ورود سوپرکامپیوتر هوش مصنوعی به دسکتاپ

رایانه‌های هوش مصنوعی یا ابررایانه‌های هوش مصنوعی، ستون فقرات توسعه و اجرای پیشرفته‌ترین مدل‌های یادگیری ماشینی و زبان بزرگ (مانند مدل‌های پشتوانه‌ی ChatGPT یا Gemini) هستند. این سیستم‌ها برخلاف کامپیوترهای سنتی، به‌جای پردازش ترتیبی دستورالعمل‌ها، برای انجام محاسبات موازی و ماتریسی عظیم بهینه‌سازی شده‌اند. این قابلیت برای پردازش و آموزش ترابایت‌ها داده در شبکه‌های عصبی عمیق حیاتی است.

 

قلب تپنده‌ی این ابررایانه‌ها معمولاً از هزاران واحد پردازش گرافیکی (GPU) تشکیل شده که به‌طور خاص برای عملیات تنسور (Tensor Operations) – هسته‌ی محاسبات هوش مصنوعی – بهینه‌سازی شده‌اند. شرکت‌هایی مانند انویدیا (NVIDIA) پیشگام این حوزه هستند و معماری‌های خاصی نظیر DGX را برای مراکز داده طراحی می‌کنند. این سیستم‌ها نه‌تنها در آموزش مدل‌های عظیم، بلکه در اجرای سریع و با تأخیر کمِ مدل‌های آموزش‌دیده (استنتاج یا Inference) نیز نقش حیاتی دارند.

 

با این حال، نیاز به قدرت محاسباتی بالا فقط منحصر به مراکز داده نیست. توسعه‌دهندگان، محققان و شرکت‌های کوچک نیاز دارند تا در محیط کنترل‌شده خود (On-Premises) و بدون وابستگی مداوم به زیرساخت‌های ابری گران‌قیمت، مدل‌ها را تکرار، آزمایش و بهینه‌سازی کنند. از همین رو، تقاضا برای مینی‌پی‌سی‌های هوش مصنوعی رومیزی که قدرت ابررایانه‌ها را در مقیاس کوچک ارائه دهند، افزایش یافته است؛ ابزارهایی که می‌توانند در آزمایشگاه‌ها یا میز توسعه‌دهندگان، همان کارایی را با کاربری آسان‌تر و تمرکز بر حریم خصوصی و امنیت داده‌ها فراهم آورند.

 

انتظارها به پایان رسید؛ انویدیا سرانجام DGX Spark، مینی‌پی‌سی هوش مصنوعی خود را که به‌طور خاص برای توسعه‌دهندگان طراحی شده، آماده عرضه به بازار کرد. این دستگاه انقلابی، که انویدیا آن را «کوچک‌ترین سوپرکامپیوتر هوش مصنوعی جهان» توصیف می‌کند، قرار است از فردا، ۱۵ اکتبر ۲۰۲۵ میلادی، از طریق وب‌سایت NVIDIA.com و نمایندگی‌های مجاز به فروش برسد. با وجود ظاهر جمع‌وجور و رومیزی، DGX Spark یک ابزار مصرف‌کننده‌ی عمومی نیست؛ بلکه یک پلتفرم توسعه هوش مصنوعی با کارایی فوق‌العاده بالاست که محققان، توسعه‌دهندگان مدل‌های پیشرفته، و دانشجویان را قادر می‌سازد تا بدون اتکا به زیرساخت‌های ابری یا ابررایانش‌های گران‌قیمت خارجی، مدل‌های بزرگ را در محیط داخلی خود (On-Premises) آموزش داده و فعال کنند. این امکان، سرعت تکرار را افزایش داده و چالش‌های مربوط به حریم خصوصی داده‌ها را رفع می‌کند.

 

DGX Spark از یک ترکیب سخت‌افزاری بهینه‌سازی شده و بسیار قدرتمند بهره می‌برد. در قلب این دستگاه، یک پردازنده‌ی Grace CPU (مبتنی بر معماری ۲۰ هسته‌ای Arm) در کنار یک GPU نسل Blackwell قرار گرفته است. پردازنده گرافیکی Blackwell از همان هسته‌های CUDA موجود در کارت گرافیک رومیزی RTX ۵۰۷۰ استفاده می‌کند، اما پیکربندی آن برای حجم کاری توسعه هوش مصنوعی روی دسکتاپ بهینه شده است.

 

این سیستم با بهره‌گیری از Tensor Cores نسل پنجم و پشتیبانی پیشرفته از محاسبات FP۴، قادر است به ازای هر ثانیه تا هزار میلیارد عملیات (TFLOPS) رایانش هوش مصنوعی انجام دهد. این قدرت محاسباتی، یک جهش کوانتومی برای یک دستگاه رومیزی محسوب می‌شود.

 

یکی از نوآوری‌های کلیدی در DGX Spark، استفاده از فناوری اتصال داخلی NVLink-C2C است که پهنای باندی پنج برابر سریع‌تر از PCIe نسل ۵ را ارائه می‌کند. این اتصال فوق سریع، امکان انتقال یکپارچه و بی‌وقفه داده‌ها را میان CPU و GPU فراهم می‌آورد و گلوگاه‌های رایج در سیستم‌های سنتی را از بین می‌برد. این ویژگی، DGX Spark را برای بارهای کاری حافظه‌بَر مانند استنتاج مدل‌های بزرگ (Model Inference)، شبیه‌سازی‌های رباتیک پیچیده و وظایف مربوط به هوش مصنوعی مولد (Generative AI) به انتخابی ایده‌آل تبدیل می‌کند.

 

از نظر حافظه، این مینی‌پی‌سی با ۱۲۸ گیگابایت حافظه‌ی LPDDR5x عرضه می‌شود که به‌صورت مشترک و بهینه بین CPU و GPU تخصیص یافته است. همچنین، برای ذخیره‌سازی داده‌های حجیم مدل‌ها، چهار ترابایت حافظه‌ی ذخیره‌سازی NVMe فوق سریع در نظر گرفته شده است، که نیازهای توسعه‌دهندگان برای کار با مجموعه‌های داده‌های بزرگ را به خوبی برطرف می‌نماید. DGX Spark نه تنها یک محصول، بلکه نمادی از حرکت انویدیا برای دموکراتیزه کردن قدرت ابررایانش هوش مصنوعی است.