قدرت‌نمایی انویدیا روی لپ‌تاپ‌ها: اولین نتایج بنچمارک RTX Spark N1X در اجرای محلی ایجنت‌های هوش مصنوعی
انویدیا با پلتفرم جدید RTX Spark و تراشه قدرتمند N1X، رؤیای اجرای محلی و بدون دردسر ایجنت‌های سنگین هوش مصنوعی روی لپ‌تاپ‌ها را به واقعیت نزدیک کرده است. نتایج اولین بنچمارک‌های نسخه اولیه سرفیس لپ‌تاپ اولترا نشان می‌دهد این ماشین مجهز به ۱۲۸ گیگابایت حافظه یکپارچه، پردازش کار‌های سنگین مدل‌های زبانی مانند Qwen3.8 را در چند دقیقه به سرانجام می‌رساند.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- انویدیا با تراشه N1X پلتفرم RTX Spark، قدرت سخت‌افزار سروریش رو به لپ‌تاپ‌های ویندوز آرم آورده تا ایجنت‌های هوش مصنوعی بدون نیاز به اینترنت و کاملاً محلی با نهایت سرعت اجرا بشن.
- در بررسی نسخه اولیه سرفیس لپ‌تاپ اولترا با ۱۲۸ گیگابایت رم، این دستگاه تونست بنچمارک سنگین ایجنت‌ها روی مدل ۲۷ میلیاردی Qwen3.8 رو تو ۱۸.۷ دقیقه با موفقیت به پایان برسونه.
- با اینکه مصرف توان این تراشه به ۴۵ تا ۸۰ وات محدود شده، اما به لطف پهنای باند فوق‌العاده ۳۰۰ گیگابایت بر ثانیه، پا‌به‌پای غول‌هایی مثل مک‌بوک پرو M5 Pro و کارت گرافیک RTX 5090 رقابت می‌کنه.
بنچمارک AgentPerf-Local: بازپخش نشست‌های ایجنت‌ها روی سخت‌افزار محلی
آر‌تی‌ایکس اسپارک: انتقال تراشه DGX Spark به دل لپ‌تاپ‌های ویندوزی
پلتفرم RTX Spark در واقع راهکار اختصاصی انویدیا برای کامپیوترهای مبتنی بر ویندوز آن آرم (Windows on Arm) است که به طور ویژه برای اجرای محلی و بدون وقفه ایجنت‌های هوش مصنوعی طراحی شده است. مغز متفکر این پلتفرم یعنی تراشه N1X، در حقیقت همان تراشه سروری GB10 موجود در سیستم‌های DGX Spark است (حتی کاتالوگ رسمی انویدیا نیز RTX Spark را معادل GB10 فهرست کرده است)؛ تراشه‌ای قدرتمند با ۲۰ هسته پردازشی آرم (شامل ۱۰ هسته قدرتمند Cortex-X925 و ۱۰ هسته کم‌مصرف Cortex-A725)، پردازنده گرافیکی معماری بلک‌ول با ۶,۱۴۴ هسته کودا (CUDA) و حداکثر ۱۲۸ گیگابایت حافظه یکپارچه LPDDR5X که میان پردازنده مرکزی و گرافیکی به اشتراک گذاشته شده است. جالب اینجاست که در این لپ‌تاپ، حافظه با فرکانس بالاتری کار می‌کند و پهنای باند آن حدود ۱۰ درصد سریع‌تر از DGX Spark رومیزی است (۳۰۰ گیگابایت بر ثانیه در برابر ۲۷۳ گیگابایت بر ثانیه). با این حال، توان مصرفی تراشه برای لپ‌تاپ‌ها روی ۴۵ تا ۸۰ وات تنظیم شده است، در حالی که GB10 در سیستم‌های رومیزی تا ۱۴۰ وات برق مصرف می‌کند.
