عمده مصرفکنندگان پردازندههای GPU ، شرکتهای دانشبنیان و تخصصی حوزه هوشمصنوعی هستند. اما بازار محدود به این کاربران نمانده و همگام با روندهای جهانی و نیاز روز جامعه، کسبوکارهایی غیر از این دسته نیز با سرعتی کمتر، تقاضای دریافت این تجهیزات را دارند. فشار و محدودیت ناشی از تحریمها از یکسو و بهای تمامشده سرویسهای […]
عمده مصرفکنندگان پردازندههای GPU ، شرکتهای دانشبنیان و تخصصی حوزه هوشمصنوعی هستند. اما بازار محدود به این کاربران نمانده و همگام با روندهای جهانی و نیاز روز جامعه، کسبوکارهایی غیر از این دسته نیز با سرعتی کمتر، تقاضای دریافت این تجهیزات را دارند. فشار و محدودیت ناشی از تحریمها از یکسو و بهای تمامشده سرویسهای تازه ارائهشده از سوی دیگر، هزینه در اختیار داشتن GPU را برای این گروه دشوار کرده است. بررسیها از بازار سختافزار نشان میدهد که بیشتر مشتریان و متقاضیان GPU همان شرکتهای حوزه هوشمصنوعی و دانشبنیان است. GPU در واقع واحد پردازش گرافیکی است اما به دلیل امکان اجرای محاسبات موازی، بیشترین کاربرد را برای تأمین قدرت پردازش در سیستمهای مرتبط با هوشمصنوعی دارد. همچنین رونمایی از تراشه X870 که توان تسریع عملکردهای محاسباتی برای هوشمصنوعی را دارد نیز افکار عمومی را به خود جلب کرده است. طبق گفتههای فروشندگان سختافزاری در بازار رضا که یکی از بورسهای اصلی تأمین سختافزار در کشور است، در حالحاضر با توسعه نرمافزارهای مبتنی بر هوشمصنوعی و کارکردهای متنوع و متعدد آن، بازار سختافزاری ایران برای در اختیار داشتن تجهیزات مورد نظر با سرعت آرامی در حال افزایش تقاضاست.
پردازش ابری برای کاربردهای محدود
محمدرضا معبودیان؛ رئیس کارگروه هوشمصنوعی اتاق بازرگانی ایران در رابطه با دستهبندی گروههای مصرفکننده GPU گفت: مصرفکنندگان GPU در بعد Train (آموزش) و Inference (استنباط) شرکتهای حوزه هوشمصنوعی هستند. سایر کسبوکارها و حتی فعالان خانگی استفاده کمی از این تجهیزات دارند. او معتقد است؛ ترندهای جهانی روی رفتار فعالان این حوزه و اندازه بازار تأثیرگذار است. سال ۲۰۲۴ سال LLMها بود و طبق گفته معبودیان کارکرد آن برای کسبوکارهای کوچک یا خانگی به چتباتها محدود میشد. معبودیان؛ در رابطه با این نوع کاربری گفت: چتباتی که در قالب کسبوکار کوچک توسعه پیدا میکند میتواند از پردازش ابری کمک بگیرد. به این معنا که شخصی که یک چتبات طراحی کرده و توسعه داده است میتواند برای آموزش و نتیجهگیری، از پردازش ابری استفاده کند. در این حالت کافی است هزینه شارژ این پردازش پرداخت شود و کاربر دیگر لازم نیست به سؤالهایی مانند میزان توان محاسباتی یا تعداد واحدهای پردازشی، پاسخ دهد. در واقع کاربر این سرویسها دیگر نیازی به ایجاد زیرساخت برای تولید و توسعه محصول خود ندارند. بررسیها نشان میدهند محدوده قیمت تهیه یک CPU با توان پردازش بالا حدود ۳۰ تا ۴۰ میلیون تومان و یک مادربرد مناسب برای این سیتم بین ۲۰ تا ۳۰ میلیون تومان است. همچنین برای تهیه کارت گرافیک باکیفیت، لازم است تا ۱۴۰ میلیون تومان هزینه شود. قیمتGPUهای رایج برای گیم و محاسبات نیز حدود ۹۰ میلیون تومان برآورد شده است.
