انویدیا جزئیات کامل پردازنده NVIDIA Vera را منتشر کرد؛ محصولی که این شرکت آن را بهطور ویژه برای بارهای کاری هوش مصنوعی عاملمحور (Agentic AI) و یادگیری تقویتی (Reinforcement Learning) طراحی کرده است. این پردازنده مبتنیبر معماری اختصاصی Arm، از 88 هسته Olympus بهره میبرد و بهگفته انویدیا میتواند عملکرد تکرشتهای و تکهستهای بسیار بالاتری نسبتبه راهکارهای سنتی ارائه دهد.
🔷 پردازنده NVIDIA Vera با 88 هسته Olympus و 176 رشته پردازشی معرفی شد.
🔷 انویدیا ادعا میکند Vera تا 50 درصد IPC بیشتری نسبتبه Grace ارائه میدهد.
🔷 فناوری Spatial Multi-Threading جایگزین رویکرد سنتی SMT شده است.
🔷 حافظه LPDDR5X با پهنایباند 1.2 ترابایتبرثانیه و مصرف انرژی کمتر در Vera بهکار رفته است.
🔷 این پردازنده برای هوش مصنوعی عاملمحور، یادگیری تقویتی و مراکز داده نسل آینده توسعه یافته است.
انویدیا معتقد است رشد سریع بارهای کاری مبتنیبر هوش مصنوعی عاملمحور و یادگیری تقویتی باعث شده نقش CPU در زیرساختهای هوش مصنوعی بیشازپیش اهمیت پیدا کند. در چنین سناریوهایی، پردازنده وظایفی مانند اجرای برنامهها، ارزیابی نتایج، مدیریت عاملها و هماهنگی میان اجزای مختلف سیستم را برعهده دارد.
بهگفته این شرکت، حتی قدرتمندترین GPUها نیز بدون یک CPU سریع نمیتوانند دادهها و زمینه موردنیاز خود را بهموقع دریافت کنند. انویدیا Vera را برای حذف این گلوگاهها طراحی کرده تا ارتباط میان پردازنده و شتابدهندههای هوش مصنوعی با بیشترین بهرهوری انجام شود.
پردازنده Vera برپایه معماری اختصاصی Olympus Core توسعه یافته که از IP سفارشی Armv9.2 بهره میبرد. این تراشه از یک قالب پردازشی یکپارچه استفاده میکند و فناوریهایی مانند نسل دوم NVIDIA Scalable Coherency Fabric، محاسبات محرمانه و PCIe Gen6 را در اختیار کاربران قرار میدهد.
نمای کلی معماری پردازنده NVIDIA Vera و اجزای اصلی آن شامل هستههای Olympus، حافظه، کش و زیرسیستمهای ارتباطی
| مشخصه | مقدار |
|---|---|
| هستهها / رشتهها | 88 هسته / 176 رشته |
| کش L2 | 2 مگابایت برای هر هسته |
| کش L3 | 164 مگابایت |
| حافظه | تا 1.5 ترابایت LPDDR5X |
| سرعت حافظه | 9600 MT/s |
| پهنایباند حافظه | تا 1.2 ترابایتبرثانیه |
| PCIe | تا 88 مسیر PCIe 6.4 |
| TDP | 250 تا 450 وات |
هسته Olympus بهعنوان موتور پردازشی Vera شناخته میشود. انویدیا این معماری را از ابتدا با هدف افزایش IPC (تعداد دستورالعمل در هر سیکل) توسعه داده است؛ موضوعی که برای نرمافزارهای پیچیده، شاخهمحور و حساس به تأخیر اهمیت زیادی دارد.
طبق ادعای انویدیا، Olympus در مقایسه با پردازنده Grace حدود 50 درصد IPC بالاتر ارائه میدهد.
دیاگرام معماری هسته Olympus
یکی از مهمترین ویژگیهای Olympus، استفاده از Neural Branch Predictor است. این فناوری الگوهای پیچیده اجرای برنامه را یاد میگیرد و مسیرهای احتمالی بعدی را با دقت بیشتری پیشبینی میکند.
بهگفته انویدیا، این قابلیت در نرمافزارهایی مانند پایگاههای داده، کامپایلرها، محیطهای اجرایی و عاملهای هوش مصنوعی تأثیر محسوسی بر افزایش بهرهوری پردازنده دارد.
بخش Mid Core دستورالعملهای رمزگشاییشده را به عملیات اجرایی تبدیل میکند و تلاش دارد بیشترین سطح موازیسازی ممکن را استخراج کند.
انویدیا در این بخش از فناوریهایی مانند Memory Renaming و Value Prediction استفاده کرده است. این قابلیتها وابستگیهای غیرضروری میان دستورالعملها را کاهش میدهند و اجازه میدهند پردازنده قبل از آماده شدن کامل دادهها، برخی عملیات را پیشبینی و اجرا کند.
