به گزارش TechRadar در ۲۰ نوامبر ۲۰۲۶، جنسن هوانگ، همبنیانگذار و مدیرعامل پیشین انویدیا، در مصاحبهای تلویزیونی با PBS گفته بود پردازنده گرافیکی (GPU) جای پردازنده مرکزی (CPU) را نمیگیرد. این جمله امروز که بحث نقش CPU در هوش مصنوعی بالا گرفته، دوباره اهمیت پیدا کرده است. دلیلش این است که بخش بزرگی از توان محاسباتی دیگر فقط صرف آموزش مدلها نمیشود و به اجرای آنها هم اختصاص مییابد.
نکات کلیدی
- جنسن هوانگ، همبنیانگذار و مدیرعامل پیشین انویدیا، در مصاحبهای با PBS گفته بود بدون CPU اصلاً کامپیوتری وجود ندارد.
- به نوشته TechRadar، هوانگ میخواست این تصور را اصلاح کند که GPU فقط برای بازی ساخته شده است.
- GPUها همچنان در دیتاسنترهای هوش مصنوعی پرتقاضا هستند، اما صنعت برای فرایند استنتاج بیشتر به CPU رو آورده است.
- CPU تأخیر کمتر، انعطاف زیاد و دسترسی فوری به حافظه دارد و برای اجرای مدلهای زبانی بزرگ مناسب است.
جنسن هوانگ در مصاحبه PBS دقیقاً چه گفت؟
هوانگ در یک مصاحبه تلویزیونی با PBS، در اوج بحران مالی، تأکید کرد که GPU جای CPU را نمیگیرد و بدون CPU کامپیوتری در کار نیست. هدف او این بود که نشان دهد GPU فقط سختافزار بازی نیست و آینده محاسبات هم به آن وابسته است.
طبق گزارش TechRadar، هوانگ در آن گفتوگو میخواست تصور رایج را اصلاح کند که GPU فقط برای بازی ساخته میشود. او این قطعهها را آینده محاسبات معرفی کرد. این گزارش در سری «جمله روز» (QOTD) مجله منتشر شده است. هوانگ امروز دیگر مدیرعامل انویدیا نیست و به نوشته TechRadar، شرکت را در شرایطی جنجالی ترک کرده است.
GPU، CPU را نابود نمیکند. بدون CPU کامپیوتری وجود ندارد.
جنسن هوانگ، همبنیانگذار انویدیا، در مصاحبه با PBS (به نقل از TechRadar)
هوانگ در این مصاحبه توضیح داد که GPUها در پردازش موازی عملکرد بسیار خوبی دارند. به گفته او برنامهنویسان با سختافزار انویدیا بسیاری از کارها را بسیار سریعتر از پردازندههای معمول انجام میدهند. با این حال تأکید کرد که در دوران مدرن برای هر دو قطعه جا هست.

چرا نقش CPU در هوش مصنوعی دوباره پررنگ شده است؟
استنتاج (Inference) مرحلهای است که مدل آموزشدیده به پرسش کاربر پاسخ میدهد. به نوشته TechRadar، CPUها بهدلیل تأخیر کم، انعطاف بالا و دسترسی فوری به حافظه برای این مرحله در مدلهای زبانی بزرگ مناسباند و صنعت بیشتر به آنها روی میآورد.
انویدیا در همان دوران بحران مالی با مشکل روبهرو بود، اما طبق گزارش TechRadar پول زیادی در تحقیق و توسعه سرمایهگذاری کرد. در نهایت از آن دوران عبور کرد و در دو سه سال اخیر به باارزشترین شرکت جهان تبدیل شد. تقاضا برای GPU هم هنوز بالاست، چون در دیتاسنترهای هوش مصنوعی عملکرد بالایی دارد. درباره فشار این تقاضا روی ظرفیت پردازشی میتوانید زیرساخت هوش مصنوعی هند و سرمایهگذاری بر ظرفیت GPU را هم بخوانید.
