شرکت Tiny Corp موفق شده است برای نخستینبار یک پردازنده گرافیکی AMD را از طریق رابط USB3 به عنوان eGPU راهاندازی کند.
به گزارش تکناک، این تحول شگفتانگیز میتواند مسیر توسعه هوش مصنوعی روی مکهای Apple Silicon را دگرگون کند. این قابلیت نهتنها روی macOS بلکه در لینوکس و ویندوز نیز قابل استفاده است.
یکی از مشکلات همیشگی توسعهدهندگان هوش مصنوعی و یادگیری ماشین روی مکهای مجهز به پردازندههای Apple Silicon، عدم پشتیبانی این دستگاهها از پردازندههای گرافیکی خارجی (eGPU) بوده است.
در شرایطی که اتصال سنتی eGPUها از طریق اسلاتهای PCIe یا پورتهای Thunderbolt و USB4 انجام میشود، شرکت Tiny Corp با بهرهگیری از کتابخانه نرمافزاری libusb، این قابلیت را به پلتفرمهای ویندوز، لینوکس و حتی macOS — شامل دستگاههای Apple Silicon — گسترش داده است. به گفته این شرکت، این فناوری در حال حاضر از طریق نسخه اصلی (master) پروژهی متنباز TinyGrad در دسترس قرار گرفته است.
شرکت Tiny Corp برای راهاندازی نخستین eGPU AMD از طریق USB3، از یک آداپتور مدل ADT-UT3G استفاده کرده، که مبتنی بر تراشه ASM2464PD است. این تراشه به طور معمول تنها با پورتهای Thunderbolt 3، 4 و USB4 سازگار است، اما به نظر میرسد که تیم توسعهدهنده با اعمال تغییراتی در فرمور، توانستهاند این آداپتور را به نحوی اصلاح کنند که از طریق USB3 نیز ارتباط برقرار نماید. جزئیات فنی این فرایند هنوز به طور کامل مشخص نشده است، اما به نظر میرسد که کنترلر این آداپتور، فرمانهای PCIe را به بستههای USB و بالعکس تبدیل میکند.
با وجودی که این راهکار هنوز در مراحل اولیه توسعه قرار دارد و به دلیل استفاده از درایورهای سطح کاربر و حذف درایورهای هسته سیستمعامل، نیازمند سختافزار خاصی میباشد، اما توانسته است امکان اجرای محاسبات سنگین گرافیکی را از سیستم اصلی به eGPU منتقل کند. البته محدودیت سرعت انتقال داده در USB3 که به ۱۰ گیگابیت بر ثانیه محدود است، باعث میشود بارگذاری مدلهای سنگین به GPU، زمانبر باشد.
در حال حاضر، این قابلیت تنها با پردازندههای گرافیکی AMD مبتنی بر معماریهای RDNA 3 و RDNA 4 سازگار است، اگرچه توسعهدهندگان Tiny Corp از احتمال پشتیبانی از معماری RDNA 2 در آینده نیز خبر دادهاند.
انتظار میرود که این شرکت در روزها یا هفتههای آینده با تکمیل کدهای توسعهیافته، جزئیات فنی بیشتری از این راهکار خلاقانه را منتشر کند؛ اما از هماکنون میتوان این موفقیت را گامی بزرگ در جهت گسترش توان پردازشی قابل حمل برای توسعهدهندگان هوش مصنوعی در نظر گرفت.
