Nvidia yaddaş komponentlərinin bahalaşması səbəbindən sürətləndirici prosessorlarla təchiz olunan serverlərin qiymətini 15%-dən çox artırır. Böyük texnologiya şirkətləri çox güman ki, Nvidia çiplərindən istifadə yanaşmasını yenidən nəzərdən keçirməli və daha səmərəli proqram təminatına üstünlük verməli olacaqlar. Çindəki rəqibləri bunu artıq ediblər: çip tədarükünə qoyulan məhdudiyyətlər şəraitində onlar daha az hesablama resursu ilə işləməyi öyrəniblər.
Silikon Vadisi şirkətləri də süni intellektlə işləmək üçün daha qənaətcil modelə keçməli ola bilərlər: daha “ağıllı” kod yazmaq və yarımkeçiricilərdən daha rasional istifadə etmək. Çünki sadəcə daha çox çip almaqla problemləri həll etmək artıq dayanıqlı strategiya deyil.
Adi biznesdə təchizat zəncirində xərclər artanda şirkətlər müştəri loyallığını itirməmək üçün bahalaşmanın təsirini müəyyən qədər öz üzərinə götürməyə çalışırlar. Nvidia isə adi biznes deyil. Şirkətin ümumi mənfəət marjası təxminən 75% təşkil edir və o, dünyada süni intellekt üçün çiplər bazarının 70–90%-nə nəzarət edir. Buna görə yaddaş komponentləri istehsalçıları qiymətləri qaldıranda Nvidia artan xərcləri müştərilərin üzərinə ötürüb. Bloomberg News-un məlumatına görə, şirkət hazırda sürətləndirici prosessorlarla təchiz edilən serverlərin qiymətini 15%-dən çox artırır.
Bu, çətin ki, iri texnologiya müştərilərini çəkindirsin. Onların arasında tarixdə ən böyük kapital xərcləri həyata keçirən şirkətlər var. Lakin qiymət artımı Meta Platforms, Microsoft və OpenAI kimi şirkətləri çiplərdən necə istifadə etdiklərini yenidən nəzərdən keçirməyə demək olar ki, məcbur edəcək. ABŞ şirkətləri Çin rəqibləri kimi düşünməyə başlamalı olacaqlar: ixrac məhdudiyyətlərinin tətbiq olunduğu illər ərzində Çin şirkətləri çip çatışmazlığını daha effektiv proqram təminatı hesabına kompensasiya etməyi öyrəniblər.
Məsələn, Hançjouda yerləşən DeepSeek-i götürək. ABŞ-nin ixrac nəzarəti şirkətin Nvidia-nın ən güclü çiplərinə çıxışını məhdudlaşdıranda mühəndislər süni intellekt modellərinin yaddaş tələbatını azaltmağın yolunu tapdılar. Onlar multi-head latent attention, yəni çoxbaşlı latent diqqət adlanan zərif riyazi həll hazırladılar. Mahiyyət etibarilə bu, məlumatların daha yığcam şəkildə kodlaşdırılması üsuludur. Nəticədə çiplər üçün yaddaş tələbatı təxminən 96% azaldı və DeepSeek aparat təminatına ənənəvi xərclərin yalnız kiçik bir hissəsini sərf etməklə dünya səviyyəli məhsul yarada bildi.
Silikon Vadisi də oxşar yolla gedərək yarımkeçiricilərdən daha effektiv istifadə etməyi öyrənə bilərdi. Hətta bunu daha əvvəl etməli idi. Hazırda son istifadəçi tapşırıqlarının emalı üçün Nvidia çiplərindən istifadə heyrətamiz dərəcədə səmərəsizdir. Süni intellekt çipləri üzrə startaplardan birinin təsisçisi bu yaxınlarda bildirib ki, süni intellekt şirkətləri Nvidia qrafik prosessorlarının nəzəri gücünün 15%-dən də azından istifadə edirlər. Digər qiymətləndirmələrə görə, bu göstərici hətta 5%-ə qədər düşə bilər.
Problem GPU-ların özündə deyil. Bunlar eyni vaxtda milyonlarla riyazi əməliyyat yerinə yetirə bilən son dərəcə güclü qurğulardır. Əsas çətinlik minlərlə belə çip məlumat mərkəzində birləşdirildikdə emal edilməli olan nəhəng məlumat axınından yaranır. Mövcud proqram təminatı bir çipə qrafikanı necə emal etməli və ya hesablama aparmalı olduğunu izah etməkdə çox yaxşıdır. Lakin o, əvvəlcədən böyük süni intellekt modelinin məlumatlarını minlərlə çip arasında eyni vaxtda bölüşdürmək üçün yaradılmayıb. Nəticədə məlumat ötürülməsində böyük “tıxaclar” yaranır: proqram təminatı rəqəmlər axınını yenidən bölüşdürənədək çiplər boş dayanaraq gözləyir.
