انویدیا ابرکامپیوتر خانگی هوش مصنوعی Digits را با قیمت ۳ هزار دلار معرفی کرد
شرکت انویدیا در نمایشگاه CES 2025 اعلام کرد ماه می یک ابرکامپیوتر شخصی مجهز به هوش مصنوعی را با نام Project Digits عرضه میکند. قلب پروژهی دیجیت، تراشهی فوقالعاده جدید GB10 گریس بلکول است که قدرت پردازشی کافی برای اجرای مدلهای پیچیده هوش مصنوعی را دارد.
Project Digits بهاندازهی کافی کوچک و فشرده طراحی شده است که روی میز جا بگیرد و از پریز برق استاندارد استفاده نکند. دیجیتس که ظاهری شبیه مک مینی اپل دارد، مدلهای هوش مصنوعی با ۲۰۰ میلیارد پارامتر را اجرا میکند و قیمت پایهی آن به ۳ هزار دلار میرسد.
جنسن هوانگ، مدیرعامل انویدیا در یک بیانیهی مطبوعاتی گفت:
هوش مصنوعی به بخش اصلی و جداییناپذیر هر صنعتی تبدیل خواهد شد. با پروژهی دیجیت، تراشهی فوقالعادهی گریس بلکول به میلیونها توسعهدهنده میرسد. با قراردادن یک ابرکامپیوتر هوش مصنوعی روی میز هر دانشمند داده، محقق هوش مصنوعی و دانشجو، آنها میتوانند در عصر هوش مصنوعی مشارکت داشته باشند و نقشی فعال در شکلدهی آن ایفا کنند.
پروژهی دیجیتس از ۱۲۸ گیگابایت حافظهی یکپارچه و تا ۴ ترابایت حافظهی NVMe بهره میبرد (درحالیکه بهترین لپ تاپ ها معمولاً ۱۶ یا ۳۲ گیگابایت حافظه دارند). برای کارهای سنگینتر میتوان دو دستگاه را به هم متصل کرد تا مدلهایی با ۴۰۵ میلیارد پارامتر را پردازش کنند. برای مقایسه در نظر بگیرید که بهترین مدل متا یعنی Llama 3.1، با ۴۰۵ میلیارد پارامتر تعلیمدیده است.
تراشهی GB10 قادر است در هر ثانیه یک پتافلاپ (هزار تریلیون) محاسبهی هوش مصنوعی را با دقت FP4 انجام دهد (FP4 با استفاده از روشهای تقریبی سرعت محاسبات را افزایش میدهد و اجرای آنها را بهینهتر میکند).
سیستم جدید انویدیا از جدیدترین نسل هستههای CUDA و هستههای تنسور نسل پنجم انویدیا بهره میبرد که از طریق NVLink-C2C به یک پردازندهی گریس متصل شده و دارای ۲۰ هستهی کممصرف و مبتنیبر Arm است. مدیاتک که در زمینهی طراحی تراشههای کممصرف شهرت دارد، در توسعهی GB10 با انویدیا همکاری دارد تا کارایی انرژی و عملکرد آن را بهینه کند.
کاربران به مجموعهی کامل کتابخانهی نرمافزارهای هوش مصنوعی انویدیا دسترسی خواهند داشت که گزینههایی مانند کیتهای توسعه، ابزارهای هماهنگسازی و مدلهای ازپیشآموزشدیده را شامل میشود.
دیجیتس از سیستمعامل لینوکسی Nvidia DGX OS استفاده میکند و با چارچوبهای محبوب برنامهنویسی مانند PyTorch، Python و Jupyter سازگار است. توسعهدهندگان میتوانند با استفاده از چارچوب Nvidia NeMo مدلها را بهطور دقیق تنظیم کنند و با بهرهگیری از کتابخانههای Nvidia RAPIDS به گردش کار سریعتری در علوم داده دست یابند.
بهعلاوه کاربران میتوانند مدلهای هوش مصنوعی خود را بهصورت محلی روی پروژهی دیجیت توسعه دهند و آزمایش کنند، سپس آنها را با استفاده از همان معماری گریس بلکول و پلتفرم نرمافزاری Nvidia AI Enterprise در سرویسهای ابری یا زیرساخت مرکز داده پیادهسازی کنند.
انویدیا سیستمهای دیگری را هم با همین سبک دسترسیپذیری ارائه میدهد. برای مثال در ماه دسامبر نسخهی ۲۴۹ دلاری کامپیوتر Jetson خود را برای کاربردهای هوش مصنوعی معرفی کرد. این سیستم که Jetson Orin Nano Super نام دارد، بهطور خاص برای علاقهمندان و استارتاپها طراحی شده است و میتواند مدلهایی با ۸ میلیارد پارامتر را پردازش کند.