پی‌سی هوش‌ مصنوعی؛‌ فناوری انقلابی آینده؟

این روزها، به‌سختی می‌توانیم شرکتی را در حوزه‌ی فناوری بیابیم که برای ورود به دنیای هوش مصنوعی تلاش نکند. از زمان ظهور ChatGPT که در مدتی کوتاه مورد استقبال وسیع مردم سراسر جهان قرار گرفت، ردپای هوش مصنوعی به صنایع مختلف باز شد. شرکت‌های تولید کامپیوترهای شخصی نیز مدت‌ها است برای پیاده‌سازی هوش مصنوعی در سخت‌افزارهای خود تلاش می‌کنند. نمونه‌ی بارز این موضوع را در نمایشگاه CES و آنپکد سامسونگ ۲۰۲۴ شاهد بودیم.

اگرچه طیف قابل‌توجهی از فناوری‌های جدید در این رویدادها نمایش داده شدند، تمرکز اصلی همه‌ی آن‌ها به‌کارگیری هوش مصنوعی در گوشی‌های موبایل، لپ‌تاپ‌ و کامپیوترها بود. در درجه‌ی اول گوشی‌های موبایل با ویژگی‌ها و قابلیت‌های هوش مصنوعی معرفی و عرضه شدند، ولی ایده‌ی سی‌پی‌یوهای مجهز به هوش مصنوعی در لپ‌تاپ‌ها و کامپیوترهای شخصی، ذهن ما را به سمت امکانات بی‌پایان این تکنولوژی شگفت‌انگیز سوق می‌دهد.

این انتظار احتمالاً تاحدودی گمراه‌کننده یا حداقل زودهنگام است. همان‌طور که در نمایشگاه‌های اخیر تکنولوژی دیدیم، بسیاری از شرکت‌ها ایده‌هایی را مطرح می‌کنند که معلوم نیست در نهایت چه فایده و مزیتی برای کاربر نهایی دارد. درحال‌حاضر، شرکت‌هایی مانند اینتل، AMD و انویدیا با افزودن واحد پردازش شبکه عصبی (NPU) به جدیدترین پردازنده‌های خود نشان داده‌اند که روی توسعه‌ی سخت‌افزارهایی با محوریت هوش‌مصنوعی متمرکز شده‌اند.

اما پرسش‌های کارشناسان درمورد اینکه این پردازنده‌ها چه ویژگی خاصی دارند و چه‌کارهایی انجام می‌دهند، با پاسخ‌های مبهم روبه‌رو می‌شود. شرکت‌ها غالباً به کارهایی اشاره می‌کنند که شاید در آینده قابل‌ انجام باشد، ولی مزیت‌های کاربرمحور فوری و محسوسی ندارند. در این مقاله با ما همراه باشید تا دید بهتری از پی‌سی‌های هوش مصنوعی و نقش آن‌ها در آینده‌ی فناوری به دست آورید.

می‌توان پی‌سی هوش مصنوعی (AI PC) را به‌عنوان یک کامپیوتر شخصی سوپرشارژشده در نظر گرفت که سخت‌افزار و نرم‌افزار مناسبی برای انجام وظایف حرفه‌ای مبتنی بر هوش‌مصنوعی و یادگیری ماشین دارد. درواقع اصل ماجرا حول محور محاسبات ریاضی علوم مهندسی، پاک‌سازی و الک‌کردن داده‌ و قدرت لازم برای انجام تسک‌های یادگیری ماشین و هوش مصنوعی، پیش می‌رود.

این وظایف طیف گسترده‌ای از حجم کاری برنامه‌های هوش مصنوعی مولد مانند استیبل دیفیوژن (Stable Diffusion)، چت‌بات‌های هوشمند با مدل‌های زبانی محلی، تجزیه‌و‌تحلیل داده‌های جامع، آموزش مدل‌های هوش مصنوعی، اجرای شبیه‌سازی‌های پیچیده و اپلیکیشن‌های مبتنی بر هوش مصنوعی را پوشش می‌دهند.