اما طبق همین گزارش، بخش بزرگی از منابع محاسباتی اکنون نه فقط به آموزش مدلها، بلکه به اجرای آنها اختصاص دارد. در این مرحله «پردازنده ساده» نقش پررنگتری پیدا کرده است. استنتاج یعنی همان لحظهای که مدل زبانی به پیام شما جواب میدهد.
- تأخیر کمتر: پاسخ سریعتر به درخواست کاربر
- انعطاف بالا: سازگاری با بارهای کاری متنوع
- دسترسی فوری به حافظه: مناسب برای اجرای مدلهای زبانی بزرگ
تفاوت CPU و GPU در هوش مصنوعی چیست و برای ما چه معنایی دارد؟
GPU برای پردازش موازی و کارهای سنگین، بهویژه در دیتاسنترهای هوش مصنوعی، پرتقاضاست. CPU پایه هر کامپیوتر است و در استنتاج مدلهای زبانی نقش مهمی دارد. این دو رقیب مطلق نیستند و در عمل مکمل هم کار میکنند.
| ویژگی | CPU | GPU |
|---|---|---|
| نقش اصلی | پایه همه کامپیوترها | پردازش موازی و کارهای سنگین |
| جایگاه در هوش مصنوعی | استنتاج مدلهای زبانی | تقاضای بالا در دیتاسنترهای هوش مصنوعی |
| نقاط قوت | تأخیر کم، انعطاف و دسترسی فوری به حافظه | اجرای سریعتر کارهای موازی نسبت به پردازندههای معمول |
نکتهای که در تحلیل ما بهعنوان تحریریه تکزو اهمیت دارد این است: وقتی در اخبار فناوری میخوانید یک شرکت «GPU بیشتری» خریده، این همه ماجرا نیست. هزینه و کارایی خدمات هوش مصنوعی به این هم بستگی دارد که مدلها پس از آموزش چطور و روی چه سختافزاری اجرا میشوند. این تحلیل ما است و در منبع نیامده است. برای نمونه، ورود پردازندههایی با تمرکز بر هوش مصنوعی را در رونمایی AMD از Ryzen AI 400 دیدهایم.
اگر میخواهید تصویر بزرگتری از مسیر این صنعت داشته باشید، مرور سال ۲۰۲۵ در هوش مصنوعی بستر خوبی است. جمله هوانگ هم نشان میدهد آینده محاسبات احتمالاً به ترکیب چند نوع پردازنده بستگی دارد، نه به برنده شدن یکی از آنها.

جمعبندی
جمله هوانگ درباره CPU و GPU از یک مصاحبه قدیمی آمده، اما با تغییر وزن آموزش و استنتاج در هوش مصنوعی دوباره مطرح شده است. طبق گزارش TechRadar، GPU همچنان در دیتاسنترها پرتقاضاست، اما CPU هم در اجرای مدلهای زبانی جایگاه بزرگتری پیدا میکند. بنابراین رقابت اصلی، همزیستی این دو قطعه است.
سؤالات متداول
جنسن هوانگ در مورد GPU و CPU چه گفت؟
او در مصاحبهای با PBS گفت GPU جای CPU را نمیگیرد و بدون CPU کامپیوتری وجود ندارد. به نوشته TechRadar، او میخواست نشان دهد GPU فقط برای بازی نیست.
استنتاج در هوش مصنوعی چیست؟
استنتاج مرحلهای است که مدل آموزشدیده به ورودی کاربر پاسخ میدهد. طبق TechRadar، سهم بزرگی از منابع محاسباتی امروز به همین مرحله اختصاص دارد.
چرا CPU برای استنتاج مدلهای زبانی مناسب است؟
طبق گزارش TechRadar، CPU تأخیر کمتر، انعطاف بالا و دسترسی فوری به حافظه دارد؛ ویژگیهایی که در اجرای مدلهای زبانی بزرگ مفیدند.
آیا GPU دیگر در هوش مصنوعی اهمیت ندارد؟
چرا. طبق همین گزارش، GPUها بهدلیل عملکرد بالا در دیتاسنترهای هوش مصنوعی هنوز تقاضای زیادی دارند. فقط CPU هم در استنتاج اهمیت بیشتری یافته است.
منابع:
