إكستروبيك تفتح أول عائلة محوّلات مصمّمة لرقاقة احتمالية: 294 نانوجول لكل رمز مقابل 40.9 ميكروجول على H100
Z1T عائلة نماذج شبيهة بالمحوّلات، متفرّقة، صُممت لرقاقة Extropic الاحتمالية Z1. تعلن الشركة عن كفاءة طاقة تفوق 100 ضعف مقارنة بوحدات معالجة الرسوميات، وتفتح الأوزان ووصفة التدريب، وتسرد بنفسها حدود القياس.
قدّمت شركة عتاد الذكاء الاصطناعي إكستروبيك عائلتها الأولى من النماذج الشبيهة بالمحوّلات والمصمّمة لرقاقاتها الاحتمالية، Z1T، في منشور مؤرخ في الرابع من أيلول. والادعاء في العنوان: هذه النماذج، وهي تعمل على رقاقات احتمالية متفرّقة، تحقق "مكاسب في كفاءة الطاقة تتجاوز 100 ضعف مقارنة بوحدات معالجة الرسوميات"، مع قانون قياس مرافق.
من أين يأتي الرقم
القياس الذي تقدّمه الشركة مباشر: تمرير رمز واحد عبر كومة من أربع كتل يكلّف 294.52 نانوجول؛ العمل نفسه على H100 يكلّف 40.9 ميكروجول. والنسبة نحو 139 ضعفاً. ومن هذه الـ294.52 نانوجول، تذهب 285.78 إلى الـFPGA و8.74 فقط إلى أخذ العيّنات على Z1.
وZ1 رقاقة احتمالية من إكستروبيك مبنية بتقنية CMOS دون العتبة. ولكل pbit ستة عشر اقتراناً قابلاً للضبط، وهذا التفرّق قيد صارم في العتاد ومصدر كفاءته في آن. ولذلك بُني النموذج حول عمليات شبكات عصبية متفرّقة.
الحدود التي تسردها الشركة بنفسها
أبرز ما في المنشور أن التحفّظات كتبتها الشركة نفسها:
- يوصف العمل بأنه "تحقيق أولي".
- النموذج المستخدم في المقارنة صغير قياساً إلى H100؛ وأوقات إطلاق النواة تؤثر في القياس، والنموذج يعمل عند 0.006 بالمئة من MFU.
- تكتب إكستروبيك بوضوح: "لو أجرينا معالجة دُفعية على وحدة معالجة الرسوميات، لكانت H100 أكفأ بكثير".
- ومن هنا التوصية: استخدام تركيبة Z1 مع المعالج المساعد لمرحلة فك الترميز؛ أما التعبئة المسبقة فتُنجز حالياً على وحدة معالجة الرسوميات على نحو أفضل.
- تقدير الطاقة لا يشمل حركة البيانات بين Z1 والـFPGA.
وثمة تفصيل آخر: بلوغ الخسارة نفسها التي يبلغها نموذج GPT-2 بنموذج Z1T الأكثر تفرّقاً يتطلب نحو رتبة إضافية من عمليات الفاصلة العائمة. ولأن العمليات على Z1 تكسب نحو ثلاث رتب من الكفاءة مقارنة بوحدات معالجة الرسوميات، تستقر النتيجة الصافية عند رتبتين.
إشارة إلى الخطوة التالية
تشير إكستروبيك إلى أن الـFPGA يستهلك أكثر من 95 بالمئة من الطاقة. والاستنتاج: إذا انتقل مزيد من العمليات إلى ركيزة CMOS دون العتبة، فقد تصبح كفاءة تصل إلى 1000 ضعف مقارنة بوحدات معالجة الرسوميات ممكنة. وهذا ليس قياساً بل احتمال، بتعبيرهم هم.
الأوزان مفتوحة
فتحت الشركة وصفة التدريب على GitHub للمحوّلات المتفرّقة التي أنتجت قانون القياس، وأوزان إحدى عمليات التدريب الأكبر على Hugging Face. ويشير المنشور إلى أن هذا أول نموذج مفتوح المصدر للشركة.
لماذا يهمّ
صارت فاتورة طاقة الذكاء الاصطناعي مسألة بنية تحتية. وما فعلته إكستروبيك هو إعادة بناء المحوّل لا حول الضرب المصفوفي الكثيف لوحدة معالجة الرسوميات، بل حول عتاد متفرّق واحتمالي. والنتيجة ليست منتجاً بعد بل دراسة أولية؛ لكن إضافة كثافة الاتصال متغيراً جديداً في قانون القياس تُظهر أن هذا المسار صار قابلاً للقياس.
