fbpx

דעה: ברוכים הבאים לעידן החדש של תחום המחשוב

computing tech main

בשנת 2012 קרה משהו מיוחד במינו, בשנה הזו הגיע לעולם AlexNet – מודל בינה מלאכותית מבוסס Deep Learning שהיה הניצוץ הראשון ללידה מחדש של תעשייה שלמה. AlexNet, הקרוי על שם הממציא שלו – אלכס קריזבסקי (Alex Krizhevsky) הצליח להגיע לדיוק של למעלה מ-84% בסיווג תמונות ממאגר המידע ImageNet. אחוזי ההצלחה המרשימים של AlexNet גרמו לניצוץ הייחודי שהוביל את תעשיית המחשוב כולה למקום שבה היא נמצאת היום. 

הדיוק שהציג מודל AlexNet היה פריצת דרך בזמנו והוא גרר אחריו תעשייה שלמה לתחום ה-Deep Learning שבאותה התקופה לא היה ממש פופולרי עקב האתגרים הרבים הכרוכים בו. נזכיר כי מאמרים ראשונים אודות תחום ה-Deep Learning הולכים אחורה עד לשנות ה-50 של המאה ה-20 אך היה משהו מיוחד ב-AlexNet שבאמת הצליח לעורר את התחום הזה לחיים. גם להתקדמות הטכנולוגית של המעבדים, כרטיסי המסך ופתרונות האחסון היה תפקיד מכריע בניצוץ הזה ועליהם נדבר ממש בקרוב.

הגדילה של הבינה המלאכותית והתפקיד שלה בעיצוב תעשיית השבבים

מאז 2012, בתעשייה החלו לאמץ בקצב שרק הולך וגדל את תחום ה-Deep Learning. למעשה, נכון להיום יש למעלה מאלף חברות סטארט-אפ ישראליות העוסקות בתחום הבינה המלאכותית בדרך כזו או אחרת וזה מבלי לדבר על החברות הגדולות שגם הן הגדילו משמעותית את מחלקות הבינה המלאכותית שלהן במרוצת השנים. בשונה מאלגוריתמים רגילים, אלגוריתמים המבוססים על Deep Learning מאוד "סנובים" ודורשים יכולות מחשוב מאוד ספציפיות ובקנה מידה מאוד רחב והדבר גרם להשפעה עצומה על תעשיית השבבים.

אם ניקח כדוגמה את NVIDIA, היא התחילה כחברת סטארט-אפ המפתחת כרטיסי מסך לגיימרים אבל היום העיסוק העיקרי שלה הוא דווקא עולמות המחשוב, HPC ובינה מלאכותית. גם אינטל ו-AMD מקדישות בשנים האחרונות לא מעט משאבים וכוח אדם בתחומי הבינה המלאכותית ועובדות ללא הרף על פתרונות המסוגלים להאיץ ולהקל על הפיתוח וההפצה של הבינה המלאכותית.

ההשפעה על תעשיית השבבים לא עוצרת כאן. בהתבוננות על האתר של יצרנית השבבים TSMC מגלים שהיא, ויצרניות שבבים נוספות משקיעות בתחומי הבינה המלאכותית וה-HPC. באופן מעניין, השקופיות הראשונות בסליידר הראשי של TSMC מתייחסות לשבבים עבור AI, HPC, IoT ולאו דווקא לליתוגרפיות (תהליכי ייצור) חדשניות ומתקדמות.

כך, תעשייה שלמה עשתה חישוב מסלול מחדש והקדישה אחוז גדול ממנה לעתיד חכם מבוסס בינה מלאכותית. זה מתחיל במפעלי ייצור השבבים, עובר דרך יצרניות שבבי העיבוד וחברות התוכנה ונגמר בתוכנות בהן אנחנו משתמשים ובאופן בו הן פועלות.

deep learning vs machine learning
קרדיט: XenonStack

המהפך של ARM: מחברה המתמקדת בשוק הטלפונים לחברה שנוגעת בכל תחומי המחשוב

חברת ARM היא דוגמה מעניינת בעיקר לאור המכירה שלה ל-NVIDIA. אם הייתם שואלים אנשים לפני כמה שנים אם לדעתם ARM תפרוץ אל עולם השרתים או אפילו "רק" לתחום המעבדים למחשבים הביתיים סביר להניח שהתשובה הייתה לא, ואולי אפילו לא מזלזל. יחד עם זאת בצורה מאוד מעניינת ARM הצליחה להגיע אל חוות השרתים ואף להציג ביצועים מעניינים במיוחד בשנים האחרונות. ההישג המרשים ביותר שלה היה לפני כמה חודשים כאשר מחשב בעל מעבדים המבוססים על הארכיטקטורות של ARM זכה בפרס מחשב העל הטוב בעולם.

המודל העסקי הייחודי של ARM מאפשר לחברות כמו Qualcomm, Fujitsu ורבות נוספות לקחת את הארכיטקטורה וסט הפקודות של ARM ולבנות על גביהם מעבד ייעודי המתאים באופן איכותי וטוב למשימות שאליהן מיועד השבב. בנוסף, ל-ARM יש סט פקודות חדש בהרבה מ-X86 מה שאומר שיש פה הרבה פחות Legacy והרבה יותר מקום לכלים חדשניים. עם ARM, חברות יכולות ליצור לעצמן מעבדים למגוון שימושים (וגם לבינה מלאכותית) המתאימים באופן טוב מאוד לצורך.