کامپیوترهای AI علاوه بر CPU و GPU قدرتمند و همچنین رم کافی و گزینه‌های ذخیره‌سازی سریع، به قطعه‌ی سخت‌افزاری جدیدی مجهزند: NPU یا واحد پردازش عصبی که به‌طور خاص برای انجام وظایف توربوشارژ هوش مصنوعی طراحی شده است.

پس هدف اصلی، ساخت و توسعه‌ی سیستم‌هایی است که در اجرای وظایف هوش مصنوعی سریع‌تر و کارآمدترند و به‌لحاظ مصرف انرژی بهینه‌سازی شده‌اند؛ به‌عبارت دیگر، سیستم‌هایی که برای پردازش دیگر نیازی به ارسال داده‌، به‌ویژه داده‌های حساس، به سرورهای ابری هوش مصنوعی ندارند. بدین‌ترتیب، کاربر با دراختیار داشتن پی‌سی هوش مصنوعی می‌تواند مطمئن باشد که سیستمش قادر است مستقل از اینترنت کار کند و با ذخیره و پردازش داده‌ها به‌صورت محلی، امنیت او را افزایش دهد.

واحد پردازش عصبی (Neural Processing Unit) یا به‌اختصار NPU، یک پردازنده‌ی تخصصی است که برای مدیریت کارهای سنگین هوش مصنوعی که تا پیش‌ازاین به کارت گرافیک اختصاص داشت، توسعه‌یافته است.

پردازنده‌های گرافیکی فعلی می‌توانند بار کاری هوش مصنوعی را به دوش بکشند، ولی برای این امر به انرژی و زحمت زیادی نیاز دارند. برای ما کاربران غالباً عمر باتری لپ‌تاپ اهمیت زیادی دارد و فشار زیاد روی کارت گرافیک عنصر مطلوبی نیست. حتی روی دسکتاپ هم اجرای برنامه‌ها کند می‌شود و دردسر زیادی به‌همراه دارد.

البته NPUها هنوز نمی‌توانند کنترل کامل چنین وظایفی را از GPU بگیرند. عملکرد فعلی واحد پردازش عصبی و کارت گرافیک بیشتر شبیه به یک همکاری دوجانبه است: آن‌ها پشت‌سرهم کار می‌کنند تا زمان پردازش را کاهش دهند و درعین‌حال مصرف برق را محدود کنند.

بدین‌ترتیب، ان‌پی‌یو در کنار سی‌پی‌یو و جی‌پی‌یو گردش کاری روان‌تری را به کاربران ارائه می‌دهد. این نکته را نیز در ذهن داشته باشید که یک NPU مشابه پلتفرم‌هایی مانند ChatGPT و DALL-E عمل می‌کند، با این تفاوت مهم که مجموعه‌ داده‌ها، الگوریتم‌ها و مدل‌های زبانی خود را به‌صورت محلی روی تراشه دارد، درحالی‌که ChatGPT و DALL-E برای پردازش داده نیاز به سرورهای ابری هستند.

پی‌سی‌ها تنها دستگاه‌هایی نیستند که به‌روزرسانی‌های سخت‌افزاری و نرم‌افزاری هوش مصنوعی را دریافت می‌کنند. تقریباً تمامی لپ‌تاپ‌های پرچم‌داری که امسال وارد بازار می‌شوند، به‌ یکی از انواع ان‌پی‌یوها مجهز شده‌اند. گوشی‌های هوشمند هم از این قاعده مستثنی نیستند و همان‌طور که شاهد بودیم، سامسونگ سری گلکسی اس ۲۴ را با ویژگی‌های متنوعی مانند ابزارهای رونویسی و ترجمه مبتنی بر هوش مصنوعی و همچنین ابزارهای تولید محتوای AI برای ویرایش تصاویر و ویدیوها ارائه کرد.