در این آزمایش‌ها، نسخه اولیه یک لپ‌تاپ ۱۵ اینچی سرفیس لپ‌تاپ اولترا (Surface Laptop Ultra) مجهز به ۱۲۸ گیگابایت حافظه رم و با برچسب قیمتی ۵,۸۹۹.۹۹ دلار مورد بررسی قرار گرفت. این دستگاه سیستم‌عامل ویندوز ۱۱ آرم را اجرا می‌کند و بار پردازشی تمام مدل‌های هوش مصنوعی را از طریق بیلد بومی llama.cpp روی ویندوز مستقیماً به دوش پردازنده گرافیکی (GPU) می‌اندازد. تست‌ها در وضعیتی انجام شد که لپ‌تاپ به برق شهری متصل بود و تنظیمات مصرف انرژی ویندوز نیز روی بالا‌ترین حالت عملکرد (High Performance) قرار داشت.
RTX Spark N1X | GB10 (DGX Spark) | M5 Pro (مک‌بوک پرو ۱۴ اینچ) | |
|---|---|---|---|
پردازنده (CPU) | ۲۰ هسته (۱۰ هسته Cortex-X925 و ۱۰ هسته Cortex-A725) | ۲۰ هسته (۱۰ هسته Cortex-X925 و ۱۰ هسته Cortex-A725) | ۱۸ هسته |
پردازنده گرافیکی (GPU) | معماری بلک‌ول، ۶,۱۴۴ هسته CUDA | معماری بلک‌ول، ۶,۱۴۴ هسته CUDA | ۲۰ هسته |
حافظه یکپارچه (Unified memory) | ۱۲۸ گیگابایت LPDDR5X-9400 | ۱۲۸ گیگابایت LPDDR5X-8533 | ۶۴ گیگابایت LPDDR5X-9600 |
پهنای باند حافظه | ۳۰۰ گیگابایت بر ثانیه | ۲۷۳ گیگابایت بر ثانیه | ۳۰۷ گیگابایت بر ثانیه |
توان مصرفی تراشه | ۴۵ تا ۸۰ وات | ۱۴۰ وات | اعلام‌نشده |
سیستم‌عامل | ویندوز ۱۱ روی آرم | DGX OS (اوبونتو) | macOS |
مشخصات فنی فوق برگرفته از صفحه رسمی RTX Spark و راهنمای مهاجرت و پورت نرم‌افزار انویدیا، مستندات رسمی سخت‌افزار DGX Spark انویدیا و مشخصات رسمی اپل تا اکتبر ۲۰۲۶ است؛ همچنین سرعت حافظه‌ها مستقیماً توسط سیستم‌های تحت تست گزارش شده است.
هر سیستم با دستورالعمل بهینه‌سازی اختصاصی خود کار می‌کند
در این بنچمارک‌ها، هر مدل زبانی با دستورالعمل (Recipe) اختصاصی و بهینه‌شده برای همان سیستم اجرا شده است. تا جای ممکن از دستورالعمل‌های رسمی منتشرشده توسط سازندگان سخت‌افزار استفاده شده تا عدالت رعایت شود؛ بنابراین محیط اجرا (Runtime)، روش رمزگشایی حدسی (Speculative Decoding) و فرمت ۴ بیتی وزن‌های مدل‌ها بین سیستم‌های مختلف تفاوت دارد. برای مثال، لپ‌تاپ RTX Spark از دستورالعمل‌های بهینه‌سازی انویدیا برای llama.cpp در پلتفرم RTX Spark بهره می‌برد که با همان تنظیمات دقیق انویدیا در بنچمارک AgentPerf-Local پیاده‌سازی شده‌اند.
