شرکت اپل طی سال‌های اخیر توانست با تکیه بر معماری حافظه یکپارچه و امکان خوشه‌سازی دستگاه‌های مک، مزیتی مهم در اجرای وظایف هوش مصنوعی و یادگیری ماشین ایجاد کند اما پایان قراردادهای بلندمدت تأمین حافظه اکنون این برتری را با تهدیدی جدی روبه‌رو کرده است.
به گزارش سرویس فناوری تکناک، توانایی اتصال و خوشه‌سازی چند دستگاه مک مینی یا Mac Studio از طریق Thunderbolt 5 به اپل اجازه می‌دهد توان محاسباتی و حافظه را به صورت تجمیعی در اختیار توسعه‌دهندگان و پژوهشگران قرار دهد. این ویژگی در دوره‌ای که کمبود حافظه و افزایش قیمت آن به یکی از چالش‌های اصلی صنعت تبدیل شده، اهمیت دوچندانی پیدا کرده است. معماری حافظه یکپارچه اپل باعث می‌شود که پردازنده مرکزی و پردازنده گرافیکی از یک فضای حافظه مشترک استفاده کنند و این موضوع، بهره‌وری سیستم را در پردازش‌های سنگین هوش مصنوعی افزایش می‌دهد.
بر اساس بررسی‌های اخیر، اجرای برخی وظایف ساده‌تر یادگیری ماشین و هوش مصنوعی روی سیلیکون اختصاصی اپل، از نظر هزینه نسبت به استفاده از کارت‌های گرافیک رده‌بالا مانند RTX 4090 مقرون‌به‌صرفه‌تر است. برای نمونه، مک مینی مجهز به تراشه M4 Pro می‌تواند تا 64 گیگابایت حافظه یکپارچه ارائه دهد؛ در حالی که RTX 4090 تنها به 24 گیگابایت حافظه گرافیکی مجهز است. این اختلاف، در پروژه‌هایی که نیاز به حافظه بالا دارند، نقش تعیین‌کننده‌ای ایفا می‌کند.
با اتصال چند مک مینی از طریق Thunderbolt 5، حافظه در دسترس به‌سرعت افزایش می‌یابد و خوشه‌ای مناسب برای پردازش‌های هوش مصنوعی شکل می‌گیرد. این مزیت، با معرفی نسل آینده مک مینی و Mac Studio مبتنی بر تراشه M5 می‌تواند از نظر توان پردازشی نیز تقویت شود. اپل تلاش کرده است این قابلیت را در سطح نرم‌افزاری هم پررنگ کند؛ به طوری که در macOS Tahoe 26.2 یک درایور جدید برای پلتفرم یادگیری ماشین MLX معرفی شده است، که به طور کامل از Thunderbolt 5 پشتیبانی می‌کند.
بخوانید: پردازنده‌های دسکتاپ Nova Lake اینتل با حداکثر ۵۲ هسته در راه هستند
Thunderbolt 5 در مقایسه با خوشه‌های مبتنی بر اترنت که معمولاً به سرعتی در حدود 10 گیگابیت بر ثانیه محدود هستند، پهنای باندی تا 80 گیگابیت بر ثانیه ارائه می‌دهد. علاوه بر این، اپل قابلیت RDMA را در این رابط پیاده‌سازی کرده است؛ قابلیتی که به هر گره پردازشی اجازه می‌دهد به صورت مستقیم به حافظه گره دیگر دسترسی داشته باشد، بدون آنکه فشار قابل توجهی به پردازنده وارد شود.
نمونه عملی این رویکرد را جف گیرلینگ، یوتیوبر حوزه فناوری به نمایش گذاشت. او خوشه‌ای متشکل از چهار دستگاه Mac Studio ایجاد کرد، که مجموع حافظه یکپارچه آن به حدود 1.5 ترابایت می‌رسید و هزینه‌ای نزدیک به 40 هزار دلار داشت. در مقابل، برای دستیابی به همین میزان حافظه با استفاده از NVIDIA DGX Spark، نیاز به 12 واحد با هزینه کلی حدود 48 هزار دلار است؛ موضوعی که نشان‌دهنده برتری قیمتی تقریبی 8 هزار دلاری راهکار اپل است.
پیشنهادی: جادوی مدل DarkDiff؛ هوش مصنوعی اپل محدودیت‌های عکاسی در شب را می شکند + تصاویر
هرچند، این مزیت هزینه‌ای به احتمال زیاد پایدار نخواهد بود. بخش مهمی از برتری اپل به قراردادهای بلندمدت این شرکت با تأمین‌کنندگان بزرگ حافظه بازمی‌گردد. گزارش‌ها نشان می‌دهد که برخی از این قراردادها ممکن است از ژانویه 2026 به پایان برسند و در نتیجه، شرکت‌هایی مانند سامسونگ و SK Hynix قیمت‌های بالاتری به اپل پیشنهاد دهند. در چنین شرایطی، افزایش قیمت محصولات آینده اپل، از جمله مک‌های مبتنی بر M5، دور از انتظار نخواهد بود.
در نهایت، اگر هزینه حافظه به طور قابل توجهی افزایش یابد، مزیت قیمتی فعلی اپل در خوشه‌سازی مک‌ها ممکن است به چند صد دلار کاهش پیدا کند، یا حتی به طور کامل از بین برود؛ تغییری که می‌تواند جایگاه اپل را در رقابت سخت بازار زیرساخت‌های هوش مصنوعی تحت تأثیر قرار دهد.
