اگر تا پیش از این رقابت در دنیای سخت‌افزار تنها روی تعداد هسته‌های پردازنده یا فرکانس کارت گرافیک متمرکز بود، رویداد اخیر ای‌ام‌دی (AMD) قواعد بازی را برای همیشه تغییر داد. در جریان این مراسم پر سر و صدا، تیم قرمز رسماً نشون داد که ای‌ام‌دی در تلاش است تا جایگاه خود را به عنوان پیشرانِ اصلی در بازار نوظهور کامپیوترهای هوش مصنوعی تثبیت کند.

در این مقاله می‌خوانیم:

نمایش بیشتر نمایش کمتر

ای‌ام‌دی با معرفی نسل جدید پردازنده‌های سری Ryzen AI، نه تنها خط و نشان جدی برای پردازنده‌های اسنپدراگون ایکس و سری Core Ultra اینتل کشید، بلکه استانداردهای پردازش محلی را چند پله ارتقا داد. در این مقاله تخصصی، تمام دستاوردها و تکنولوژی‌های معرفی‌شده در این مراسم را زیر ذره‌بین برده و معماری سیلیکون‌های جدید AMD را کالبدشکافی می‌کنیم.

ai pc amd

عبور از خط قرمز مایکروسافت؛ شاهکار معماری XDNA 2 و فرمت Block FP16

بزرگترین بمب خبری این مراسم، رونمایی از نسل دوم واحدهای پردازش عصبی ای‌ام‌دی با نام XDNA 2 بود. مایکروسافت برای اعطای گواهینامه Copilot+ PC به لپ‌تاپ‌های نسل جدید، شرطِ داشتن حداقل توان پردازشی 40 تریلیون عملیات بر ثانیه (40 TOPS) را در بخش NPU اجباری کرده است. در حالی که رقبا به سختی خود را به مرز 40 تا 45 TOPS رسانده‌اند، ای‌ام‌دی روی استیج اعلام کرد که تراشه‌های جدیدش (خانواده Strix Point) توان پردازشی خیره‌کننده 50 TOPS را به صورت خالص ارائه می‌دهند.

اما راز این جهش 5 برابری نسبت به نسل قبل چیست؟

 ای‌ام‌دی در معماری XDNA 2 از طراحی «مکانی» (Spatial Architecture) استفاده کرده است. در پردازنده‌های سنتی، داده‌ها مدام بین حافظه کش و واحدهای پردازشی در رفت‌وآمد هستند که این کار هم زمان‌بر است و هم انرژی زیادی مصرف می‌کند. اما در XDNA 2، داده‌ها مستقیماً وارد شبکه‌ای از واحدهای پردازشیِ متصل به هم می‌شوند و بدون نیاز به بازگشت به حافظه، تمام مراحل محاسبات ماتریسی روی آن‌ها انجام می‌گیرد.

علاوه بر این، ای‌ام‌دی از یک تکنولوژی نوآورانه به نام Block FP16 رونمایی کرد. تا پیش از این، برای اجرای سریع‌ترِ مدل‌های هوش مصنوعی روی لپ‌تاپ، باید دقت مدل‌ها را از 16 بیت (FP16) به 8 بیت (INT8) کاهش می‌دادند (اصطلاحاً Quantization) که باعث افت دقت پاسخ‌های هوش مصنوعی می‌شد. معماری XDNA 2 اولین NPU در جهان است که می‌تواند بدون کاهش دقت و با همان سرعتِ پردازش 8 بیتی، داده‌های 16 بیتی را پردازش کند. این یعنی هوش مصنوعیِ لپ‌تاپ شما دقیقاً به اندازه سرورهای ابری باهوش و دقیق خواهد بود، اما با مصرف برقِ یک لامپ کوچک!

