تراشه‌ها چندان بزرگ نیستند و برخی در کف دست جا می‌شوند. اما بنیاد توسعه مدل‌های هوش مصنوعی‌اند — و بزرگ‌ترین شرکتهای فناوری جهان برای پیشی گرفتن، به تعداد عظیمی از آنها نیاز دارند.
مایکروسافت یکی از همینهاست. و روی کاغذ، به نظر میرسد مشکلی دارد. تحقیق گاردین نشان داده تناقضی ظاهری میان آنچه شرکت درباره ظرفیت هوش مصنوعی‌اش گفته و تعداد تراشه‌های پیشرفته هوش مصنوعی‌ای که در عمل در اختیار دارد وجود دارد.
و این کسری کوچکی هم نیست. گزارش شده مایکروسافت هدف داشته تا پایان ۲۰۲۴، ۱.۸ میلیون تراشه هوش مصنوعی در دیتاسنترهایش در سراسر جهان نصب کند. تقریباً دو سال بعد، در میانه توسعه‌ای ۲۸۰ میلیارد دلاری، شرکت به گزارش اسناد داخلی دیده‌شده توسط گاردین ۲.۲ میلیون تراشه هوش مصنوعی نصب کرده است؛ کمتر از نیمِ عددی که برخی کارشناسان تصور می‌کردند.
به‌سادگی، مسابقه جهانی تسلیحات هوش مصنوعی نیازمند ساخت عظیم دیتاسنترهایی است که روی تراشه‌های بسیار گران کار می‌کنند. این تناقض ظاهری درباره تراشه‌ها نشان می‌دهد دیتاسنترهای جدید مایکروسافت شاید هنوز کاملاً فعال نباشند، یا اگر هم هستند، تراشه‌هایی که نیاز دارند را نداشته باشند.
این چیز بنیادی‌تری را هم درباره ترسیم پیشرفت توسعه فناوری‌های هوش مصنوعی نشان می‌دهد. تراشه‌هایی که هوش مصنوعی را به حرکت درمی‌آورند ساخت Nvidia است، یکی از دو ارزشمندترین شرکتهای جهان. زنجیره تأمین این شرکت یکی از محرمانه‌ترین اسرار کل صنعت است.
تقریباً بدون استثنا، انویدیا گزارش نمی‌دهد چند تراشه از این نوع می‌فروشد و به چه کسانی. مشتریانش — بزرگ‌ترین شرکتهای فناوری جهان — هم به نوبت نمی‌گویند چند تراشه دارند. بدون این اطلاعات، برای هیچ‌کس سخت است بفهمد آیا هوش مصنوعی واقعاً بوم است یا نه.
مایکروسافت می‌گوید در دو سال گذشته با سرعتی دیوانه‌وار زیرساخت هوش مصنوعی ساخته است. ساتیا نادلا، مدیرعامل، پارسال گفت تا میانه ۲۰۲۷ حضور جهانی دیتاسنترش را دو برابر می‌کند. از ۲۰۲۲ حدود ۲۸۰ میلیارد دلار در زمین، ساختمان و زیرساخت محاسباتی برای ساخت هوش مصنوعی خرج کرده است. این شامل بیش از ۴۱ میلیارد دلار فقط در سه‌ماهه گذشته است.
اما تخمین اینکه مایکروسافت با این پول چند دیتاسنتر ساخته، دشوار است.
می‌توان پیشرفت شرکت را با نگاه به اعلان‌های عمومی‌اش ارزیابی کرد، با نگاه ویژه به برقی که نیاز دارد. دیتاسنترها به برق نیاز دارند، پس یکی از راه‌های تخمین چند دیتاسنتر فعال است، جمع کردن انرژی‌ای است که مایکروسافت در اختیار دارد — ظرفیت هوش مصنوعی‌اش.