דוגמה טובה לכך היא מעבד ייעודי למערכת המיועדת לניתוח מידע ממערך מצלמות אבטחה באופן חכם המאפשר לזהות נשקים, אלימות, התקהלות לא חוקית וכדומה. במקום להשתמש במעבד "גנרי", יצרניות מערכת האבטחה יוכלו לפתח בקלות יחסית שבב המסוגל לקלוט ולעבד בדיוק את כמות המידע הנדרשת כאשר השבב יכיל גם בקרים ורכיבים המותאמים במיוחד עבור האלגוריתם שפותח למערכת הזו. כשאנחנו מתקרבים לעידן שבו כל מכשיר ומכשיר חכם ומחובר לרשת אין ספק שהצורך בשבבי עיבוד גמישים וחדשניים עולה.

איך כרטיסי מסך עברו מגיימינג למשימות של מעבדים

כאמור, כרטיסי המסך התחילו עם ייעוד מאוד ברור לייצר תצוגה למסך, כאשר כבר משנות ה-90 ההתרכזות הייתה בכרטיסי מסך עוצמתיים לגיימרים. כאלו שיהיו מסוגלים לעבד גרפיקות מתקדמות ולאפשר חווית משחק ריאליסטית יותר. עם הזמן התגלה כי בגלל הצורה שבה בנויים ועובדים כרטיסי המסך, הם מהווים פתרון עיבוד מעולה למשימות הדורשות יכולת חישוב מקבילית גבוהה.

כיום כרטיסי המסך מהווים רכיב מרכזי מאוד בכל הנוגע למרכזי מחשוב, מחקר ופיתוח בהמון תחומים לרבות רפואה וכן גם אימון והרצה של בינה מלאכותית. עם כמה שזה נשמע אירוני, קיימים היום כרטיסי מסך שאין להם שום פלט תצוגה עבור המסכים. הפופולריות של כרטיסי מסך לתחומים האלו הולכת וגדלה ללא הרף. כיום NVIDIA מציעה כרטיסי מסך עוצמתיים מאוד לתחומים הללו והיא אף השיקה לא מעט כלים תוכנתיים מדהימים שעוזרים למפתחים.

גם אינטל צפויה להיכנס בקרוב לשוק כרטיסי המסך עם משפחת כרטיסי המסך Intel Xe כאשר אינטל תנסה לפרוץ כמה נתחי שוק, מהלפטופים דרך הגיימרים ועד לשוק הבינה המלאכותית. אינטל מנסה להביא לשוק שורה של טכנולוגיות חדשניות המאפשרות לבצע Scaling רחב יותר לכרטיסי המסך העתידיים שלה לצד רמת ביצועים גבוהה. את כל זה אינטל עוטפת בטכנולוגייה הנקראת OneAPI וזו מאפשרת בקוד אחד להתאים את התוכנות המבוססות על בינה מלאכותית לכמה סוגי שבבי עיבוד של אינטל.

אין ספק שהכניסה של אינטל לשוק כרטיסי המסך תביא בשורה משמעותית ותביא לראשונה תחרות אמיתית וקשה בתחום שבבי העיבוד לבינה מלאכותית (וכן, גם לגיימרים). בשלב זה אין לנו עדיין מבחני ביצועים רשמיים לכרטיסי המסך של אינטל אך אנחנו בהחלט עוקבים באדיקות אחר הנושא.

חוק מור. קרדיט: ויקיפדיה

גורלם של המעבדים ועלייתו של ה-DPU

יש לא מעט אנליסטים ובכירים בתעשיית ההיי-טק שסבורים כי חוק מור מת. במקביל, בתעשייה קם לו חוק חדש וטרי שנקרא חוק הואנג המתייחס להכפלת ביצועי כרטיסי המסך פי 2 כל שנתיים. תחום המעבדים עבר בלימה מסויימת בשנים האחרונות לאור אתגרים פיזיקליים כאלו ואחרים וכן גם בגלל חוסר תחרות. יחד עם זאת אנחנו סבורים כי תחום המעבדים רחוק מלהיות "מת".

אינטל מתחילה להוביל שינויים משמעותיים בתחום המעבדים בשנים האחרונות ובשנים הבאות. שינויים אלו יאפשרו למעבדים המסורתיים להאיץ עומסי עבודה מודרניים ולקחת את המחשוב המבוסס על גבי מעבדים כמה צעדים קדימה. ממעבדים "רגילים" אנחנו עוברים לעידן בו המעבדים כוללים יחידות עיבוד חדשניות המיועדות לסוגים חדשים של יישומים (לרבות בינה מלאכותית) וזאת בנוסף לשילוב של כמה ליבות מסוגים שונים באותו המעבד. ואם כל זה עדיין לא שכנע אתכם, אל תשכחו שארכיטקטורת המחשבים הקיימת כיום מחייבת מעבד על מנת שהמחשב או השרת יעבדו :).

במקביל למעבדים צצה יחידת עיבוד חדשה בשם DPU, או בשמה המלא Data Processing Unit. יחידות עיבוד אלו נמצאות במוצרים החדשים של NVIDIA Networking (לשעבר Mellanox) והן מיועדות לביצוע כמה סוגי עיבוד על מידע הנכנס או יוצא מן המערכת ובכך להאיץ תהליכים תוך הפחתת העומס על המעבד המרכזי (CPU). בעתיד אנחנו צפויים לראות את ה-DPU מגיעים לאחוז גבוה מאוד מכלל השרתים בעולם.

טוני מלינקוביץ'
טוני הוא העורך הראשי שלנו כאן באתר, עם ידע רחב בחומרה ומקורות מהירים, טוני הוא גם הכתב המהיר ביותר שלנו, בנוסף לכתבות המעולות של טוני הוא גם אחראי על רוב הביקורות שלנו באתר וגם על המלל וחוות הדעת על חלק מסיקורי הוידאו שלנו.
דילוג לתוכן