مثلث قدرت؛ تلفیق بی‌نقص Zen 5، RDNA 3.5 و NPU

یکی دیگر از محورهای اصلی مراسم AMD، تاکید بر یکپارچگی بی‌نظیر در معماری APUهای جدید بود. ای‌ام‌دی صرفاً یک NPU قدرتمند را روی مادربرد نچسبانده است؛ بلکه یک اکوسیستم سیلیکونی یکپارچه خلق کرده است که داده‌ها را بدون ایجاد گلوگاه بین سه پردازنده قدرتمند جابه‌جا می‌کند:

  • هسته‌های پردازشی Zen 5: این هسته‌ها با بهبود چشمگیر در دستورالعمل‌های بر کلاک (IPC) و بازطراحیِ واحد پیش‌بینیِ انشعاب (Branch Prediction)، پهنای باند پردازشی بسیار بالاتری دارند. Zen 5 وظیفه هندل کردن دستورات خطی، مدیریت سیستم‌عامل و پردازش‌های سنگینِ غیرماتریسی را با بهینه‌ترین حالت مصرف انرژی بر عهده دارد.

  • گرافیک مجتمع RDNA 3.5: ای‌ام‌دی گرافیک‌های مجتمع خود را برای کار در توان‌های حرارتیِ پایین (TDP 15 تا 30 وات) بهینه‌سازی کرده است. معماری RDNA 3.5 به گونه‌ای بازطراحی شده که بیشترین بهره را از پهنای باند حافظه رم بکشد. این گرافیک (مانند مدل Radeon 890M) به راحتی می‌تواند بازی‌های تراز اول و eSports را با نرخ فریم بالا و بدون نیاز به کارت گرافیک مجزا اجرا کند.

  • مغز متفکر XDNA 2: این بخش نیز در ارتباط مستقیم و پرسرعت با CPU و GPU قرار دارد تا بار پردازش‌های پس‌زمینه هوش مصنوعی (مثل تار کردن بک‌گراند در تماس‌ها یا نویزگیری صدا) را به صورت کامل از دوش آن‌ها بردارد.

این معماری هیبریدی باعث می‌شود تا درگیری و رقابت بر سر منابع حافظه به حداقل برسد و لپ‌تاپ‌های ویندوزی در نهایت بتوانند از نظر شارژدهی باتری، به طور جدی با پردازنده‌های سری M اپل رقابت کنند.

AMD RYZEN AI

پایان وابستگی به سرورهای ابری؛ از برنامه‌نویسی آفلاین تا تجربه گیمینگ بهینه‌تر

اعداد و ارقام مهندسی زمانی ارزش پیدا می‌کنند که در سناریوهای واقعی به کار گرفته شوند. ای‌ام‌دی در دموهای خود نشان داد که چگونه سخت‌افزار جدیدش می‌تواند ابزارهای پیچیده را کاملاً آفلاین و محلی اجرا کند. این قابلیت، مسئله‌ی حیاتی حریم خصوصی را برای همیشه حل می‌کند.

برای توسعه‌دهندگان، مهندسان شبکه و تولیدکنندگان محتوا، این یک جهش استراتژیک است. شما می‌توانید مدل‌های زبانی منبع‌باز (مانند Llama 3) یا دستیارهای تولید کد را مستقیماً روی سیستم خود اجرا کنید. این یعنی کدهای محرمانه پروژه‌های شما هرگز برای پردازش به سرورهای OpenAI یا مایکروسافت ارسال نمی‌شوند. از سوی دیگر، نرم‌افزارهایی مثل Adobe Premiere یا Photoshop که به ابزارهای هوش مصنوعی مجهز شده‌اند، دیگر کارت گرافیک شما را درگیر نمی‌کنند؛ NPU این وظایف را در پس‌زمینه هندل می‌کند و VRAM کارت گرافیک تماماً برای رندرینگ ویدیو آزاد می‌ماند.

در حوزه گیمینگ نیز این توان عصبی بالا، راه را برای خلق NPCهای بسیار هوشمندتر که در لحظه بر اساس رفتار بازیکن دیالوگ تولید می‌کنند، هموار می‌سازد. همچنین تکنیک‌های تولید فریم هوشمند (Frame Generation)، با انتقال به NPU با تاخیر ورودی بسیار کمتری نسبت به گذشته پردازش خواهند شد.