ادعاهای خود مایکروسافت در گزارش‌های سالانه و صورت‌های فصلی نشان می‌دهد در دو سال گذشته به‌عنوان بخشی از ساخت هوش مصنوعی‌اش، ۵ گیگاوات ظرفیت دیتاسنتر اضافه کرده است. می‌گوید حالا صدها دیتاسنتر در پنج قاره دارد.
پنج گیگاوات انرژی سرگیجه‌آوری است — چهار برابر بزرگ‌ترین پارک دیتاسنتر اروپا. اما ظرفیت کل مایکروسافت باید از این هم بیشتر باشد؛ از ۲۰۲۲ دارد زیرساخت هوش مصنوعی می‌سازد. چقدر بیشتر، سؤالی باز است.
در یک ارائه داخلی از ۲۰۲۴، به گفته گزارش‌ها، مایکروسافت ادعا کرد ۵ گیگاوات ظرفیت دیتاسنتر نصب کرده است. این یعنی می‌تواند حالا ۱۰ گیگاوات ظرفیت کل داشته باشد. روشن نیست آیا همه این‌ها دیتاسنتر هوش مصنوعی‌اند — برخی می‌تواند برای سرویس‌های ابری دیگر باشد. اما گفته‌های خود مایکروسافت نشان می‌دهد تمرکز قاطع مخارج سرمایه‌ای سال‌های اخیرش ساخت زیرساخت هوش مصنوعی بوده است.
۱۰ گیگاوات دیتاسنتر هوش مصنوعی نشان می‌دهد مایکروسافت باید حدوداً ۶.۴ میلیون واحد پردازش گرافیکی (GPU) داشته باشد. شائولی رن، استاد دانشگاه کالیفرنیا ریورساید، گفت گزارش‌های پایداری مایکروسافت — که حاوی آمار مصرف برق است و جدا از صورت‌های مالی منتشر می‌شود — تصویر متفاوتی می‌کشند.
او گفت این گزارش‌ها نشان می‌دهد ظرفیت هوش مصنوعی مایکروسافت در ۲۰۲۴ به احتمال زیاد نزدیک‌تر به ۱.۲ گیگاوات بوده است. اما حتی همین عدد پایین‌تر نشان می‌دهد مایکروسافت به حدود ۴ میلیون تراشه هوش مصنوعی نیاز دارد — اگر در دو سال گذشته ۵ گیگاوات دیتاسنتر هوش مصنوعی اضافه کرده باشد.
رن گفت: «طبق معیارهای خودشان، مایکروسافت می‌تواند درست بگوید. اما روشن نیست وقتی می‌گویند ظرفیت دیتاسنتر اضافه کرده‌اند چه منظوری دارند. زمینه کافی نمی‌دهند. گزارش‌های پایداری توسط شخص ثالث ممیزی می‌شوند. اعتبارشان از اعلان‌ها بیشتر است.»
یک تحلیلگر متخصص انویدیا گفت فکر می‌کرده مایکروسافت با توجه به اعلان‌های عمومی‌اش تراشه‌های بیشتری داشته باشد: «این اعداد برای من پایین است. کمتر از چیزی که انتظار داشتم مایکروسافت داشته باشد.»
مایکروسافت اصرار داشت که محاسبات گاردین بر اطلاعات نادرست استوارند. اما هیچ توضیحی نداد که کدام اعداد گاردین نادرست است یا چرا. چیزی که روشن است این است که ساخت ظرفیت هوش مصنوعی مایکروسافت به نظر بسیار کندتر از آنچه گزارش‌های سالانه‌اش شاید نشان دهند پیش می‌رود.
رن گفت: «ممکن است در یک سه‌ماهه، روی کاغذ، تأمین یا اعلام ۱ گیگاوات ظرفیت برق شدنی باشد. اما آوردن آن ظرفیت به حالت آنلاین و استفاده واقعی از آن برای محاسبات در همان سه‌ماهه، بسیار سخت‌تر است.»
منابع داخل مایکروسافت می‌گویند تعداد کل تراشه‌های هوش مصنوعی شرکت در سال گذشته «تقریباً جابه‌جا نشده» است.
بخشی از این تناقض ظاهری شاید با رابطه مایکروسافت و OpenAI قابل توضیح باشد. شرایط دقیق قرارداد تجاری‌شان عمومی نیست، اما ممکن است این واحد بخشی از استقرارهای دیتاسنتر مایکروسافت را شامل شود که در اسنادی که گاردین دیده نبوده است.
عامل دیگر: به نظر میرسد برخی پروژه‌های بزرگ مایکروسافت هنوز بسیار دور از فعال بودن باشند.
نمونه‌اش بزرگ‌ترین توسعه هوش مصنوعی مایکروسافت در آمریکا: زوج دیتاسنتر در ویسکانسین و جورجیا به نام Fairwater. آوریل امسال نادلا گفت پروژه Fairwater در ویسکانسین «در حال راه‌اندازی است.»
اما تصاویر ماهواره‌ای ساختمان از Epoch AI به نظر نشان می‌دهد فقط بخشی از آن فعال است. در ماه مه، مایکروسافت به یک روزنامه ویسکانسین اذعان کرد Fairwater هنوز آنلاین نیست.
رن می‌گوید این بسیار رایج است. ابتدا سرمایه‌گذاری چندگیگاواتی و چندمیلیارد‌دلاری است. سه سال بعد، فقط ۳۰۰ مگاوات ساخته شده است.
سند داخلی نشان می‌دهد مایکروسافت از جدیدترین مدل تراشه انویدیا، Blackwell، هم کمتر از آنچه با اعلان‌های عمومی انویدیا انتظار می‌رفت دارد. مارس گذشته جنسن هوانگ، مدیرعامل انویدیا، گفت سفارش‌های Blackwell از چهار مشتری برتر انویدیا — که گفته می‌شود آمازون، اوراکل، مایکروسافت و گوگل‌اند — ۳.۶ میلیون عدد بوده است.
تفکیکی از این عدد ارائه نشد، اما مایکروسافت تاریخی یکی از بزرگ‌ترین مشتریان انویدیا بوده. اگر این هنوز درست باشد، باید مجموع Blackwellهای مایکروسافت به جایی نزدیک ۱ میلیون تراشه برسد. در واقع، کمتر از نصف این عدد را نصب کرده است.
ترازنامه‌های انویدیا به نظر نشان می‌دهد تراشه بسیار زیادی فروخته؛ در فوریه درآمدش ۲۱۵.۹ میلیارد دلار گزارش شد. آیا مایکروسافت خریده ولی نصب نکرده؟ چند عدد؟ و آیا همه در اختیارش است؟
نادلا به نظر در پادکستی اواخر پارسال به نام All Things AI به این سؤال اشاره کرد، جایی که درباره ساخت دیتاسنتر مایکروسافت صحبت می‌کرد. بزرگ‌ترین مسئله، گفت، برق است و ساختن دیتاسنترها نزدیک به محل برق.
او گفت: «اگر نتوانی این کار را بکنی، ممکن است عملاً یک عالمه تراشه در انبار داشته باشی که نمی‌توانم بهش برق برسانم. در واقع، مشکل من امروز همین است. مسئله، کمبود عرضه تراشه نیست. مسئله این است که warm shell — ساختمان آماده — ندارم که بهش وصل کنم.»
سخنگوی مایکروسافت گفت: «مایکروسافت طی چند دهه زیرساخت جهانی ساخته است تا تقاضای سریعاً رو به رشد مشتریان برای خدمات ابری و هوش مصنوعی را پاسخ دهد. دیتاسنترهای ما تراشه‌های اختصاصی، AMD، Intel و Nvidia در نسل‌های مختلف را با شبکه، ذخیره‌سازی و زیرساخت سیستم‌های لازم برای کار در مقیاس بزرگ ترکیب می‌کنند.»
