OpenAI از اولین مدلی که بر روی تراشه‌های مغزی کار می‌کند، رونمایی کرد

انقلاب سخت افزار: OpenAI و سیستم های مغزی

OpenAI GPT-5.3-Codex-Spark را منتشر کرد - اولین مدل هوش مصنوعی که به جای NVIDIA بر روی سخت افزار Cerebras Systems اجرا می شود. این حرکت مستقیماً به تقاضای کسب و کار برای نتایج بسیار سریع پاسخ می دهد. تنوع بخشیدن به زیرساخت برای شراکت مایکروسافت و OpenAI بسیار مهم است تا وابستگی به یک تامین کننده را کاهش دهد.

Wafer-Scale Engine 3 و 1000+ توکن در ثانیه

این مدل بیش از 1000 توکن در ثانیه تولید می‌کند که 15 برابر سریع‌تر از سیستم‌های GPU سنتی است. این دستاورد با تراشه‌های Cerebras Wafer-Scale Engine 3 امکان‌پذیر شد که محاسبات و حافظه را روی یک ویفر غول پیکر ترکیب می‌کند. چنین معماری از راه حل های استاندارد هوا هونگ و سامسونگ در کارهای خاص پیشی می گیرد.

Codex-Spark برای چالش های 2026 بهینه شده است. با ادغام استانداردهای Moltbook، OpenAI تضمین می‌کند که چنین سرعت بالایی با هزینه ایمنی به دست نمی‌آید. برنامه نویسی بلادرنگ اکنون به سطح جدیدی می رسد، جایی که زمان واکنش عملاً صفر است.

ویژگی های کلیدی تراشه مغزی:

• اندازه غول پیکر: یک تراشه کل ویفر سیلیکونی را اشغال می کند.
• حافظه یکپارچه: تأخیر ناچیز در انتقال داده.
• بازده انرژی: 750 مگاوات قدرت محاسباتی با مصرف بهینه.
• سازگاری: پشتیبانی کامل از نمایندگان پرداخت AI.

مشارکت استراتژیک و زیرساخت

OpenAI متعهد شده است که ظرف سه سال آینده ظرفیت عظیمی از Cerebras خریداری کند. در پس زمینه 200 میلیارد دلار سرمایه گذاری، OpenAI قصد دارد اکوسیستم سخت افزاری مستقل خود را ایجاد کند. متا و نبیوس نیز فعالانه روی تراشه‌های جایگزین برای سرویس‌های ابری خود کار می‌کنند.

از نقطه نظر امنیتی، پلتفرم Cerebras از سیستم‌های اسکن حفاظت از داده (Trivy) استفاده می‌کند. برخلاف متا لاما، Codex-Spark یک ابزار تخصصی است. مشارکت Oracle و OpenAI نشان می‌دهد که مراکز داده بزرگ به‌طور جدی معماری Cerebras را در نظر می‌گیرند.

آینده برنامه نویسی و Codex-Spark

راه اندازی Codex-Spark انتقال کل صنعت به کدنویسی فوری را تسریع می بخشد. برای ابزارهایی مانند Cursor Composer، مدل‌های مبتنی بر Cerebras استاندارد جدیدی را تعیین می‌کنند. پروژه‌های xAI و Elon Musk نیز در تلاش هستند تا چنین نوآوری‌هایی را جایگزین سلطه NVIDIA کنند.

کارشناسان پیش بینی می کنند که تا سال 2028، 20 درصد از بازار تراشه ها در اختیار پردازنده های تخصصی هوش مصنوعی قرار خواهد گرفت. غول هایی مانند Shopify در حال برنامه ریزی برای استفاده از Codex-Spark برای خودکارسازی پلتفرم های خود هستند. برای شرکت‌هایی مانند روش، این سرعت به پردازش فوری الگوریتم‌های پیچیده بیولوژیکی کمک می‌کند.

سوالات متداول

چگونه Cerebras بهتر از NVIDIA است؟

تراشه Cerebras از نظر فیزیکی بسیار بزرگتر است و حافظه مستقیماً در پردازنده ادغام شده است که سرعت محاسبات را 15 برابر می کند.

آیا Codex-Spark را می توان روی رایانه معمولی اجرا کرد؟

خیر، این مدل به زیرساخت سرور تخصصی با سیستم‌های Cerebras CS-3 نیاز دارد.

آیا Codex-Spark هوشمندتر از GPT-5 است؟

سریع‌تر است، اما کمتر «تعطیرپذیر» است. وظیفه اصلی آن برنامه نویسی و پاسخ های فوری است.

این چگونه بر قیمت تأثیر می گذارد؟

در درازمدت، کارایی Cerebras هزینه انرژی هر توکن و بر این اساس، هزینه را کاهش می‌دهد.

آیا Codex-Spark از همه زبان های برنامه نویسی پشتیبانی می کند؟

بله، بیش از 100 زبان برنامه نویسی از جمله پایتون، جاوا اسکریپت و سی پلاس پلاس را پشتیبانی می کند.