Asteras Labs تنشر 'سلسلة Scorpio X'…… تقليل عنق الزجاجة في اتصال مراكز بيانات الذكاء الاصطناعي

إحدى أكبر التحديات في مراكز البيانات المعتمدة على الذكاء الاصطناعي هي “الاتصال”. إذا حدثت تأخيرات في نقل البيانات بين الشرائح، فإن المعجلات الذكية المكلفة ستظل تنتظر وتبقى غير مستخدمة. لهذا السبب، أطلقت شركة Astera Labs سلسلة منتجات جديدة للمفاتيح لتقليل هذا التأخير.

أعلنت شركة شرائح الشبكة Astera Labs عن إطلاق أحدث مفاتيح بنية البيانات الذكية من سلسلة “Scorpio X”. وتقول الشركة إن هذا المنتج هو أكبر مفاتيح بنية “ذاكرة دلالية” مفتوحة في الصناعة. ووفقًا للتفسير، يركز هذا المنتج على مساعدة مشغلي مراكز البيانات الضخمة على توسيع موارد الحوسبة بشكل أكبر مع تقليل مشكلة التأخير.

وبمناسبة هذا الإصدار، تم توسيع خط منتجات مفاتيح بنية PCIe من سلسلة “Scorpio P” الأصلية. توفر السلسلة الجديدة تكوينات تتراوح من 32 قناة إلى 320 قناة. وهذا يوفر للمصممين لمراكز البيانات الذين يحتاجون إلى نقل كميات كبيرة من البيانات بكفاءة بين مجموعات معالجات الذكاء الاصطناعي خيارات أكثر.

في عصر الذكاء الاصطناعي الضخم، ليست عنق الزجاجة في وحدات معالجة الرسوميات (GPU) بل في نقل البيانات

تعتقد Astera Labs أنه في توسع أنظمة الذكاء الاصطناعي، لم تعد المشكلة الأساسية هي أداء الشريحة فقط، بل كفاءة الاتصال بين الشرائح. أصبحت النماذج اللغوية الكبيرة مؤخرًا ضخمة جدًا، مع مليارات من المعاملات، ويصعب وضع كل الحسابات داخل رف خادم واحد. في النهاية، يجب دمج مئات أو آلاف وحدات معالجة الرسوميات (GPU) في مجموعة ضخمة للتشغيل.

المشكلة تكمن في أن البيانات تتنقل باستمرار بين الشرائح خلال هذه العملية، مما يسبب ازدحامًا متزايدًا. عندما تنتظر البيانات المطلوبة للوصول من أجزاء أخرى، تكون وحدات معالجة الرسوميات (GPU) في حالة انتظار غير نشط. وبما أن تكلفة التشغيل لكل ساعة لمجموعات الذكاء الاصطناعي تصل إلى آلاف الدولارات، وما يعادل ملايين الون الكوري، فإن هذا الانتظار يقلل بشكل كبير من ربحية وكفاءة مراكز البيانات.

مثل الوصول إلى “الذاكرة”… تقليل التأخير، وتحسين كفاءة المعالجة

المنتج الرئيسي، “سلسلة Scorpio X” التي تحتوي على 320 قناة، يتميز بإعادة تصميم طريقة تفاعل المفاتيح مع الشرائح. يعتمد هذا المنتج على بنية “الذاكرة الدلالية”، مما يسمح لوحدات معالجة الرسوميات وغيرها من معجلات الذكاء الاصطناعي بالوصول إلى الموارد الموزعة عبر الهيكل ببساطة من خلال عمليات التحميل/التخزين. باختصار، هو هيكل يجعل الموارد البعيدة قابلة للوصول كما لو كانت ذاكرة محلية.

وبذلك، يعمل الهيكل كأنه بركة ذاكرة موحدة. ومن المتوقع أن يقلل هذا من النفقات الناتجة عن تحويل حزم البيانات التقليدي، وبالتالي يقلل من التأخير. بالنسبة لمراكز البيانات المعتمدة على الذكاء الاصطناعي، فإن ذلك يعني زيادة احتمالية معالجة المزيد من المهام باستخدام نفس الموارد الحاسوبية.

بالإضافة إلى ذلك، استثمرت الشركة تقنياتها الذاتية “Hypercast” و"In-Network Compute". وهي بنية تسمح للمفاتيح بنقل البيانات وأيضًا تنفيذ بعض العمليات المعالجة مباشرة. بشكل خاص، يمكن معالجة عمليات التجميع أو التوزيع للبيانات على مستوى الشبكة. وتوضح الشركة أن سرعة العمليات ذات الصلة يمكن أن تكون أسرع بمقدار الضعف مقارنة بالماضي. وهذا قد يؤثر مباشرة على “اقتصاديات الرموز” في عبء العمل على الذكاء الاصطناعي، أي كفاءة التكلفة للوحدة.

تصميم عالي الكثافة بـ 320 قناة بديل للمفاتيح التقليدية… ويدعم المعايير المفتوحة

ميزة أخرى لسلسلة Scorpio X هي تصميم “الأساس العالي”. فهي توفر على شريحة واحدة اتصالًا يعتمد على PCIe 6 بـ 320 قناة، مما يمكن أن يحل محل عدة مفاتيح مراكز بيانات تقليدية. وهذا يجعل بنية الشبكة أبسط، ويقلل المسافة الفيزيائية لنقل البيانات، مما يقلل من تعقيد النظام بأكمله.

وتكمل سلسلة Scorpio P الموسعة سلسلة X. وتقول Astera Labs إن هذه المنتجات تهدف إلى دعم بناء الشبكات الأمامية وأنظمة الحوسبة الذكية بشكل متزامن. وتؤكد الشركة أنها لا تدعم المعايير المفتوحة فحسب، بل تدعم أيضًا بروتوكولات خاصة مثل NVLink Fusion وUALink من NVIDIA، مما يتيح تقديم بنية شبكة قابلة للتطبيق على العديد من معالجات الذكاء الاصطناعي.

قال الرئيس التنفيذي Jitendra Mohan: “تتطلب النماذج الرائدة في تطبيقات الذكاء الاصطناعي اليوم، التي تتحدى أكثر النماذج تطلبًا، بنية اتصال تتوافق مع أداء المعجلات”. وهذا يعني أنه من أجل استمرار تطور صناعة الذكاء الاصطناعي، يجب تجنب عنق الزجاجة في ربط الشرائح.

تُظهر هذه الإصدارات من Astera Labs أن محور التنافس في الذكاء الاصطناعي يتحول بسرعة من أداء الشرائح إلى بنية الاتصال الكاملة للنظام. وفي المستقبل، في مراكز البيانات المعتمدة على الذكاء الاصطناعي، سيكون من المهم بنفس قدر أهمية شرائح المعالجة، كيفية دمج هذه الشرائح بكفاءة، وهو ما قد يصبح الميزة التنافسية الأساسية.