او افزود: «مایکروسافت حجم تراشه‌های خاص را در زیرساخت هوش مصنوعی‌اش گزارش نمی‌کند. تخمین‌هایی که گاردین با ما در میان گذاشته نادرست‌اند و از مفروضات غلط نتیجه‌گیری‌های غلط می‌گیرند.»
انویدیا به درخواست اظهار نظر پاسخ نداد.
بزرگ‌ترین شرکتهای فناوری جهان ارقام ظرفیت هوش مصنوعی‌شان را به‌صورت برق می‌دهند: گیگاوات. یک گیگاوات بین ۷۰۰ هزار تا یک میلیون خانه را روشن نگه می‌دارد. متا می‌گوید دیتاسنتر جنجالی Hyperion در لوئیزیانا ۵ گیگاوات ظرفیت خواهد داشت. شرکت بریتانیایی DataVita دیتاسنتر ۱ گیگاواتی در لانارک‌شر برنامه‌ریزی می‌کند.
تبدیل این ارقام به تراشه یعنی محاسبه اینکه با آن حجم برق چند تراشه می‌شود راه‌اندازی کرد. گاردین روش‌شناسی زیر را استفاده کرد و محاسبات را با عبدالطواب هنداوی، استاد دانشگاه رود آیلند، و رن بازبینی کرد.
برای تخمین بسیار کلی تعداد تراشه‌های یک دیتاسنتر، می‌توان مصرف برق آن دیتاسنتر را بر مصرف برق یک تراشه هوش مصنوعی — مثلاً H100 — تقسیم کرد. یک H100 هفتصد وات برق می‌خورد. اگر مایکروسافت ۱۰ گیگاوات ظرفیت داشته باشد، تقسیم آن بر ۷۰۰ وات نشان می‌دهد باید ۱۲ میلیون تراشه داشته باشد.
H100ها بخش عمده تراشه‌های توصیف‌شده در سند داخلی‌اند. همچنین نشان می‌دهد مایکروسافت A100هایی دارد که برق کمتری می‌خورند و Blackwellهایی که بیشتر مصرف می‌کنند.
اما این تقریب چند عامل را در نظر نمی‌گیرد. اول، دیتاسنترها سیستم خنک‌کننده و تجهیزات دیگری دارند که آنها هم برق می‌خورند. رن تخمین می‌زند در یک دیتاسنتر هوش مصنوعی معین، ۸۰٪ برق به تراشه‌های محاسباتی میرسد. این تقریباً منطبق بر ارقام آژانس بین‌المللی انرژی است، هرچند عدد به کارایی دیتاسنتر بستگی دارد. ۸۰٪ از ۱۰ گیگاوات نشان می‌دهد ۸ گیگاوات ممکن است واقعاً در حال استفاده باشد.
این کمی کمتر از ارقام خود مایکروسافت درباره کارایی دیتاسنترهایش است که در گزارش پایداری ۲۰۲۴ آمده و نشان می‌دهد ۸۹٪ برق دیتاسنترهای جدیدش سیستم‌های IT را تغذیه می‌کند، با ۱۱٪ سربار.
دوم، همه تراشه‌های یک دیتاسنتر تراشه هوش مصنوعی نیستند. تراشه‌های هوش مصنوعی روی رک‌های سرور همراه تراشه‌های دیگر کامپیوتر، مثل تراشه‌های حافظه که به اجرای محاسباتشان کمک می‌کنند، نصب می‌شوند. یک سرور با هشت GPU مدل H100 حداکثر حدود ۱۰ کیلووات برق مصرف می‌کند.
تقسیم ۸ گیگاوات بر ۱۰ کیلووات، ۸۰۰ هزار سرور می‌دهد، یا ۶.۴ میلیون تراشه.
این برآورد محافظه‌کارانه است، چون در عمل شرکت‌هایی مثل مایکروسافت تا حدی ظرفیت برق‌شان را oversubscribe می‌کنند — یعنی تراشه‌های بیشتری در دیتاسنتر می‌گذارند تا آنچه ظرفیت IT پشتیبانی می‌کند — همان‌طور که رن گفت.