سختافزار، پاشنهآشیل هوشمصنوعی
حسین خوشرفتار؛ معاون فناوری شرکت گیتیهوشمند و مدیر ارشد فناوری گروه هوشمصنوعی زیرساختهای سختافزاری را پاشنهآشیل توسعه هوشمصنوعی خواند و یکی از چالشهای اصلی شرکتهای فعال این حوزه را دسترسی به سختافزارهای مناسب عنوان کرد. این مشکل که از تحریمها و محدودیتهای اقتصادی نشئت میگیرد توسعه این فناوری را با مانع جدی مواجه کرده است. او در رابطه با کیفیت GPUهای فعلی که در دسترس کاربران ایرانی هستند، گفت: تجهیزات مورد نیاز برای کارهای سادهای که در سطوح تحقیقاتی در دانشگاههای جهان انجام میشود، چند برابر قویتر از تجهیزاتی است که ما برای انجام یک کار در سطح پیچیده تولید محتوای تصویری در اختیار داریم.
گام بعدی: دستیارهای هوشمصنوعی
رئیس کارگروه هوشمصنوعی اتاق بازرگانی ایران، معتقد است که میتوان با کمک LLM خدمات متنوعی در حوزه دستیارهای هوشمصنوعی ایجاد کرد. این خدمات به صورت مستقیم نیازی به ایجاد زیرساخت توان پردازش GPU برای کسبوکارهای کوچک ندارند. به گفته او یکی دیگر از کاربردهای این امر استفاده از مجموعههای نرمافزاری و سختافزاری است که توسط پلتفرمهای پردازش ابری ارائه میشود. اما از اینکه در حوزههای مختلف B2C و B2B و B2G چه میزان توان پردازش و GPU مورد نیاز است عدد مشخصی در دسترس نیست. پیش از این هوشمصنوعی مولد و چتباتها مورد توجه بودند اما در سال ۲۰۲۵ به سمت دستیارهای هوشمصنوعی حرکت میکنیم. رئیس کارگروه هوشمصنوعی اتاق بازرگانی ایران، میزان استفاده GPU برای مصرفکنندگان خدمات ابری مبتنی بر هوشمصنوعی را در حال افزایش خواند. این روندی است که هم در دنیا و هم در ایران به سمت فرآیند شدن میرود. اما مسئله اصلی بازار GPU در کشور، نداشتن سیاست است. معبودیان؛ معتقد است به دلیل ابهام وضعیت ارائهدهندگان خدمات (Provider) و نبود سیاست مشخص مسیر بازار مسیر نامشخصی است. او همچنین گفت: آینده به سمت استفاده گسترده از هوشمصنوعی، وبسرویس و خدمات ابری پیش میرود و ما نیز چارهای جز حرکت به این سمت نداریم. اما به نظر من بلوغ این امر هنوز در کشور اتفاق نیفتاده است. معبودیان؛ همچنین مشکلات اقتصادی و هزینه تمام شده قابلتوجه استفاده از این سیستمها و فناوری را برای رویآوری گسترده به آن در شرایط فعلی توجیهناپذیر خواند و گفت که هنوز جدی نشده است. معبودیان؛ با اشاره به افزایش تقاضا در افرادی که صاحب کسبوکار نیستند گفت: این افراد نیز متقاضی تهیه GPU هستند اما در شرایط اقتصادی کنونی هزینه تمامشده برای این کاربران بالا است و خرید GPU برای آنها توجیهی ندارد.
بازار سختافزار در حال رشد است
یکی از اهالی بازار رضا در رابطه با آینده و چشمانداز این تجهیزات، گفت: هوشمصنوعی تا همین یکی، دو سال پیش اسم ناشناختهای بود چه برسد به اینکه ابزار و تجهیزات مربوط به آن در بازار متقاضی داشته باشد. اما اکنون با توسعه فناوری و نیازهای کسبوکارهای جدید شاهد تقاضاهای بیشتری برای GPU و سایر قطعات و ابزار هستیم. نه اینکه بازار خیلی رشد داشته باشد اما به نسبت گذشته پرسوجو و خرید این محصولات بیشتر شده است. او در پاسخ به این سؤال که آیا فقط شرکتهای دانشبنیان و تخصصی متقاضی هستند، گفت: بیشتر خریداران این افراد هستند اما کم و بیش دیده میشود که افراد دیگری نیز برای خرید این محصولات به بازار میآیند.
منبع: پیوست
دیدگاه بسته شده است.