همان‌طور که انتظار می‌رفت غول‌های فناوری حضور پررنگ و محسوسی در بازار پی‌سی‌های هوش‌مصنوعی دارند. شرکت‌های اینتل و ای‌ام‌دی تراشه‌هایی با هسته‌های AI را به ترتیب در سری Core Ultra و Ryzen 8000G عرضه کرده‌اند. انویدیا هم ویژگی‌های مناسب هوش مصنوعی را در خطوط کارت گرافیک Geforce و RTX توسعه داده است.

ان‌پی‌یو موجود در این تراشه‌ها بخشی از حجم کاری هوش مصنوعی را به‌عهده می‌گیرند؛ ازجمله افکت‌های AI در تماس‌های ویدئویی و تولید ویدئو، بهبود قابلیت‌های چندوظیفگی با نرم‌افزار شتاب‌دهنده هوش مصنوعی و همچنین دستیارهای هوش مصنوعی.

بااین‌حال اینتل و ای‌ام‌دی پیشگامان حضور در عرصه‌ی ان‌پی‌یوها نبوده‌اند. سال ۲۰۲۰ هنگامی‌ که اپل اینتل را کنار زد و از خط پردازنده‌های اختصاصی سری M رونمایی کرد، این تراشه‌ها از NPUهای «موتور عصبی» بهره می‌بردند.

اما شروع داستان به چند سال قبل از این برمی‌گردد. در سپتامبر ۲۰۱۷، اپل از تراشه‌ی A11 Bionic برای آیفون رونمایی کرد که نخستین چیپ دارای موتور عصبی به‌شمار می‌رفت. برخی از پردازنده‌های موبایل کوالکام اسنپدراگون نیز در سال ۲۰۱۸ به موتورهای عصبی مجهز بودند.

اینتل و AMD نخستین تولیدکنندگان ان‌پی‌یو محسوب نمی‌شوند، ولی مسلماً در تغییر صحنه‌ی این بازی بیش از هر شرکت دیگری تاثیرگذار خواهند بود.

عملکرد ان‌پی‌یو با واحد تاپس (TOPS) به معنای تریلیون عملیات در هر ثانیه اندازه‌گیری می‌شود و این معیار احتمالاً به‌ سنجه‌ی واقعی واحد پردازش عصبی تبدیل می‌شود.

تاد لولن معاون بخش تجاری Client Computing Group اینتل گفته بود که اجرای سرویس هوش مصنوعی کوپایلت مایکروسافت به‌صورت محلی و نه در فضای ابری به یک NPU با حداقل عملکرد ۴۰ تاپس نیاز دارد.

کوالکام احتمالاً امسال تراشه‌های اسنپدراگون ایکس الیت (X Elite) خود را عرضه خواهد کرد که از NPUهای ۱۲ هسته‌ای این شرکت با عملکرد ۴۵ تاپس بهره می‌برند.

سؤالی که بیش از همه در ذهن کاربران می‌گذرد این است که پی‌سی‌های هوش مصنوعی قرار است چه‌ کارهایی برای ما انجام دهند.

در روزهای اولیه عرضه‌ی این سیستم‌ها، تشخیص آن‌ها از پی‌سی‌های معمولی آسان نیست؛ زیرا همه‌ی کامپیوترها به برنامه‌های هوش مصنوعی در اینترنت دسترسی دارند. نقطه‌ی عطف اصلی پی‌سی‌های AI این است که اطلاعات را به‌صورت محلی پردازش می‌کنند و برای بهره‌مندی از نرم‌افزارهای هوش مصنوعی نیازی به اتصال به اینترنت نیست.

معمولاً شرکت‌های فناوری برای تبلیغ پی‌سی‌های هوش مصنوعی بیشتر روی ویژگی‌ها و قابلیت‌های زیر تمرکز می‌کنند:

• برنامه‌های تبدیل متن به تصویر
• ویژگی‌های امنیتی مبتنی بر هوش مصنوعی برای دستگاه
• مدیریت هوشمند باتری
• بهبود قابلیت ویرایش عکس و فیلم
• دستیار هوش مصنوعی برای نوشتن، کدنویسی، تصحیح خودکار و پیش‌بینی متن‌ها

اغلب این ویژگی‌ها در ابتدا به دسترسی دائمی به اینترنت نیاز دارند، اما برخی از برنامه‌ها مانند دستیار هوش مصنوعی به‌صورت آفلاین نیز قابل استفاده‌اند.