پاسخ انویدیا به تب NPU؛ چرا غول گرافیک جهان مسیر متفاوتی را می‌رود؟

با وجود مانور سنگین ای‌ام‌دی روی تراشه‌های NPU، نمی‌توان نقش بزرگ‌ترین بازیگر هوش مصنوعی جهان یعنی انویدیا (Nvidia) را نادیده گرفت. اما رویکرد انویدیا در بازار کامپیوترهای هوش مصنوعی کاملاً با ای‌ام‌دی و اینتل متفاوت است. انویدیا به جای تمرکز روی NPUهای کوچک و کم‌مصرفِ ادغام‌شده در پردازنده، تمام توان خود را روی هسته‌های تنسور (Tensor Cores) مستقر در کارت‌های گرافیک سری RTX متمرکز کرده است.

تفاوت این دو رویکرد در یک فرمول ساده خلاصه می‌شود:

  • تراشه‌های NPU (رویکرد AMD): برای پردازش‌های سبک، روزمره و همیشه روشن (مانند درست کردن وب‌کم یا دستیارهای متنی) با کمترین میزان مصرف باتری لپ‌تاپ طراحی شده‌اند (با قدرت 50 تا 60 TOPS).

  • کارت‌های گرافیک RTX (رویکرد Nvidia): برای پردازش‌های سنگین هوش مصنوعی، رندرینگ فوتورئال، گیمینگ پیشرفته و توسعه‌ی محلی مدل‌های بزرگ طراحی شده‌اند که قدرتی بین 200 تا بیش از 1300 TOPS را ارائه می‌دهند!

انویدیا بازار را به دو بخش «کامپیوترهای هوش مصنوعی روزمره» (مجهز به NPU) و «کامپیوترهای هوش مصنوعی حرفه‌ای یا Premium AI PC» (مجهز به گرافیک‌های RTX) تقسیم کرده است؛ مرزبندی هوشمندانه‌ای که نشان می‌دهد جنگ سخت‌افزار در عصر هوش مصنوعی تازه آغاز شده است.

NPU

نتیجه‌گیری؛ بالاخره کدام معماری برای شما مناسب‌تر است؟

اگر بخواهیم کل این بازی پیچیده‌ی سخت‌افزاری را به ساده‌ترین زبان ممکن خلاصه کنیم، دنیای کامپیوترها به دو مسیر کاملاً متفاوت اما مکمل تقسیم شده است. انتخاب بین این دو مسیر، مستقیماً به نیاز روزمره‌ی شما بستگی دارد:

  • مسیر AMD (تراشه‌های مجهز به NPU): این فناوری دقیقاً مثل یک خودروی برقی کم‌مصرف شهری است. اگر اولویت شما خرید یک لپ‌تاپ باریک با شارژدهی فوق‌العاده بالا است که بتواند کارهای روزمره، وب‌گردی، پردازش‌های هوش مصنوعی سبک (مثل تاری پس‌زمینه وب‌کم یا دستیارهای متنی همیشه روشن) را بدون داغ کردن و خالی شدن باتری انجام دهد، پردازنده‌های جدید AMD با معماری XDNA 2 بهترین انتخاب هستند.

  • مسیر انویدیا (کارت‌های گرافیک RTX): این فناوری مثل یک کامیون فوق‌سنگین یا خودروی سوپراسپرت است. اگر کار شما توسعه‌ی مدل‌های هوش مصنوعی سنگین، برنامه‌نویسی پیشرفته، ادیت ویدیوهای چندگیگابایتی یا اجرای بازی‌های نسل جدید با بالاترین گرافیک ممکن است، همچنان به یک کارت گرافیک مجزای انویدیا نیاز دارید. در این سناریو، مصرف برق اهمیت چندانی ندارد و فقط قدرت پردازشیِ خالص حرف اول را می‌زند.