قوه مينغتشي: نفيديا تعيد تشغيل مشروع شريحة تحسين التوقعات Rubin CPX

قامت شركة Nvidia بإعادة تشغيل مشروع شريحة كان يُعتقد في السوق أنه قد تم التخلي عنه، مستهدفةً بذلك مرحلة ما قبل التعبئة (Prefill) ذات التكلفة العالية في استدلال الذكاء الاصطناعي.

أظهر أحدث بحث صناعي للمحلل الشهير Ming-Chi Kuo أن Nvidia قد أعادت تشغيل مشروع وحدة معالجة الرسومات لتسريع مرحلة ما قبل التعبئة Rubin CPX، وأجرت تعديلات كبيرة على تصميم المنتج. ووفقًا للخطة الحالية، من المتوقع بدء إنتاج Rubin CPX الجديد في الربع الأول من عام 2027.

إعادة تشغيل المشروع هذه ترسل إشارة واضحة: Nvidia تكثف جهودها لحل عنق الزجاجة في الأداء والتكلفة خلال مرحلة ما قبل التعبئة في استدلال الذكاء الاصطناعي. ومع زيادة طول سياق النماذج الضخمة باستمرار، تحتاج مرحلة ما قبل التعبئة إلى معالجة كم كبير من المعلومات المدخلة وتوليد KV Cache، حيث تؤثر كفاءته مباشرةً على التكلفة الكلية لاستدلال الذكاء الاصطناعي واقتصاديته في النشر.

ذكر Ming-Chi Kuo أن أكثر من 50% من أعباء عمل استدلال الذكاء الاصطناعي حاليًا تأتي من معالجة سياق المدخلات وبناء KV Cache.

تعديلات كبيرة على مواصفات الشريحة، وقوة حوسبة تقترب من Rubin القياسية

ظهرت تغييرات واضحة في المواصفات الأساسية لـ Rubin CPX الجديد مقارنةً بالخطة السابقة.

من حيث قوة الحوسبة واستهلاك الطاقة، فإن أداء CPX الجديد يقترب من وحدة معالجة الرسومات Rubin القياسية، مع استهلاك طاقة أقصى لكرت واحد يصل أيضًا إلى 2300 واط. أما من ناحية الذاكرة، فقد تم ترقية CPX الجديد لاستخدام 168GB من ذاكرة HBM4، وهي ترقية واضحة عن 128GB من GDDR7 في الخطة السابقة، لكنها لا تزال أقل من 288GB HBM4 لوحدة Rubin GPU القياسية.

وفقًا لما ذكره Ming-Chi Kuo، تبلغ سعة HBM4 في صينية حسابية مكونة من 8 بطاقات CPX حوالي 1.34TB، مما يمكنه من تغطية معظم أعباء عمل ما قبل التعبئة لسياقات طويلة واحتياجات KV Cache ذات الصلة. وهذا يعني أن Rubin CPX لا يسعى ببساطة للحصول على قوة حوسبة عامة أعلى، بل تم إعادة تصميمه خصيصًا من أجل سيناريوهات السياق الطويل من حيث سعة الذاكرة وكفاءة مرحلة ما قبل التعبئة.

من الخوادم المشتركة إلى النشر المستقل، تكوين أكثر مرونة

يُعد هيكل الخوادم نقطة تركيز رئيسية في هذه التعديلات.

في الخطة السابقة، كان من المقرر أن يتشارك CPX مع وحدة معالجة الرسومات Rubin نفس الخادم؛ أما في النسخة الجديدة فقد تم اعتماد خادم MGX ETL المستقل، مما يتيح للعملاء توسيع قوة CPX حسب حاجتهم الفعلية.

تحديدًا، يمكن للعملاء اختيار أحجام نشر تتراوح بين 64، 128، 192 أو 256 بطاقة CPX GPU. كل 64 بطاقة CPX GPU تشكل وحدة خادم تحتوي على 8 صوانٍ حسابية، كل صينية مجهزة بـ 8 بطاقات CPX GPU مع صينية مفاتيح خاصة بها.

يعني التصميم المعياري أن العملاء ليسوا بحاجة لشراء خوادم Rubin الضخمة بشكل ثابت، بل يمكنهم إضافة قوة CPX بحرية حسب الحاجة الفعلية لأعباء ما قبل التعبئة.

تصميم ترابط متدرج لتقليل تكلفة نشر مرحلة ما قبل التعبئة

في هيكل الترابط، يستخدم Rubin CPX تصميمًا متدرجًا لتحقيق توازن بين الأداء والتكلفة.

داخل كل صينية حسابية، تُربط 8 بطاقات CPX GPU بتوسع Scale-up عبر NVLink. وتبلغ النطاق الترددي لـ NVLink لكل بطاقة CPX GPU بين 1 و1.5TB/s، وهو أقل من 3.6TB/s لوحدة Rubin GPU القياسية.

أما بين الصواني وداخل وحدات الخوادم في طبقة Scale-out، فيعتمد CPX على شبكة إيثرنت Spectrum-6 نحاسية بالكامل من الفئة L1؛ أما عند الترابط عبر وحدات الخوادم المختلفة، فيتم الربط عبر محولات Spectrum-6 الخاصة بكل وحدة باستخدام خطوط ألياف بصرية OSFP.

مقارنةً بالحلول التي تعتمد كليًا على ترابط وحدة معالجة الرسومات عريض النطاق، يؤكد هذا التصميم المتدرج على تحسين التكلفة خصيصًا لسيناريوهات ما قبل التعبئة.

التكامل مع Rubin GPU، يستهدف استدلال السياق الطويل

Rubin CPX ليس وحدة معالجة رسومات عامة قائمة بذاتها، بل هو مسرّع لمرحلة ما قبل التعبئة يُستخدم جنبًا إلى جنب مع Vera Rubin NVL72.

وفقًا لـ Ming-Chi Kuo، توصي Nvidia بنشر CPX جنبًا إلى جنب مع Rubin GPU بنسبة 1:1؛ حيث يتولى CPX حسابات مرحلة ما قبل التعبئة وتوليد KV Cache، ثم يتم نقل KV Cache عبر إيثرنت RDMA إلى Rubin GPU الذي يتولى فك التشفير اللاحق.

ومن حيث تحديد موقع المنتج، فإن وظيفة Rubin CPX ليست استبدال وحدة Rubin GPU القياسية، بل تقسيم سير عمل استدلال الذكاء الاصطناعي بدرجة أكبر، بحيث تتولى وحدات معالجة الرسومات المختلفة مهمات ما قبل التعبئة وفك التشفير على حدة.

يصنف Ming-Chi Kuo هذا الحل كـ "أفضل حل تنافسي لمرحلة ما قبل التعبئة لسياق طويل". ومع توسع نافذة السياق لنماذج الذكاء الاصطناعي باستمرار، يتزايد حجم الحسابات وKV Cache في مرحلة ما قبل التعبئة، وقد يكون قرار Nvidia بإعادة تشغيل مشروع CPX هو محاولة لتقليل تكلفة استدلال السياق الطويل أكثر عبر العتاد المخصص والنشر المتغاير.