رایانه های شخصی RTX Spark انویدیا انقلابی نیستند، اما ممکن است لپ تاپ ها را برای همیشه تغییر دهند
برای MacBook Pro-ification رایانه های شخصی آماده شوید. آزمون واقعی نحوه عملکرد آنها با تمام شبیه سازی و هوش مصنوعی در داخل خواهد بود.
از این جمعه، چندین سازنده لپتاپ خواهید داشت که درب خانهتان را میکوبند و شما را نگران میکنند که بهعنوان لپتاپ بعدی، چیزی را که «کلاس جدید رایانه شخصی» مینامند، بخرید. آنها قول میدهند که انقلابی در کار هوش مصنوعی محلی ایجاد کنند، رندر را به سطوح اوج برسانند و همچنان عملکردی را که به عنوان یک دستگاه بازی میخواهید داشته باشند. واقعیت پیچیدهتر است، اما چیپ لپتاپ جدید انویدیا که برای دستگاههای گرانقیمت ساخته شده است، ممکن است در نهایت رایانههای شخصی را در مسیر درست حرکت دهد - محاسبات محلی را بالاتر از هر اشتراک هوش مصنوعی فشار میدهد.
انویدیا من را به سانفرانسیسکو دعوت کرد تا با لپتاپها و دسکتاپهایش که همگی از تراشه جدید N1X خود استفاده میکنند، تجربه عملی بیشتری داشته باشم. همانطور که گفته شد، من امسال نیز با این رایانه های شخصی در Computex و IFA کار کرده ام، بنابراین این اولین بازی من نبود. با این حال، این اولین باری بود که انویدیا تصمیم گرفت عملکرد دقیقی را که مصرف کنندگان از این لپ تاپ ها انتظار دارند را فاش کند.
تراشه N1X از چند جهت متمایز است. یکی از آنها کاشی CPU است که با MediaTek توسعه یافته است. این یک پردازنده مبتنی بر ARM است که متمایز از ریزمعماری معمول x86 است که توسط AMD و Intel ترویج می شود. این CPU "Grace" نامیده می شود و پیکربندی پیشرفته دارای تعداد زوج از 10 هسته عملکرد (P) و 10 هسته بازده (E) است که در بین دو کلاستر پخش شده اند.
GPU جایی است که همه چیز تند می شود. برنامه انویدیا برای تقویت هوش مصنوعی محلی بر روی رایانه های شخصی، یک کاربرد بی رحمانه از معماری CUDA GPU آن است. پیکربندی پیشرفته شامل 6144 هسته GPU است که همان تعداد کارت گرافیک RTX 5070 سطح دسکتاپ است. از لپتاپهایی با آستانه قدرت محدود نباید انتظار عملکرد یکسانی داشته باشید، اگرچه هنوز هم حجم عظیمی از قدرت پردازشی برای انجام وظایف رندر، بازی یا – بله – هوش مصنوعی وجود دارد. کاشی گرافیکی بلکول همچنین شامل 24 مگابایت حافظه نهان L2 و هستههای ردیابی پرتوی نسل چهارم انویدیا است.
اینجاست که همه چیز هیجان انگیز می شود. انویدیا وعده میدهد که کاربران میتوانند بازدهی بسیار بهتری برای رسیدن به اوج قدرت GPU نسبت به لپتاپهایی با پردازنده گرافیکی لپتاپ RTX 5070 در حدود 80 وات قدرت CPU و GPU ببینند. این هم برای بازی و هم برای پردازش سریع هوش مصنوعی. با این حال، یک GPU مجزا میتواند با قدرت بسیار بیشتری نسبت به RTX Spark به حداکثر برسد. یک لپتاپ مخصوص بازی بهتر از هر طراحی تراشهای، به خصوص در لپتاپهای کوچکتر و نازکتر عمل میکند.
در حالی که میتوانید نسخههای بومی ARM از برنامههایی مانند Blender را بیابید که باید از پردازنده N1X در هنگام راهاندازی یا نزدیک به آن پشتیبانی کنند، این تراشه برای بسیاری از برنامههای سختگیر بر شبیهسازی x86 به ARM تکیه میکند. بله، این به معنای سربار CPU اضافی برای بازی نیز هست.
مثالهای دیگری وجود دارد که لپتاپ RTX Spark از لپتاپهای آماده بازی منطقیتر است. یکی حافظه یکپارچه است که یک حافظه مشترک بین GPU و CPU است. اگر این لپ تاپ را با حافظه بیشتری روی هم قرار دهید، می توانید انتظار داشته باشید که به راحتی نیازهای VRAM برای گرافیک های بلادرنگ با وضوح بالاتر را برآورده کند. سوال اصلی که باید بپرسیم این است که آیا این لپتاپها میتوانند در هنگام بازی بدون کمک اضافی به فریمهای ثابتی دست یابند؟ انویدیا به من اجازه داد Gears of War: E-Day را با تنظیمات متوسط و بالا اجرا کنم، البته فقط با DLSS 4.5 و نسل فریم در کنار آن اجرا میشود.