ایده‌ی فعلی پی‌سی‌های AI استفاده از هوش مصنوعی برای تسریع و بهینه‌سازی برنامه‌ها در کامپیوتر و مجموعه‌ای از ویژگی‌هایی برای بهبود کاربری روزمره است. این ایده برای برخی از اپلیکیشن‌های خاص مفید خواهد بود، ولی به‌هیچ‌وجه نمی‌توان آن را انقلابی خواند. به‌نظر می‌رسد پتانسیل واقعی این فناوری جدید را در آینده خواهیم دید.

هیچ‌چیز مانند نسخه‌ی جدید ویندوز نمی‌تواند کسب‌وکارها و مصرف‌کنندگان را ترغیب کند سخت‌افزار خود را ارتقا دهند. به همین دلیل سازندگان کامپیوترهای شخصی امیدوارند ویندوز ۱۲ همان اهرم فشاری باشد که به انفجار بزرگ فروش پی‌سی‌های هوش مصنوعی منجر می‌شود.

اگر برخی از شایعات به حقیقت بپیوندند، هوش مصنوعی سنگ بنای نسخه‌ی جدید ویندوز خواهد بود. احتمالاً مایکروسافت «ویندوز کوپایلت» را با امکانات بیشتری نسبت به بینگ‌ چت، دستیار سابق متمرکز بر هوش مصنوعی این شرکت، ارائه می‌دهد و شکاف بین ویندوز و مک او اس از نظر پردازش‌های هوش مصنوعی به‌تدریج کمتر می‌شود.

تفاوت بین نرم‌افزارهای هوش‌مصنوعی و نرم‌افزارهای کلاسیک در نحوه‌ی پردازش کاری است که از آن‌ها می‌خواهید. یک برنامه‌ی معمولی فقط ابزارهایی را در اختیار کاربران می‌گذارد که از پیش تعریف شده‌اند، یعنی چیزی شبیه به وسایل تخصصی در جعبه‌ابزار مکانیکی.

شما باید بهترین روش استفاده از آن‌ها را یاد بگیرید و به‌منظور رسیدن به بالاترین بهره‌وری، به تجربه‌ی شخصی خودتان در به‌کارگیری آن‌ها نیاز دارید. در واقع در هر مرحله از راه، همه‌چیز به شما بستگی دارد.

در مقابل، نرم‌افزار هوش مصنوعی می‌تواند خودش بیاموزد، تصمیم بگیرد و مثل انسان‌ها کارهای خلاقانه‌ی پیچیده‌ای انجام دهد. قابلیت یادگیری، مدل نرم‌افزار را تغییر می‌دهد، زیرا برنامه AI کار را به درخواست شما، همان‌طور که خواسته‌اید انجام می‌دهد.

این تفاوت اساسی به نرم‌افزار هوش مصنوعی امکان می‌دهد کارهای پیچیده را خودکار کند، یا تجربیات شخصی‌سازی‌شده‌ای را ارائه دهد. به‌علاوه حجم وسیعی از داده‌ها را به‌طور مؤثرتر پردازش می‌شوند و نحوه تعامل ما با کامپیوترهایمان تغییر خواهد کرد.

اما نرم‌افزار هوش‌مصنوعی با میلیون‌ها تصاویر از مناظری مشابه تعلیم‌دیده و می‌تواند «تصور کند» ساحل بدون شلوغی چه شکلی است. بنابراین به‌جای استفاده از نرم‌افزارهای مختلف ویرایش تصویر، فقط روی یک دکمه کلیک می‌کنید و ناگهان تمامی بخش‌هایی که ویرایش آن‌ها به ساعت‌ها وقت نیاز داشت، حذف می‌شود.

