظر گرفت. آخ. اینها کلمات جنگی هستند

برای افراد ناآشنا، CUDA مخفف Compute Unified Device Architecture است که به عنوان یک پلت فرم محاسباتی موازی به طور انحصاری در دسترس کارت های گرافیک Nvidia است. برنامه‌نویسان می‌توانند از کتابخانه‌های CUDA برای بهره‌برداری از قدرت محاسباتی پردازنده‌های گرافیکی Nvidia بهره ببرند و اجرای سریع الگوریتم‌های یادگیری ماشین را ممکن می‌سازند. توجه به این نکته ضروری است که این فناوری با وجود اینکه به خودی خود استاندارد شده است، اختصاصی است و منبع باز نیست.

از سوی دیگر، بازیگران صنعت مانند MLIR، Google و OpenAI در حال حاضر به سمت “لایه برنامه نویسی پایتونیک” حرکت می کنند تا آموزش هوش مصنوعی را بازتر کنند.

در حالی که اینتل از جنبه آموزشی غافل نخواهد شد، تمرکز اساسی در بازار استنتاج است. “همانطور که استنتاج اتفاق می افتد، هی، وقتی مدل را آموزش دادید… هیچ وابستگی به CUDA وجود ندارد. همه چیز در مورد است، آیا می توانید آن مدل را به خوبی اجرا کنید؟” گلسینگر گفت.

او همچنین در ادامه به معرفی Gaudi 3 به عنوان یک جزء کلیدی برای استنتاج موثر، همراه با رایانه های شخصی Xeon و Edge پرداخت. او ضمن اذعان به رقابت اینتل در آموزش، تاکید کرد که بازار استنتاج جایی است که آینده نهفته است. مدیرعامل همچنین در مورد OpenVINO صحبت کرد که استانداردی است که اینتل برای تلاش های هوش مصنوعی خود پذیرفته است و آینده ای از محاسبات ترکیبی را با عملیات توزیع شده بین محیط های ابری و رایانه های شخصی متصور بود.

ممکن است اینتل در اینجا به چیزی فکر کند. پذیرش هوش مصنوعی در بالاترین حد خود قرار دارد و نیاز به روش های جدید برای آموزش هوش مصنوعی برای صرفه جویی در زمان و منابع بسیار مهم است. خیلی زود است که بگوییم آیا استراتژی اینتل بر CUDA شکست خواهد خورد یا خیر. این واقعیت که اینتل به تازگی راه اندازی شده است پردازنده های Meteor Lake با یک واحد پردازش عصبی داخلی (NPU)، روشن می کند که این شرکت چشمش به ادغام عمیق هوش مصنوعی در محصولات خود است.

همه اینها می تواند گیج کننده باشد، اما واضح است که انویدیا در حال حاضر به یک نیروی مسلط در دنیای هوش مصنوعی تبدیل شده است. رسیدن به وضعیت تریلیون دلاری در اوایل سال جاری به دلیل موفقیت آن در منطقه. اینتل اخیراً بیشتر به دنبال خود بوده است، و حتی اگر نظرات گلسینگر یک احساس مشترک در میان سایر بازیگران صنعت باشد، جسارت فراخوانی مستقیم Nvidia مانند چیزی است که فقط یک ضعیف می تواند داشته باشد.

توصیه های سردبیران







برای افراد ناآشنا، CUDA مخفف Compute Unified Device Architecture است که به عنوان یک پلت فرم محاسباتی موازی به طور انحصاری در دسترس کارت های گرافیک Nvidia است. برنامه‌نویسان می‌توانند از کتابخانه‌های CUDA برای بهره‌برداری از قدرت محاسباتی پردازنده‌های گرافیکی Nvidia بهره ببرند و اجرای سریع الگوریتم‌های یادگیری ماشین را ممکن می‌سازند. توجه به این نکته ضروری است که این فناوری با وجود اینکه به خودی خود استاندارد شده است، اختصاصی است و منبع باز نیست.


منبع: https://www.digitaltrends.com/computing/intel-nvidia-cuda-eliminate/

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *