مایکروسافت Surface RTX Spark؛ ابررایانه ای رومیزی برای هوش مصنوعی

مایکروسافت با Surface RTX Spark Dev Box یک رایانه رومیزی فشرده برای اجرای محلی مدل‌های بزرگ هوش مصنوعی معرفی کرده است؛ دستگاهی با ۱۲۸ گیگابایت حافظه یکپارچه و توان محاسباتی چشمگیر.

.3 دیدگاه
مایکروسافت Surface RTX Spark؛ ابررایانه ای رومیزی برای هوش مصنوعی

4 دقیقه

دنبال کردن در گوگل

تصور کنید قابلیت‌های یک لپ‌تاپ رده‌بالای هوش مصنوعی را داشته باشید، اما بدون محدودیت‌های باتری و گرما. کوچک، فشرده و بی‌پروا قدرتمند، Surface RTX Spark Dev Box جدید مایکروسافت دقیقاً همین است: یک رایانه رومیزی جمع‌وجور که برای اجرای مدل‌های بزرگ روی میز کار شما ساخته شده، نه در یک دیتاسنتر.

در قلب Dev Box، سیستم‌روی‌چیپ RTX Spark قرار دارد؛ ترکیبی هیبریدی که یک پردازنده ۲۰ هسته‌ای Arm مبتنی بر Grace را با ۱۰ هسته Cortex-X925 و ۱۰ هسته Cortex-A725 به همراه یک GPU در کلاس Blackwell جفت می‌کند. اعداد اصلی چشمگیرند: حدود ۱ پتافلاپ توان محاسباتی FP4 همراه با شتاب‌دهی ماتریس‌های تنک و ۱۲۸ گیگابایت حافظه یکپارچه. اگر این را به زبان توسعه‌دهنده ترجمه کنیم، یعنی امکان بارگذاری و استنتاج مدل‌هایی در محدوده حدود ۱۲۰ میلیارد پارامتر به‌صورت محلی، بدون نیاز به ارسال مداوم درخواست به سرویس‌های ابری.

این دستگاه مستقیماً برای مهندسانی طراحی شده که به عملکرد پایدار و محلی هوش مصنوعی برای آزمایش، فاین‌تیونینگ و گردش‌کارهای عامل‌محور نیاز دارند.

آنچه این بسته را غیرعادی می‌کند، نحوه ارائه آن توسط مایکروسافت برای سازندگان نرم‌افزار است. Dev Box با Windows 11 Pro و تنظیمات مخصوص توسعه عرضه می‌شود: حالت تاریک از ابتدا فعال است، ابزارهای محبوب توسعه از پیش نصب شده‌اند و PowerShell 7 به‌عنوان پوسته پیش‌فرض تنظیم شده است. در لایه زیرین، WSL 2 با عبوردهی GPU و پشتیبانی CUDA به‌صورت آماده ارائه می‌شود. همین بخش اهمیت زیادی دارد. بسیاری از زنجیره‌های ابزار هوش مصنوعی و پشته‌های استنتاج، انتظار یک محیط لینوکسی را دارند؛ WSL با دسترسی به GPU فاصله میان یک دسکتاپ ویندوزی و سرورهای هوش مصنوعی مبتنی بر لینوکس را کمتر می‌کند.

علاقه‌مندان سخت‌افزار هم‌زمان هم جزئیات بازاریابی را می‌بینند و هم مصالحه‌های عملی را. GPU مبتنی بر Blackwell در RTX Spark از نظر تعداد هسته‌های CUDA تقریباً هم‌سطح RTX 5070 معرفی شده است، و مایکروسافت عددی حدود ۶٬۱۴۴ هسته CUDA را ذکر می‌کند، اما تفاوت اصلی در حافظه است: این تراشه VRAM بسیار بیشتری نسبت به کارت‌های مصرفی دارد و RAM بین CPU و GPU یکپارچه شده تا هنگام بارگذاری وزن‌های بزرگ، گلوگاه‌ها کاهش یابد. خنک‌سازی نیز بر عهده یک شاسی آلومینیومی چاپ سه‌بعدی با ۱٬۰۰۰ دریچه تهویه است که اشاره‌ای بازیگوشانه به «۱٬۰۰۰ ترافلاپ» دارد. با اینکه طراحی بدنه کمک می‌کند، سیستم به‌صورت غیرفعال خنک نمی‌شود و در زمان فشار می‌تواند تا ۱۰۰ وات گرما را به‌طور فعال دفع کند.

چرا یک باکس رومیزی ساخته شده وقتی Surface Laptop Ultra هم از همان سیلیکون RTX Spark استفاده می‌کند؟ پاسخ ساده است: محدودیت فرم‌فکتور. یک لپ‌تاپ باید میان گرما، عمر باتری و توان پایدار تعادل برقرار کند. یک رایانه رومیزی چنین محدودیتی ندارد. به بیان ساده، در اجراهای کوتاه‌مدت، لپ‌تاپ و باکس ممکن است عملکردی نزدیک داشته باشند، اما در آموزش یا استنتاج طولانی‌مدت، Dev Box برای مدت بیشتری توان بالاتری را حفظ می‌کند.

اتصالات دستگاه مستقیم و کاربردی هستند: یک پورت HDMI برای نمایشگرهای محلی، دو پورت USB-C، یک پورت USB-A، درگاه اترنت گیگابیتی و جک صوتی ۳.۵ میلی‌متری. می‌توانید از آن به‌عنوان ایستگاه اصلی توسعه، میزبان استنتاج از راه دور برای لپ‌تاپ‌های سبک‌تر، یا یک نود اختصاصی هوش مصنوعی عامل‌محور در رک اداری استفاده کنید. مایکروسافت آن را یک دستگاه توسعه معرفی می‌کند، اما فرم و کارکردش مقایسه با Mac Studio را هم تداعی می‌کند؛ یک نود جمع‌وجور و پرفورمنس‌بالا برای سازندگان و توسعه‌دهندگانی که بدون هزینه‌های ابری به تراکم محاسباتی محلی نیاز دارند.

در زمان عرضه، دسترسی محدود خواهد بود: مایکروسافت می‌گوید Surface RTX Spark Dev Box اواخر امسال عرضه می‌شود و در ابتدا فقط از طریق Microsoft.com در ایالات متحده به فروش می‌رسد. قیمت‌گذاری و دسترسی گسترده‌تر منطقه‌ای هنوز اعلام نشده است. این شرکت همچنین قیمت Surface Laptop Ultra را هم فاش نکرده، اما Dev Box روی کاغذ باید ارزان‌تر تمام شود، چون نمایشگر و باتری را حذف کرده است.

اگر کار شما به تکرار و آزمایش با مدل‌های بزرگ، تست استنتاج در مقیاس بالا، یا صرفاً دوری از تأخیر و هزینه نمونه‌سازی‌های وابسته به ابر متکی است، این دستگاه نکات جذاب زیادی دارد. با این حال چند پرسش همچنان باقی می‌ماند: اکوسیستم نرم‌افزاری چگونه با معماری‌های RAM یکپارچه سازگار می‌شود و آیا توسعه‌دهندگان یک باکس محلی را ترجیح می‌دهند یا رویکردی ترکیبی با ابر را؟ در هر صورت، مایکروسافت یک موضع روشن گرفته است: محاسبات محلی هوش مصنوعی ارزش آن را دارد که برایش طراحی انجام شود، نه اینکه فقط اجاره شود.

کامران تهرانی
"رویدادهای مهم حوزه فناوری و فرهنگ دیجیتال را پیگیری می‌کنم و سعی می‌کنم با زبانی قابل‌فهم تحولات پیچیده را برای عموم توضیح دهم."

نظر بگذارید

نظرات (3)

بیت‌پالس

مایکروسافت انگار داره جدی میگه ابر فقط گزینه نیست. برای کار AI محلی، این یکی می‌تونه خیلی وسوسه‌کننده باشه!

data.x

جالبه، ولی هنوز نمی‌دونم این مدل حافظه‌ی یکپارچه تو دنیای واقعی چقدر دردسر کم می‌کنه. رو کاغذ که خیلی خفنِ

مهدی

واقعاً اگه این اعداد درست باشن، دیگه لپ‌تاپ معمولی کجای کاره؟ ولی قیمتش حتماً یه شوخی تلخه...