فهرست مطالب
گزارش جدیدی ادعا می‌کند که شرکت OpenAI طی ماه‌های اخیر ده‌ها هزار دستگاه مک مینی و مک استودیو برای آموزش تقویتی و اجرای ایجنت‌های هوش مصنوعی خریداری کرده است.
به گزارش سرویس سخت افزار تکناک، هم‌زمان، نخستین محموله سیستم‌های مجهز به پلتفرم NVIDIA RTX Spark نیز پیش از عرضه رسمی با استقبال زیادی مواجه شده است و طبق گزارش‌ها، شرکت‌هایی مانند ASUS و MSI تمام سهمیه اولیه خود را مصرف کرده‌اند.
با توجه به این گزارش، به نظر می‌رسد تقاضا برای سخت‌افزارهای مناسب هوش مصنوعی دیگر فقط به پردازنده‌ها و شتاب‌دهنده‌های دیتاسنتری محدود نیست.
بیشتر بخوانید: مک مینی جدید اپل با تراشه M6 و قیمت ۸۹۹ دلار معرفی شد
بر اساس گزارشی از The Information، شرکت OpenAI در ماه‌های گذشته ده‌ها هزار دستگاه Mac mini و Mac Studio خریداری کرده است و گفته می‌شود این سیستم‌ها برای پردازش‌های مرتبط با یادگیری تقویتی و ایجنت‌های هوش مصنوعی که قادر به تعامل مستقیم با کامپیوتر هستند، مورد استفاده قرار می‌گیرند.
معماری حافظه یکپارچه اپل یکی از دلایلی است که می‌تواند این دستگاه‌ها را برای برخی پردازش‌های هوش مصنوعی جذاب کند. همچنین فناوری Thunderbolt 5 در مدل‌های جدید امکان برقراری ارتباط سریع و کم‌تأخیر میان چند سیستم را فراهم می‌کند.
همچنین گزارش‌ها از استفاده آنتروپیک از کامپیوترهای مک از طریق سرویس ابری Amazon AWS خبر می‌دهند. این موضوع نشان می‌دهد سخت‌افزارهای اپل ممکن است در زیرساخت‌های هوش مصنوعی، فراتر از استفاده معمول دسکتاپ، نقش بیشتری پیدا کنند.
کمبود کامپیوترهای NVIDIA RTX Spark
در سوی دیگر بازار، پلتفرم جدید NVIDIA RTX Spark نیز ظاهرا با تقاضای بالایی مواجه شده است. طبق گزارشی از رسانه Economic Daily تایوان، نخستین محموله سیستم‌های مبتنی بر تراشه RTX Spark به پایان رسیده است و شرکت‌هایی مانند ASUS، MSI، Dell، HP، Lenovo و Microsoft برای دریافت این سیستم‌ها اقدام کرده‌اند.
گفته می‌شود ASUS و MSI سهمیه اولیه خود را به‌طور کامل مصرف کرده‌اند و اکنون از انویدیا درخواست تأمین تعداد بیشتری از این تراشه‌ها و سیستم‌ها را دارند.
این استقبال در حالی رخ داده که قیمت سیستم‌های مجهز به نسخه قدرتمندتر RTX Spark N1X حدود ۱۱۰ هزار دلار تایوان، معادل تقریبی ۳۴۰۰ دلار آمریکا برآورد شده است.
بیشتر بخوانید: اولین بنچمارک پلتفرم RTX Spark انویدیا فاش شد + مشخصات
مشخصات پلتفرم NVIDIA RTX Spark N1X
پلتفرم RTX Spark N1X با استفاده از فناوری ساخت ۳ نانومتری TSMC طراحی شده است و ترکیبی از پردازنده Grace و معماری گرافیکی Blackwell را ارائه می‌دهد.
نسخه N1X به یک پردازنده ۲۰ هسته‌ای Grace مجهز است که از ۱۰ هسته ARM Cortex-X925 و ۱۰ هسته Cortex-A725 تشکیل شده است. در بخش گرافیکی نیز یک GPU مبتنی بر Blackwell RTX 5070 با ۶۱۴۴ هسته CUDA قرار دارد.
این سیستم می‌تواند تا ۱ پتا‌فلاپس عملکرد FP4 در پردازش‌های هوش مصنوعی ارائه دهد و از حداکثر ۱۲۸ گیگابایت حافظه یکپارچه LPDDR5X بهره می‌برد. پهنای باند ارتباطی CPU و GPU نیز حدود ۶۰۰ گیگابایت بر ثانیه از طریق NVLink-C2C اعلام شده است.
پشتیبانی از مجموعه نرم‌افزاری کامل انویدیا شامل CUDA، TensorRT، DLSS، Reflex، G-SYNC و فناوری RTX نیز یکی از مهم‌ترین مزایای این پلتفرم محسوب می‌شود.
نسخه N1 برای بازار کامپیوترهای هوش مصنوعی
شرکت انویدیا در کنار مدل N1X، نسخه ساده‌تر N1 را نیز در نظر گرفته است. این مدل از یک پردازنده ۱۲ هسته‌ای استفاده می‌کند که شامل ۸ هسته Cortex-X925 و ۴ هسته Cortex-A725 است.
در بخش گرافیکی نیز GeForce RTX 5050 قرار دارد و حداکثر ۶۴ گیگابایت حافظه یکپارچه برای آن در نظر گرفته شده است.
هر دو پلتفرم قرار است در پاییز امسال وارد بازار کامپیوترهای مجهز به هوش مصنوعی شوند و انویدیا امیدوار است ترکیب پردازنده‌های ARM و گرافیک‌های قدرتمند Blackwell بتواند این محصولات را به گزینه‌ای جدی برای اجرای محلی مدل‌های هوش مصنوعی تبدیل کند.
بیشتر بخوانید: انویدیا با RTX Spark به جنگ اپل و کوالکام در بازار لپ‌تاپ‌های گیمینگ می رود + تصویر
افزایش تقاضا برای سخت‌افزارهای هوش مصنوعی
اتفاقات اخیر نشان می‌دهد شرکت‌های فعال در حوزه هوش مصنوعی حاضر هستند حتی برای سخت‌افزارهای گران‌قیمت نیز هزینه کنند؛ به‌خصوص زمانی که این سیستم‌ها بتوانند اجرای مدل‌ها و ایجنت‌های هوش مصنوعی را سریع‌تر و با مصرف انرژی مناسب‌تر انجام دهند.
از یک طرف، OpenAI با خرید گسترده مک مینی و مک استودیو ظرفیت پردازشی بیشتری برای برخی فعالیت‌های هوش مصنوعی فراهم می‌کند و از طرف دیگر، استقبال از RTX Spark نشان می‌دهد بازار کامپیوترهای شخصی قدرتمند برای اجرای محلی هوش مصنوعی نیز در حال شکل‌گیری است.
البته قیمت بالای این سیستم‌ها همچنان یک مانع جدی برای کاربران عادی محسوب می‌شود. با وجود این، به نظر می‌رسد شرکت‌ها و توسعه‌دهندگان هوش مصنوعی فعلا حاضر هستند برای دسترسی به سخت‌افزار قدرتمند و کمیاب، هزینه بیشتری پرداخت کنند.