این ویژگیها بهخصوص در نرمافزارهای مبتنیبر اشارهگر، پردازش گراف، چارچوبهای اجرایی و بارهای کاری شیگرا اهمیت دارند.
معماری Mid Core در هسته Olympus با افزایش موازیسازی دستورالعملها، بهرهوری پردازنده NVIDIA Vera را در پردازشهای پیچیده بهبود میدهد.
موتور اجرایی Olympus برای حفظ نرخ بالای پردازش در بارهای کاری مختلف ازجمله هوش مصنوعی عاملمحور، پایگاههای داده و محیطهای یادگیری تقویتی طراحی شده است.
این بخش شامل 8 واحد ALU ساده، 2 واحد ALU پیچیده و 4 واحد اختصاصی پردازش شاخه است. همچنین Vera از شش واحد برداری 128 بیتی SVE پشتیبانی میکند که دو واحد آن قابلیتهای رمزنگاری را نیز ارائه میدهند.
پشتیبانی از FP8 و Arm SVE باعث شده Vera بتواند پردازش داده، پیشپردازش مدلهای یادگیری ماشین، تحلیل داده و محاسبات علمی را با بهرهوری بالاتری انجام دهد.
انویدیا در Vera از فناوری جدیدی با نام Spatial Multi-Threading استفاده کرده است. برخلاف SMT سنتی که منابع هسته را میان چند رشته بهصورت اشتراکی تقسیم میکند، فناوری جدید بخشی از منابع را بهصورت اختصاصی میان دو رشته سختافزاری توزیع میکند.
بهگفته انویدیا، این رویکرد باعث کاهش اثر «همسایه پرسروصدا» میشود؛ مشکلی که در آن فعالیت یک رشته میتواند عملکرد رشته دیگر را کاهش دهد.
نتیجه این طراحی، تأخیر کمتر، عملکرد پایدارتر و کیفیت سرویس بهتر در محیطهایی است که هزاران عامل هوش مصنوعی بهصورت همزمان فعالیت میکنند.
فناوری Spatial Multi-Threading در Vera عملکرد تکرشتهای بالاتری نسبتبه SMT سنتی ارائه میدهد.
انویدیا برای Vera بهسراغ حافظه LPDDR5X رفته و هشت کنترلر حافظه را درون تراشه قرار داده است. این ساختار امکان دستیابی به پهنایباندی تا 1.2 ترابایتبرثانیه را فراهم میکند.
هر هسته Olympus به حدود 14 گیگابایتبرثانیه پهنایباند حافظه دسترسی دارد و ظرفیت حافظه سیستم میتواند از 256 گیگابایت تا 1.5 ترابایت افزایش یابد.
انویدیا میگوید استفاده از LPDDR5X مصرف انرژی را بهطور قابلتوجهی کاهش میدهد. درحالیکه برخی پلتفرمهای مبتنیبر DDR5 ممکن است بیشاز 100 وات و حتی 200 وات انرژی مصرف کنند، راهکار SOCAMM2 در Vera با مصرفی حدود 30 تا 40 وات به پهنایباند مشابه دست پیدا میکند.
Vera از نسل دوم NVLink-C2C بهره میبرد و تا 1.8 ترابایتبرثانیه پهنایباند منسجم میان CPU و GPU فراهم میکند.
همچنین این پردازنده از PCIe 6.4، استاندارد CXL 3.1 و قابلیتهای پیشرفته محاسبات محرمانه پشتیبانی میکند. انویدیا اعلام کرده Vera نخستین CPU در صنعت است که امکان استفاده از TDISP برای دستگاههای منسجم مانند GPUها را فراهم میکند.
این قابلیتها امکان رمزنگاری ماشینهای مجازی، جداسازی امن بارهای کاری و توسعه زیرساختهای ابری پیشرفته را فراهم میکنند.
پردازنده NVIDIA Vera یکی از مهمترین تلاشهای انویدیا برای ورود جدیتر به بازار CPUهای مراکز داده محسوب میشود. این تراشه با 88 هسته Olympus، معماری اختصاصی Arm، فناوری Spatial Multi-Threading، حافظه LPDDR5X و قابلیتهای پیشرفته ارتباطی و امنیتی، بهطور ویژه برای نسل جدید سیستمهای هوش مصنوعی طراحی شده است.
اگر ادعاهای انویدیا درباره افزایش 50 درصدی IPC و بهبود عملکرد تکرشتهای در عمل نیز محقق شوند، Vera میتواند به یکی از جدیترین رقبای پردازندههای سنتی x86 در مراکز داده تبدیل شود.
بهنظر شما آیا پردازنده Vera میتواند سلطه چندینساله معماری x86 در زیرساختهای هوش مصنوعی را به چالش بکشد؟ دیدگاه خود را با ما بهاشتراک بگذارید.
با عضویت در شبکههای اجتماعی ترنجی از آخرین اخبار فناوری باخبر شوید!
