کوچیک‌ترین کامپیوتر هوش مصنوعی دنیا؛ NVIDIA DGX Spark، یه غول کوچولو با قدرت ۱۰۰۰ تریلیون عملیات!

خب بچه‌ها، آماده‌اید با یکی از خفن‌ترین اخبار دنیای تکنولوژی آشنا شید؟ NVIDIA بالاخره کامپیوتر کوچولوی مخصوص هوش مصنوعیش رو، که کلی منتظرش بودن، آماده عرضه کرده؛ اسمش DGX Spark ـه. تازه، از ۱۵ اکتبر (۲۳ مهر) قراره تو سایت NVIDIA و چند فروشگاه دیگه فروشش رو شروع کنن.

حالا شاید تو عکسش فکر کنید با یه کیس معمولی روبه‌رو‌اید؛ ولی این دستگاه ۱.۲ کیلویی، اصلاً واسه کارای روزمره نیست. DGX Spark رو ساختن که به داد برنامه‌نویسا، دانشجوها و محققای هوش مصنوعی برسه. یعنی کسایی که کارشون با مدل‌های پیشرفته هوشه و دوست دارن همه چی رو لوکال (یعنی رو سیستم خودشون) اجرا کنن، نه این که همیشه منت سر کلود (فضای ابری) بکشن.

NVIDIA خودش میگه این «کوچک‌ترین ابرکامپیوتر هوش مصنوعی دنیاست». ابرکامپیوتر یعنی یه دستگاه که قدرت پردازشی خیلی بالایی داره و معمولاً فقط تو دیتاسنترها (مرکز داده‌های بزرگ) پیدا میشه، اما این یکی قشنگ رو میز جا میشه!

قلب تپنده DGX Spark، یه چیپ جدید به اسم GB10 Grace Blackwell Superchip ـه. این پردازنده یه CPU ۲۰ هسته‌ای مبتنی بر Arm داره – همون معماری‌ای که تو موبایل‌ها هم هست – و در کنارش یه GPU با هسته‌های CUDA مثل کارت گرافیک RTX 5070 گذاشتن. تازه، این ترکیب جوری مهندسی شده که مدل‌های خیلی بزرگ هوش مصنوعی رو، هم آموزش (Training) بدی، هم بهینه‌سازی (Fine-tuning) کنی و هم اجرا (Inference). یعنی به رموت یا اینترنت هم وابسته نیستی!

اون قدرت عجیب غریبش هم بخاطر نسل پنجم Tensor Core (هسته‌های مخصوص عملیات هوش مصنوعی) و پشتیبانی از FP4 (یه نوع دقت عددی جدید برای مصرف کمتر حافظه و سرعت بیشتر) حاصل میشه. نتیجه؟ تا ۱۰۰۰ تریلیون عملیات در ثانیه! یعنی یه چیزی تو مایه‌های دیتاسنترهای حرفه‌ای.

یه قابلیت دیگه هم داره، به اسم NVLink-C2C. این یه جور فناوری اتصاله که ۵ برابر PCIe نسل ۵ سرعت داره. PCIe همون پورتیه که کارت گرافیک و مادربورد رو به هم وصل می‌کنه. خلاصه اینطوری CPU و GPU کاملاً با هم هماهنگ میشن و مثلاً کارایی مثل مدل‌سازی، شبیه‌سازی رباتیک و حتی تولید متن و تصویر (Generative AI) که حافظه زیادی می‌خوان رو خیلی سریع انجام میدن.

حافظه این دستگاه؟ ۱۲۸ گیگابایت LPDDR5x (نوع رم کم مصرف و سریع) که بین CPU و GPU مشترکه. حافظه دائمی هم ۴ ترابایت NVMe (یه جور حافظه خیلی سریع حالت جامد). امکانات ارتباطی مثل ۴ تا USB-C، وای‌فای نسل ۷ و یه خروجی HDMI هم روش هست.

DGX Spark یه سیستم‌عامل سفارشی به اسم DGX OS داره (برگرفته از Ubuntu لینوکس)، که پر شده از ابزار توسعه و نرم‌افزارهای هوش مصنوعی آماده. سرت درد نیارم، هر چی لازمه واسه ساخت و تست مدل‌های هوش مصنوعی توش ریختن!

اندازه خیلی کوچیکشه یکی از باحال‌ترین ویژگی‌هاشه؛ یعنی قشنگ تو یه کوله‌پشتی میشه جاش داد، وزنش هم فقط ۱.۲ کیلوئه! جالبه بدونید نیاز به منبع برق خاصی هم نداره، یعنی با پریز معمولی روشن میشه. NVIDIA خودش گفته این دستگاه حتی مدل‌های پیچیده خودش مثل Cosmos Reason (مدلی برای شبیه‌سازی دنیای واقعی) و GR00T N1 (مدل رباتیک خودشون) رو هم پشتیبانی می‌کنه.

هیچ لازم نیست دیگه هی دنبال سرور ابری یا اجاره کارت گرافیک باشی؛ راحت می‌تونی همینجا مدل‌ها رو آموزش بدی، تست کنی و حتی تو پروژه‌هات استفاده کنی. البته، اگه لازمت شد پروژه رو بزرگ‌تر کنی، DGX Spark خیلی راحت به زیرساختای ابری NVIDIA مثل DGX Cloud یا سرورهای قوی دیگه وصل میشه و واقعاً همه چی رو پوشش میده.

یه نکته جالب: تمام ابزار و نرم‌افزاراش جوری طراحی شدن که اگه حس کردی کارت خیلی سنگین شد، خیلی راحت از محیط لوکال (خونه یا محل کارت) منتقلش کنی رو دیتاسنتر و عملاً فقط با کمی تغییر توی کدت، همون پروژه رو جا به جا کنی.

حالا همه این امکانات با یه قیمت نسبتاً بالاست؛ DGX Spark قیمتش ۳۹۹۹ دلاره (بدون مالیات یا عوارض کشور خودمون!). یعنی شاید واسه هر کسی مناسب نباشه، اما واسه کسانی که واقعاً نیاز دارن، انصافاً شاهکاره.

البته جالبه بدونید NVIDIA با این یکی تنها نیست؛ یه مدل بزرگ‌تر هم به اسم DGX Station قراره بزنه که یه کیس دسکتاپ کامل با چیپ قوی‌تر Grace Blackwell Ultra مدل GB300 هست. هنوز قیمتش اعلام نشده، ولی با همکاری برندهای معروفی مثل Asus، Boxx، Dell، HP و Supermicro وارد بازار میشه.

درکل، NVIDIA با این محصولات داره نشون میده می‌خواد قدرت ابرکامپیوترهای هوش مصنوعی رو بیاره روی میز هر محقق و دانشجو. این یعنی عصر جدیدی از دسترسی و آزمایش مدل‌های هوش مصنوعی، دیگه واقعاً به دیتاسنترهای دور احتیاج نداری و همه چی دم دستته. خلاصه اگر علم هوش مصنوعی دغدغه‌ته یا می‌خوای حسابی توی این حوزه جلو بیفتی، DGX Spark می‌تونه معجزه کنه (البته اگه پولش رو داشته باشی!)

منبع: +