مدل Qwen3.8 27B | محیط اجرا (Runtime) | فرمت وزن‌ها (Weights) | رمزگشایی حدسی (Speculative decoding) |
|---|---|---|---|
لپ‌تاپ RTX Spark | llama.cpp روی ویندوز | UD-Q4_K_M | DFlash با ۷ توکن پیش‌نویس (draft) |
دی‌جی‌ایکس اسپارک (DGX Spark) | llama.cpp روی لینوکس | UD-Q4_K_M | DFlash با ۷ توکن پیش‌نویس (draft) |
مک‌بوک پرو (M5 Pro) | llama.cpp روی مک‌او‌اس | Q4_K_M | MTP با ۴ توکن پیش‌نویس (draft) |
ای‌ام‌دی Ryzen AI Halo | llama.cpp روی لینوکس | Q4_K_M | MTP با ۲ توکن پیش‌نویس (draft) |
کارت دسکتاپ GeForce RTX 5090 | llama.cpp روی لینوکس | Q4_K_M | MTP با ۲ توکن پیش‌نویس (draft) |
دستورالعمل بهینه‌سازی سیستم‌ها برای دستیابی به سریع‌ترین نتیجه در اجرای مدل Qwen3.8 27B
بررسی‌ها به همین‌جا ختم نمی‌شود و تست فرمت‌های کوانتیزاسیون وزن و موتورهای اجرایی دیگر نیز در جریان است؛ از جمله فرمت‌های فشرده‌تر ۴ بیتی مانند IQ4_XS و موتور Inco AI Splash (یک موتور بهینه‌شده با فریم‌ورک Metal برای تراشه‌های اپل سیلیکون که از رمزگشایی حدسی DFlash استفاده می‌کند). نتایج تکمیلی این ابزار‌ها نیز پس از اتمام تست‌های اعتبارسنجی و سنجش دقت، به زودی منتشر خواهد شد. ارزیابی‌های اولیه نشان می‌دهد که استفاده از این موتورهای تازه می‌تواند سرعت اجرای وظایف را در برخی سیستم‌ها به طرز چشمگیری ارتقا دهد.
پایان پردازش ایجنت‌ها در ۸ تا ۱۹ دقیقه؛ بستگی به مدل انتخابی دارد
بررسی و افق‌های پیش رو
مطالب مرتبط و پیشنهادی
عطش غول‌های هوش مصنوعی برای برق؛ انرژی زمین‌گرمایی چطور سوگلی جدید سیاستمداران و شرکت‌های فناوری شد؟
عطش دیتاسنترهای هوش مصنوعی برای تأمین برق پایدار و شبانه‌روزی، جان تازه‌ای به صنعت انرژی زمین‌گرمایی دمیده است. این منبع پاک اکنون به نقطه توافقی کم‌سابقه میان دموکرات‌ها و جمهوری‌خواهان در واشنگتن تبدیل شده و غول‌های فناوری حاضرند برای دسترسی به آن مبالغ سنگینی پرداخت کنند.
چالش بزرگ شرکت‌ها با هوش مصنوعی؛ ابزار‌ها آماده‌اند، اما نیروی متخصص کجاست؟
سازمان‌ها برای عقب نماندن از رقابت با شتاب به سمت ابزار‌های هوش مصنوعی هجوم آورده‌اند، اما بزرگ‌ترین مانع آنها نه کمبود نرم‌افزار، بلکه بحران نیروی انسانی ماهر است. با همه‌گیر شدن مدل‌های زبانی، خروجی‌های هوش مصنوعی رو به یکنواختی رفته‌اند و تنها با تفکر انتقادی، قضاوت انسانی و مهارت‌های تخصصی می‌توان از این فناوری یک مزیت رقابتی ساخت.
اپل: سیری نیازی به شکست ChatGPT ندارد؛ استراتژی متفاوت کوپرتینو در میدان هوش مصنوعی
در حالی که غول‌های فناوری میلیاردها دلار صرف ساخت باهوش‌ترین چت‌بات‌های دنیا می‌کنند، اپل مسیر کاملاً متفاوتی را در پیش گرفته است. مدیرعامل این شرکت معتقد است سیری اصلاً نیازی به شکست دادن ChatGPT در مسابقه هوش ندارد، بلکه برگ برنده اصلی در اطلاعات شخصی نهفته روی آیفون شماست.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.