این مثال احتمالاً برای شما آشنا است و نمونه‌های چنین عملکردی را در گوشی‌های جدید هوشمند دیده‌اید. حال تصور کنید هنگامی‌ که با کامپیوتر شخصی خود کار می‌کنید، تقریباً تمام نرم‌افزارها با روالی مشابه مطابق خواسته‌های شما کار کنند. این تصویر، افق بلندمدت پی‌سی‌های هوش مصنوعی است.

به گفته‌ی رابرت هالوگ مدیر بخش هوش مصنوعی اینتل، نرم‌افزارهای AI از الگوریتم‌های متفاوتی پیروی می‌کنند و اجرای متفاوتی روی CPU دارند. او می‌گوید:

من اخیراً شاهد بودم که هوش مصنوعی یک پاورپوینت کامل از هیچ ایجاد کرد. هیچ نیازی به اینکه به برنامه بگوییم چه تعداد اسلایدی نیاز داریم و ترتیب آن‌ها چیست، یا مشخص‌کردن نحوه‌ی چیدمان و تقسیم‌کردن آن‌ها به بخش‌های کوچک‌تر، وجود نداشت. هوش مصنوعی یک صفحه‌ی خالی را از شما می‌گیرد و چیزی را که برای پروژه نیاز دارید به شما تحویل می‌دهد.

لنوو یکی از شرکت‌هایی است که نقش قابل‌توجهی در بازار سیستم‌های هوش‌مصنوعی ایفا می‌کند. تقریباً تمام سیستم‌های AI این شرکت با همکاری AMD تولید شده‌اند. رابرت هرمان معاون تجاری لنوو می‌گوید:

در درجه‌ی اول Workstation یک پی‌سی هوش‌مصنوعی است که از GPU قدرتمندی بهره می‌برد. به‌علاوه پردازنده‌ی داخل سیستم و حافظه‌ای که از طریق پردازنده تقویت می‌شود، همگی بلوک‌های سازنده‌ی توسعه‌ی هوش مصنوعی و هدایت عملیات آن هستند.

به گفته‌ی هرمان، لنوو از سال ۲۰۱۷ تیم ورک‌استیشن را گسترش داده تا با بخش کلاینت هوش مصنوعی همکاری کنند و از آن زمان به بعد، به‌تدریج راه خود را به محصولات مشتری‌پسند بیشتری باز کرده است. او تأکید می‌کند که به‌زودی شاهد ورود NPUها و موتورهای هوش مصنوعی در کامپیوترهای شخصی خواهیم بود که برای استفاده‌ی روزمره کاملاً مناسب‌اند.

جیسون بانتا رئیس بخش OEM PC شرکت ای‌ام‌دی نیز در مصاحبه‌ای تصدیق کرده بود که لنوو در نمایشگاه CES امسال در معرفی محصولات سخت‌افزاری که دارای پردازنده‌های عصبی و سیستم‌های هوش مصنوعی بوده‌اند، پیشتاز بوده است. او همچنین گفت:

ما میلیون‌ها پی‌سی هوش مصنوعی را وارد بازار می‌کنیم و خوشبختانه حالا توسعه‌دهندگانی را می‌بینید که در تلاشند این محصولات را بهتر درک کنند. آن‌ها می‌خواهند بفهمند چگونه این فناوری در سطوح شخصی با اپلیکیشن‌هایشان کار می‌کند و برنامه‌هایشان را بهبود می‌دهد.

بانتا مدتی قبل نیز گفته بود پی‌سی‌های هوش مصنوعی انقلاب دنیای فناوری بعد از زمان معرفی رابط گرافیکی هستند. به عقیده‌ی او همکاری لنوو با شرکای بزرگی مانند مایکروسافت، گام بزرگی در مسیر پیشرفت سخت‌افزار و نرم‌افزار هوش مصنوعی خواهد بود. همزمان علاقه و استقبال سایر توسعه‌دهندگان نرم‌افزار به یادگیری در زمینه سیستم‌های جدید AI شتاب بیشتری به رشد این بازار می‌بخشد.