İndiyədək texnologiya nəhəngləri bu problemi sadə üsulla həll edirdilər: daha çox çip alaraq səmərəsizliyi miqyas hesabına kompensasiya edirdilər. Bunun üçün kifayət qədər pulları vardı, süni intellekt yarışının sürəti isə prosessorların idarə olunması üçün illərlə formalaşmış milyonlarla sətir kodu yenidən yazmağa vaxt qoymurdu. Xüsusilə də Nvidia-nın mütəmadi olaraq yeni çip arxitekturaları təqdim etdiyi şəraitdə.
OpenAI və Meta-nın haqqını vermək lazımdır: onlar məhsuldarlığı artırmaq və “GPU-ları daim işlək saxlamaq” üçün yeni proqram alətləri, hətta yeni proqramlaşdırma dilləri yaratmağa çalışıblar. Lakin bu səylər parçalanmış şəkildə aparılıb və məlumat mərkəzlərindəki proqram infrastrukturunun fundamental problemlərini həll etməyib.
Süni intellekt bumunu guya hesablama gücünə tükənməz və fövqəladə yüksək tələb dəstəkləyir. Lakin sənayenin öz daxilində belə etiraf edirlər ki, hesablama gücünün fiziki sərhədlərinə bir neçə il əvvəl çatılıb. “Biz məhsuldarlığa tələbatın tarixdə heç vaxt olmadığı qədər yüksək olduğu dünyada yaşayırıq, amma fiziki imkanlar artıq tükənib”, – süni intellekt üçün yarımkeçiricilər sahəsində çalışan sahibkarlardan biri bildirib.
Texnologiya şirkətləri artıq çiplərin daim daha sürətli olacağına arxalana bilməzlər. Onların daha ucuz olacağına isə ümumiyyətlə ümid etmək olmaz. Nvidia da bunun nə demək olduğunu yaxşı anlayır: ixrac məhdudiyyətləri şəraitində işləməyi öyrənmiş Çin şirkətləri son dərəcə səmərəli süni intellekt alətləri yaradır və bu alətlər hətta Qərbdə populyarlıq qazanır. Böyük hesablama gücü tələb etməyən süni intellekt modelləri Nvidia-nın biznesi üçün açıq təhlükədir.
Məhz buna görə Nvidia bu yaxınlarda San-Fransiskoda yerləşən Poolside AI startapının texnologiyalarını lisenziyalaşdırmaq üçün 6 milyard dollar xərcləyib. Onların proqram təminatı məlumat mərkəzlərində minlərlə GPU arasında hərəkət edən məlumatlar üçün bir növ “yol hərəkəti dispetçeri” kimi işləyir. Sistem məlumat axınlarını elə bölüşdürür ki, avadanlıq daha səmərəli işləsin.
Poolside AI-nin həmtəsisçisi və baş direktoru Eyso Kant bu yaxınlarda müasir məlumat mərkəzlərinin infrastrukturunun nə qədər xaotik olduğunu izah edib. Onun sözlərinə görə, süni intellekt modellərinin yaradılmasını sənayeləşdirilmiş proses kimi qəbul etsək, “bütün vaxtını fabrikin özünü təkmilləşdirməyə sərf edirsən”.
“İnsanlar on milyardlarla dollarlıq nəhəng maliyyələşdirmə raundlarını görür və düşünürlər ki, həqiqətən güclü model öyrətmək üçün məhz bu qədər pul lazımdır. Bu, belə deyil”, – Kant bildirib. Onun sözlərinə görə, Poolside kodla işləmək üçün nəzərdə tutulmuş Laguna modelini təxminən səkkiz həftəyə öyrədə bilib. Səmərəliliyi artıran metodlar hesabına komanda hazırlanmasına yüz milyonlarla dollar xərclənən daha iri modelləri nəticələrinə görə üstələyən sistem yaradıb.
Poolside-ın yanaşması süni intellekt yarışının gələcəkdə hansı istiqamətə dəyişə biləcəyini göstərir. İlk mərhələdə qalib gələnlər böyük maliyyə gücünə malik olanlar idi: kim daha çox hesablama gücü almağa daha çox pul xərcləyə bilirdisə, lider də o olurdu. Lakin Çinin süni intellekt sahəsində artan təsiri göstərdi ki, yalnız kapital qoyuluşları artıq dominantlıq üçün kifayət deyil. Nvidia-nın qiymətləri artırması isə köhnə strategiyanı daha da az məntiqli edir.
Alphabet-in bu ayın əvvəlində öz məlumat mərkəzlərini maliyyələşdirmək üçün 5,5 milyard Avstraliya dolları, yəni təxminən 3,9 milyard ABŞ dolları həcmində istiqraz yerləşdirməsi göstərir ki, hətta ən böyük texnologiya şirkətləri belə bu istiqamətə nə qədər vəsait yatırmağa hazır olduqlarının sərhədinə yaxınlaşırlar.
Artıq Silikon Vadisi liderliyini qorumaq üçün süni intellektə sadəcə daha çox pul “tökməklə” kifayətlənə bilməz. Əvəzində Çin tərtibatçılarının proqram təminatına qənaətcil yanaşmasını mənimsəməli, daha düşünülmüş və daha səmərəli kod yazmağa başlamalıdır.
