مایکروسافت پیش‌فروش Surface Laptop Ultra مبتنی بر RTX Spark را آغاز کرد

مایکروسافت پیش‌فروش Surface Laptop Ultra و Surface RTX Spark Dev Box را آغاز کرده است؛ دو دستگاه حرفه‌ای مبتنی بر پلتفرم RTX Spark انویدیا که برای اجرای محلی بارهای سنگین هوش مصنوعی طراحی شده‌اند. Surface Laptop Ultra از ۱۶ اکتبر عرضه می‌شود و Dev Box در آمریکا برای ارسال از نوامبر پیش‌فروش شده است.

مایکروسافت چه مشخصاتی اعلام کرده است؟

Surface Laptop Ultra در بالاترین پیکربندی از پردازنده Grace با تا ۲۰ هسته، گرافیک Blackwell RTX با تا ۶۱۴۴ هسته و حداکثر ۱۲۸ گیگابایت حافظه یکپارچه استفاده می‌کند. مایکروسافت می‌گوید این ترکیب امکان اجرای محلی مدل‌هایی با بیش از ۱۲۰ میلیارد پارامتر را فراهم می‌کند و در محاسبات هوش مصنوعی کم‌دقت به توان نظری بسیار بالایی می‌رسد.

این اعداد مشخصات و ادعاهای سازنده‌اند و مستقیماً معادل سرعت واقعی هر مدل یا برنامه نیستند. اندازه مدل، نوع کوانتیزه‌سازی، پهنای باند حافظه، چارچوب نرم‌افزاری و الگوی بار می‌تواند عملکرد عملی را به‌طور جدی تغییر دهد.

چرا حافظه یکپارچه مهم است؟

مدل‌های بزرگ هوش مصنوعی به حافظه زیادی نیاز دارند و در رایانه‌های متعارف، ظرفیت حافظه گرافیکی یکی از محدودیت‌های اصلی اجرای محلی است. معماری حافظه یکپارچه به CPU و GPU اجازه می‌دهد به یک مخزن بزرگ‌تر داده دسترسی داشته باشند و در برخی بارها نیاز به جابه‌جایی مکرر داده میان حافظه‌های جداگانه را کاهش می‌دهد.

مایکروسافت این دستگاه‌ها را بخشی از راهبرد «هوش ترکیبی» خود معرفی کرده است؛ مدلی که در آن بخشی از پردازش روی دستگاه و بخشی در ابر انجام می‌شود. مزیت بالقوه اجرای محلی، کاهش تأخیر و نگه‌داشتن داده‌های حساس روی دستگاه است، اما هزینه سخت‌افزار و مصرف انرژی نیز بالاتر می‌رود.

Dev Box برای چه کسی ساخته شده است؟

Surface RTX Spark Dev Box یک رایانه رومیزی کوچک برای توسعه‌دهندگان است و مایکروسافت آن را با ابزارهایی مانند Visual Studio Code، Git، GitHub CLI، WSL، پایتون و Node برای توسعه و ارزیابی مدل‌ها عرضه می‌کند. هدف این است که تیم‌های فنی بتوانند آزمایش‌های محلی را با پیکربندی اولیه کمتر اجرا کنند.

قیمت‌گذاری این دو محصول نیز جایگاه آنها را روشن می‌کند: بازار هدف در مرحله نخست توسعه‌دهندگان، تیم‌های مهندسی و کاربران حرفه‌ای است، نه رایانه شخصی عمومی. این‌که چنین سخت‌افزاری بتواند بخشی از هزینه محاسبات ابری را جابه‌جا کند، به بنچمارک‌های مستقل و الگوی استفاده واقعی بستگی دارد.

چه چیزی پس از عرضه باید آزموده شود؟

سرعت توکن‌دهی مدل‌های مختلف، مصرف برق، گرما، نویز، عمر باتری لپ‌تاپ، میزان حافظه واقعاً قابل استفاده و پایداری نرم‌افزار مهم‌تر از اعداد نظری روی برگه مشخصات خواهند بود. نخستین بررسی‌های مستقل پس از عرضه می‌توانند نشان دهند فاصله میان توان اعلام‌شده و تجربه واقعی کاربر چقدر است.