آین شیونان معاون مهندسی کوالکام در اجلاس ماه اکتبر اسنپدراگون، گام بعدی تغییرات کامپیوترهای شخصی را در نحوه‌ی استفاده از سخت‌افزارها برای ارائه‌ی تجربیات کاملاً جدید و شخصی‌تر AI به مصرف‌کنندگان دانسته بود. ساتیا نادلا مدیرعامل مایکروسافت نیز با اشاره به اینکه اپلیکیشن‌های هوش مصنوعی در مقیاس بالا هم به پردازش ابری متکی هستند و هم به کامپیوترهای شخصی، اظهار کرده بود:

ما به معنای واقعی کلمه اپلیکیشن‌ها و برنامه‌های بسیار زیادی خواهیم داشت که برخی از آن‌ها از مدل‌های پردازش محلی و برخی از مدل‌های هیبریدی استفاده می‌کنند. فکر می‌کنم آینده‌ی هوش مصنوعی به این صورت رقم می‌خورد.

شرکت تحقیقاتی روندهای تجاری گارتنر اعلام کرده است که کامپیوترهای شخصی هوش مصنوعی تا سال ۲۰۲۵ حدود ۴۳ درصد از بازار پی‌سی‌ها را در دست خواهند گرفت و این آمار تا سال ۲۰۲۷ به ۶۰ درصد خواهد رسید. صرف‌نظر از اینکه برآوردهای فوق تاچه‌حدی به واقعیت بپیوندد، مهم‌ترین شرکت‌هایی که در ساخت سخت‌افزارهای AI نقش دارند عبارت‌اند از:

اوایل سال ۲۰۲۳ هنگامی‌ که ارزش شرکت انویدیا از مرز یک تریلیون دلار گذشت، این غول فناوری به یکی از بازیگران اصلی بازار سخت‌افزار هوش مصنوعی تبدیل شد. انویدیا تراشه‌ی A100 و پردازنده‌ی گرافیکی Volta GPU را به‌طور خاص برای دیتاسنترها عرضه و آمادگی خود را برای تولید سخت‌افزار مجهز به هوش مصنوعی بخش گیمینگ اعلام کرد.

آگوست سال گذشته (مرداد ۱۴۰۲) این شرکت جدیدترین محصول خود را که از پردازنده HBM3e استفاده می‌کند، به دنیای فناوری معرفی کرد: پلتفرم گریس هاپر (Grace Hopper) که پهنای باند و ظرفیت حافظه‌ی آن سه‌برابر بیشتر از ابر تراشه‌های فعلی است.

و در نهایت فناوری NVLink انویدیا می‌تواند سوپرچیپ گریس هاپر را به دیگر تراشه‌ها متصل کند. این فناوری چندین GPU را قادر می‌سازد تا از طریق اتصال پرسرعت با یکدیگر ارتباط برقرار کنند.

اینتل

اینتل با محصولات هوش مصنوعی خود در بازار CPU به جایگاه فوق‌العاده‌ای دست‌ یافته و همین امر باعث شده است بسیاری از رقبا این شرکت را به انحصارطلبی در عرصه‌ی AI متهم کنند. اگرچه اینتل در پردازنده‌های گرافیکی از انویدیا پیشی نگرفته، سی‌پی‌یوهای این شرکت حدود ۷۰ درصد از استنتاج‌های مراکز داده‌ی جهان را اداره می‌کنند.

تا پاییز سال گذشته اینتل با ۱۰۰ فروشنده نرم‌افزار مستقل روی بیش از ۳۰۰ ویژگی شتاب‌دهنده هوش مصنوعی کارکرده بود تا تجربیات کامیپوترهای شخصی را در جلوه‌های صوتی، ایجاد محتوا، بازی، امنیت، پخش جریانی، همکاری ویدیویی و موارد دیگر بهبود دهد.