این سطح عملکرد کاملا RTX 5070 نیست.
حداقل، انویدیا با همکاری های متعدد با ناشران و توسعه دهندگان بازی، قول پشتیبانی بیشتر از بازی های بومی آینده را داده است. بقیه این عناوین، از جمله عناوین مایکروسافت مانند Gears of War، با شبیه ساز مایکروسافت Prism x86 به ARM شبیه سازی خواهند شد. سازنده ویندوز ادعا کرده است که شبیهساز آن هنگام شبیهسازی برنامهها، عملکرد کلی را کاهش میدهد، اگرچه ممکن است تأثیر بیشتری روی برنامهها یا بازیهای وابسته به CPU داشته باشد.
اما این Nvidia است، مردم. آیا واقعا تصور میکردید که این لپتاپ عرضهشده به هوش مصنوعی فشار نیاورد؟ تیم گرین از شما میخواهد که باور کنید این لپتاپها میتوانند مدلهای هوش مصنوعی 120 میلیاردی را به کار گیرند. با این حال، اینکه آیا واقعا میتوانید همه مدلهای هوش مصنوعی را روی دستگاه میزبانی کنید یا مجبور باشید بخشی از این قابلیت را در فضای ابری بارگذاری کنید، ممکن است بستگی به این دارد که کدام RTX Spark را خریداری میکنید.
دو نوع برای RTX Spark وجود دارد که باید در خارج از دروازه آن ها را درک کنید. تراشه N1X انویدیا که این رایانههای شخصی را تامین میکند در دو نوع عرضه میشود: یکی با پردازنده 18 هستهای و یک پردازنده گرافیکی بلکول 5120 هستهای و دیگری با 20 هسته پردازنده و 6144 هسته گرافیکی بلکول. این که آیا رایانه شخصی واقعا برای کارهای سنگین هوش مصنوعی محلی ساخته شده است، ممکن است کمتر به تعداد هسته و بیشتر به در دسترس بودن حافظه بستگی داشته باشد. مدلهای پایینتر RTX Spark به پیکربندیهای حافظه یکپارچه پایینتر محدود میشوند - 24 یا 32 گیگابایت. مدلهای رده بالاتر میتوانند تا 128 گیگابایت ظرفیت داشته باشند.
AMD قبلا همین حرکت را با سری Ryzen AI Max + 300 انجام داده است و معماری APU (واحد پردازش شتاب) خود را تا جایی که با یک GPU غول پیکر پیش میبرد، پیش برده است. سازنده تراشه این تراشههای با اسم رمز Strix Halo را با Gorgon Halo، تراشههای Ryzen AI Max+ 400 دنبال کرد. تنها این بار، AMD نسخههایی از تراشه خود را عرضه کرد که تنها از حداکثر 128 گیگابایت حافظه یکپارچه پشتیبانی میکنند. این بدان معناست که هر رایانه شخصی که پردازنده Gorgon Halo را اجرا میکند، اساسا به گونهای ساخته شده است که یک ماشین uber باشد که به صراحت برای وظایف هوش مصنوعی محلی ساخته شده است.
تعداد ماشین های مصرف کننده آنقدر محدود است که من شخصا فرصت آزمایش آنها را نداشته ام.
این بدان معناست که در حال حاضر انویدیا میتواند ادعا کند که رایانههای شخصی مبتنی بر هوش مصنوعی را با قیمتهایی که افراد بیشتری میتوانند بخرند، به مصرفکنندگان سوق میدهد. من مدتهاست که به هوش مصنوعی بدبین بودم، اما اگر به یک چیز اعتقاد دارم، این است که آینده LLMها بر دوش مراکز داده بزرگ، گرانقیمت و ویرانگر جامعه قرار نخواهد گرفت. محاسبات محلی که داده های شما را روی دستگاه ایمن نگه می دارد بهترین حالت برای این مدل های هوش مصنوعی است. انویدیا، از قضا، شرکتی که رئیس مرکز داده هوش مصنوعی در سراسر کار است، ممکن است در نهایت راه بهتری را به ما نشان دهد.
(افشای کامل: هزینه سفر و اقامت توسط انویدیا پرداخت شد و Gizmodo هیچ گونه پوششی را به عنوان شرط پذیرش سفر تضمین نکرد).
متن اصلی (انگلیسی)
Nvidia’s RTX Spark PCs Aren’t a Revolution, but They May Change Laptops Forever
Get ready for the MacBook Pro-ification of PCs. The real test will be how they perform with all the emulation and AI running inside.