وصلت الآن أنظمة Nvidia RTX Spark الشريكة، وتقدم قوة حوسبية هائلة لتشغيل نماذج الذكاء الاصطناعي محليًا على الحواسيب المحمولة. تتميز هذه الأجهزة بمعالج مركزي قوي (CPU)، وبطاقة رسوميات مدمجة فائقة السرعة، وذاكرة موحدة تصل إلى 128 جيجابايت، كل ذلك في حزمة خفيفة الوزن وعالية الجودة. على الرغم من أن أسعارها تبدأ من حوالي 2,600 دولار (حوالي 9,750 ريال سعودي أو 9,542 درهم إماراتي) وقد تتجاوز 6,000 دولار (حوالي 22,500 ريال سعودي أو 22,020 درهم إماراتي)، إلا أنها مصممة خصيصًا للمتحمسين والباحثين والمحترفين المبدعين في مجال الذكاء الاصطناعي.
قام موقع The Register بتقييم جهاز OmniBook Ultra من HP، وهو نموذج يعتمد على منصة RTX Spark، ووجد أنه من الصعب العثور على حاسوب محمول يعمل بنظام Windows أسرع منه في مهام الذكاء الاصطناعي المحلي.
مواصفات قوية للحوسبة المحلية
يتميز جهاز OmniBook Ultra 16 بشاشة OLED رائعة بدقة 2880×1800 بكسل ونسبة عرض إلى ارتفاع تبلغ 16:10. يعمل الجهاز بمعالج N1X system-on-chip، والذي يأتي في نسختين: إحداهما بـ 18 نواة CPU و5,120 نواة CUDA للوحدة الرسومية، والأخرى (التي تم اختبارها) بـ 20 نواة CPU و6,144 نواة CUDA. تعتمد هذه الشريحة على تصميم MediaTek-derived CPU وتدمج وحدة معالجة رسومية من Blackwell باستخدام تقنية NVLink Fusion.
توفر شريحة N1X تحسينات في عرض النطاق الترددي للذاكرة لتصل إلى حوالي 300 جيجابايت/ثانية، وهو ما يترجم إلى توليد أسرع للتوكنات في مهام استدلال الذكاء الاصطناعي وأعباء العمل الوكيلة. يحتوي الجهاز أيضًا على مجموعة واسعة من المنافذ، بما في ذلك منفذ سماعة رأس 3.5 ملم، ومنفذين USB-4 Type C (40 جيجابت في الثانية)، ومنفذ HDMI، ومنفذين USB-A (10 جيجابت في الثانية)، ومنفذ MicroSD.
ماذا يعني هذا للمطورين؟
بالنسبة للمطورين والباحثين، تقدم أنظمة Nvidia RTX Spark قدرات حوسبية محلية استثنائية للذكاء الاصطناعي. الذاكرة الموحدة التي تصل إلى 128 جيجابايت ضرورية لتشغيل نماذج اللغة الكبيرة (LLMs) ذات المعلمات العالية ونماذج الذكاء الاص0صطناعي الوكيلة (AI agents) التي تتطلب نوافذ سياق واسعة (مثل 128,000 توكن). يرى Microsoft أن مستقبل أجهزة الكمبيوتر الشخصية هو في نماذج Copilot+ PCs التي تجمع بين تشغيل النماذج المحلية والبعيدة، وهو ما تسميه «الذكاء الهجين».
تجدر الإشارة إلى أن نظام Windows يقوم بتقسيم الذاكرة بنسبة 50:50 بين الـ CPU والـ GPU افتراضيًا (64 جيجابايت لكل منهما)، على عكس Linux الذي يخصص الذاكرة ديناميكيًا. ومع ذلك، يمكن لأطر عمل مثل Llama.cpp تجاوز هذا القيد عن طريق السماح بتجاوز الذاكرة إلى الـ CPU عند الحاجة، مع تأثير محدود على الأداء بفضل الذاكرة المشتركة. نرى أن هذه الأجهزة تمثل خطوة مهمة للأمام لمن يرغب في تطوير واختبار حلول الذكاء الاصطناعي المتطورة محليًا، وخصوصًا لمن يفضل بيئة CUDA من Nvidia.
المصدر: theregister.com