پس از معرفی پردازنده‌های Core Ultra در ماه دسامبر (دی ۱۴۰۲)، اعلام شد این محصول پیشرو در طراحی بیش از ۲۳۰ سری لپ‌تاپ به‌کار گرفته می‌شود. مهم‌ترین مزایای اینتل در حوزه‌ی پی‌سی‌های هوش مصنوعی عبارت‌اند از فعال‌سازی نرم‌افزار، مقیاس‌پذیری و دردسترس‌بودن فوری محصولات.

آلفابت

شرکت مادر گوگل محصولات مختلفی برای دستگاه‌های تلفن همراه، ذخیره‌سازی داده‌ها و زیرساخت‌های ابری ارائه می‌کند. این شرکت Cloud TPU v5e را برای مدل‌های زبانی بزرگ و هوش مصنوعی مولد توسعه داده که با نیمی از هزینه‌ی نسل قبل، پردازش داده‌ها را پنج برابر سریع‌تر انجام می‌دهد.

حال آلفابت روی تولید تراشه‌های هوش مصنوعی قدرتمند برای پاسخگویی به تقاضای پروژه‌های بزرگ متمرکز شده. به‌علاوه این شرکت از فناوری مقیاس‌دهی عملکرد Multislice نیز رونمایی کرده است. نسخه‌ی چهارم TPUهای آلفابت تا ۶۰ درصد عملیات ممیز شناور را در مدل‌های چند میلیارد پارامتری بهبود می‌دهند.

اپل

هسته‌های تخصصی مبتنی بر تراشه‌های اپل که با نام موتور عصبی شناخته می‌شوند، طراحی و عملکرد سخت‌افزار هوش مصنوعی این شرکت را ارتقا داده‌اند. این فناوری ابتدا در تراشه‌های M1 مک‌بوک‌ها به کار گرفته شد و نسبت به نسل قبل عملکرد عمومی لپ‌تاپ‌ها را ۳٫۵ برابر و عملکرد گرافیکی آن‌ها را پنج برابر سریع‌تر کرد.

موفقیت تراشه‌ی M1 اپل به معرفی سری M2 و M3 منجر شد که از هسته‌های قدرتمندتر و عملکرد گرافیکی به‌مراتب بهتری بهره می‌بردند.

IBM

آی‌بی‌ام پس از موفقیت اولین تراشه تخصصی هوش مصنوعی خود یعنی Telum تصمیم گرفت جانشین قدرتمندی برای رقابت با سایر شرکت‌های حاضر در بازار هوش مصنوعی طراحی کند. این شرکت در سال ۲۰۲۲ بخش تخصصی جدیدی با نام Artificial Intelligence Unit راه‌اندازی کرد و نخستین تراشه‌ی AI آن بیش از ۲۳ میلیارد ترانزیستور و ۳۲ هسته پردازشی بهره می‌برد.

یکی از مهم‌ترین وجوه تمایز چشم‌انداز آی‌بی‌ام در حوزه‌ی هوش مصنوعی این است که به‌جای متمرکزشدن روی پردازنده‌های گرافیکی، به تولید تراشه‌های آنالوگ با سیگنال مختلط، با بهبود بهره‌وری انرژی و عملکرد رقابتی روی آورده است.

کوالکام

اگرچه کوالکام نسبت به سایر رقبایی که نام بردیم، حضور جدیدتر و نسبتاً دیرهنگامی در بازار سخت‌افزارهای هوش مصنوعی داشته، ولی تجربه‌ای که در بخش‌های مخابراتی و تلفن همراه دارد، این شرکت را به یک بازیگر جدی در صحنه‌ی سخت‌افزارهای AI تبدیل می‌کند.

