چندین شرکت فناوری چینی اخیراً تراشه‌هایی را راه‌اندازی کرده‌اند که «اترنت زمان‌بندی جهانی» یا GSE را تأمین می‌کنند، یک پروتکل شبکه‌ای که برای تطبیق حجم زیادی از داده‌ها و سرعت‌های انتقال بالایی که هوش مصنوعی و سایر بارهای کاری با کارایی بالا نیاز دارند، طراحی شده است. طبق گزارش The Register، شرکت دولتی China Mobile، بزرگترین اپراتور تلفن همراه در کشور، از سال 2023 پس از انتشار مقاله سفید (PDF) در مورد «معماری فنی اترنت کاملاً برنامه‌ریزی» روی این فناوری کار می‌کند.
این فناوری شبیه به آنچه کنسرسیوم Ultra Ethernet (UEC) روی آن کار می کند. این گروه با یکدیگر همکاری می کنند تا فناوری بسازند که به خوشه های HPC و AI اجازه می دهد در حین استفاده از سخت افزار موجود، به طور موثر و کارآمد ارتباط برقرار کنند.
فناوری اترنت کنونی برای بارهای کاری عظیم آموزش هوش مصنوعی و سایر برنامه های کاربردی HPC ساخته نشده است. شبکه‌های بزرگ و شلوغی که معمولاً در مراکز داده پیدا می‌کنید، انتقال داده‌ها را دشوار می‌کنند و در نتیجه سطوح تأخیر غیرقابل قبولی ایجاد می‌کنند. به همین دلیل است که مراکز داده‌ای که از پردازنده‌های گرافیکی Nvidia استفاده می‌کنند معمولاً از فناوری‌هایی مانند NVLink استفاده می‌کنند تا به سیستم‌های خود اجازه برقراری ارتباط مستقیم را بدهند. با این حال، NVLink یک سیستم اختصاصی است که فقط با محصولات انویدیا کار می‌کند و کاربرد آن را محدود کرده و استقرار آن را پرهزینه می‌کند.
از اکتبر 2024، UEC دارای 97 عضو بود و AMD اولین کارت شبکه اولترا اترنت آماده را ماه گذشته رونمایی کرد. در همین حال، بیش از 50 سازمان، از جمله ارائه دهندگان خدمات ابری، سازندگان تراشه، و موسسات آموزشی از داخل و خارج از چین، در توسعه GSE مشارکت داشته اند.
گفته می شود تراشه های عرضه شده در این ماه GSE را به واقعیت تبدیل می کنند. در مقابل، دیگران گزارش دادند که China Mobile این سیستم را در یکی از مراکز داده خود مستقر کرده و بهبودهای عملکردی عظیمی را برای آموزش هوش مصنوعی ارائه کرده است.
به نظر می رسد GSE یک رقیب مستقیم برای آنچه UEC روی آن کار می کند باشد. با این حال، اگرچه گزارش شده است که هر دو تیم سخت‌افزاری را برای هر دو فناوری منتشر کرده‌اند، ما هنوز مقایسه‌ای بین توانایی‌های آنها ندیده‌ایم. جالب است که ببینیم کدام یک از این فناوری ها بهتر عمل می کند و مقرون به صرفه تر است.
منبع:tomshardware