تراشه‌ی Cloud AI 100 کوالکام در یک سری بنچ‌مارک‌ها، Nvidia H100 را شکست داد. در یکی از این تست‌ها، مشخص شد تراشه‌ی کوالکام به ازای هر وات، به ۲۲۷ درخواست از سمت سرور دیتاسنتر پاسخ می‌دهد، درحالی‌که این رقم برای تراشه‌ی انویدیا به ۱۰۰ درخواست رسید. در تست «تشخیص اجسام» نیز تراشه‌ی Cloud AI 100 موفق شد با پاسخ به ۳٫۸ درخواست در هر وات، برتری خود را به H100 با نرخ ۲٫۴ درخواست در هر وات ثابت کند.

آمازون

آمازون تمرکز خود را تا حدودی از زیرساخت‌های ابری به تراشه‌ها منعطف کرد تا بتواند ارزش سهام و سهم خود از بازار فناوری را حفظ کند.

برای مثال این شرکت سرورهای مجازی Elastic Compute Cloud Trn1s را به‌طور خاص برای یادگیری عمیق و مدل‌های هوش مصنوعی مولد توسعه داد. سرورهای مذکور از تراشه Trainium که نوعی شتاب‌دهنده‌ی هوش‌مصنوعی است استفاده می‌کنند.

نخستین نسخه نمونه‌ی یادگیری ماشین Trn1.2xlarge آمازون از پهنای باند شبکه ۱۲٫۵ گیگابایت در ثانیه و اینستنس مموری ۳۲ گیگابایتی بهره می‌برد. نسخه‌ی جدید این تراشه نیز با نام trn1.32xlarge عرضه شد که دارای ۱۶ شتاب‌دهنده، ۵۲۱ گیگابایت حافظه و پهنای باند ۱,۶۰۰ گیگابایت در ثانیه است.

با توجه به هیاهویی که این روزها پیرامون هوش مصنوعی وجود دارد، جای تعجب نیست که سازندگان تراشه در تلاش‌اند تا قبل از کم‌رنگ‌شدن علاقه‌ی مصرف‌کنندگان، هوش مصنوعی را با حداکثر سرعت ممکن در محصولات خود پیاده‌سازی کنند.

شکی نیست که افزودن NPU به پردازنده‌ها در بلندمدت مزایای شگفت‌انگیزی برای کاربران نهایی به‌همراه خواهد داشت، ولی موج‌های اولیه پی‌سی‌های هوش مصنوعی عمدتاً از ترندسازی‌هایی سود می‌برند که هیجانات عمومی را نشانه گرفته‌اند.

البته این موضوع در ابتدای عرضه‌ی چت جی‌پی‌تی و دیگر ابزارهای هوش مصنوعی نیز صادق بود. چت‌بات‌های AI در شروع کار بیش از کاربردی‌ بودن، هیاهوی تبلیغاتی به‌نظر می‌رسیدند؛ اما هرچه مفهوم آن‌ها گسترده‌تر و عمیق‌تر درک شد، آن‌ها نیز به ابزارهای قدرتمندتری تبدیل شدند.

درحال‌حاضر ان‌پی‌یوها برای کامپیوترهای شخصی عنصر حیاتی و فوق‌العاده‌ای محسوب نمی‌شوند. آن‌ها صرفا کارهایی را که فعلاً با کامپیوترتان انجام می‌دهید، سرعت می‌بخشند و برنامه‌ها را بهینه‌تر می‌کنند، اما این موارد به‌تنهایی زمین بازی را تغییر نمی‌دهد. به‌نظر می‌رسد پیشرفت و فراگیرشدن رایانه‌های شخصی هوش مصنوعی در دست توسعه‌دهندگانی است که باید از این معماری جدید تراشه برای ایجاد نرم‌افزارهای نوآورانه‌ای استفاده کنند که ارزش ملموسی برای مصرف‌کنندگان به همراه داشته باشد.

شاید در آینده زمانی‌ که اپلیکیشن‌ها، هوش مصنوعی را به پلتفرم‌های خود بیاورند و فناوری‌های جدیدی با تمرکز بر این فناوری توسعه داده شوند، تفاوت بیشتری بین کامپیوترهای عادی و پی‌سی‌های هوش مصنوعی دیده شود.