در رویداد جهانی فناوری کامپیوتکس ۲۰۲۶ که در تایپه، تایوان برگزار شد، تمرکز بحثها در صنایع نیمههادی و محاسبات به طور قابل توجهی از «هوش مصنوعی ابری» به «هوش مصنوعی لبهای» تغییر یافت. صنعت سختافزار در حال تغییر ساختار است، زیرا قدرت محاسباتی سطح مرکز داده در دستگاههای شخصی که مستقیماً در فضای کاری قرار میگیرند، ادغام میشود.
تغییر از هوش مصنوعی واکنشی به عاملهای خودمختار (Agent AI)
در مراحل اولیه موج هوش مصنوعی، فرآیند عملیاتی رایج شامل ارسال درخواستهای داده توسط کاربران به سرورهای ابری مانند OpenAI، گوگل یا مایکروسافت و دریافت پاسخ بود. با این حال، این معماری محدودیتهای زیادی در مورد تأخیر انتقال، هزینههای پهنای باند و امنیت دادههای منبع نشان داد.

انویدیا دیجیایکس اسپارک (Nvidia DGX Spark) مجموعهای از کامپیوترهای شخصی است که بهطور خاص برای هوش مصنوعی طراحی شده و در ویتنام توزیع خواهد شد.
عکس: آنه کوان
توسعه هوش مصنوعی Agentic - نسلی از عاملهای نرمافزاری مستقل که قادر به برنامهریزی، استدلال و تعامل مستقیم با سیستمهای فایل محلی هستند - تقاضاهای جدیدی را بر زیرساختهای سختافزاری تحمیل میکند. این عاملها به جای پاسخگویی منفعلانه، به عنوان منابع انسانی دیجیتال عمل میکنند و جریان مداومی از اطلاعات را در زمان واقعی پردازش میکنند. برای اطمینان از یکپارچگی و امنیت دادهها، آوردن مدلهای هوش مصنوعی به حالت آفلاین در دستگاههای کاربران به یک راهحل فنی ضروری تبدیل شده است.
نمونه بارز این روند، کامپیوتر شخصی DGX Spark AI است که در نمایشگاه کامپیوتکس ۲۰۲۶ معرفی شد. این دستگاه از طراحی دسکتاپ جمعوجور بهره میبرد، اما به لطف سوپرچیپ Nvidia GB10 Grace Blackwell، عملکرد یک سیستم ابررایانه مینیاتوری را ارائه میدهد.
عملکرد مستقل این دستگاه به یک سیستم حافظه یکپارچه ۱۲۸ گیگابایتی LPDDR5X با پهنای باند پرسرعت متکی است. در معماری هوش مصنوعی، ظرفیت و سرعت حافظه، توانایی پردازش مدلهای زبانی بزرگ (LLM) را تعیین میکند. این امر به مهندسان داده اجازه میدهد تا مدلهایی با حداکثر ۲۰۰ میلیارد پارامتر را مستقیماً روی خود دستگاه اجرا کنند، نه اینکه آنها را روی سرورهای ابری مستقر کنند.
از نظر مشخصات، پردازنده گرافیکی معماری بلکول، هستههای Tensor نسل پنجم (با فرمت دقیق FP4) را در خود جای داده است که قدرت محاسباتی ۱ پتافلاپ را فراهم میکند. پردازنده مرکزی ۲۰ هستهای ARM مسئول هماهنگی دادهها بین سیستم فایل محلی و مدل هوش مصنوعی است.

ایستگاههای کاری که نیازهای هوش مصنوعی را در لبه سازمانی برآورده میکنند، اکنون در اندازههای جمعوجور عرضه میشوند و این امر، استقرار آنها را در مقیاسهای مختلف آسان میکند.
عکس: آنه کوان
در غرفههای نمایشگاه، راهکارهای زیرساختی برای این روند به وضوح از طریق سیستمهای هماهنگشده از تولیدکنندگان اصلی و ارائهدهندگان تخصصی راهکارهای یکپارچهسازی سختافزار متمایز شده بودند. یک نمونه بارز، Leadtek است که طیف وسیعی از ایستگاههای کاری و سرورهای سیستمهای دارای گواهینامه Nvidia خود را به نمایش گذاشته است. ایستگاه کاری WinFast WS950 AI با هدف قرار دادن نیازهای عملیاتی داخلی (داخلی) شرکتهای کوچک و متوسط، از پیکربندیهای چند پردازنده گرافیکی با دو کارت گرافیک حرفهای Nvidia RTX PRO 6000 Blackwell Workstation Edition پشتیبانی میکند و در مجموع تا 192 گیگابایت حافظه پردازنده گرافیکی GDDR7 را فراهم میکند. در مقیاس بزرگتر، سیستم سرور WinFast GS5855T آنها امکان ادغام تا هشت پردازنده گرافیکی معماری RTX PRO Blackwell را برای برآورده کردن نیازهای استنتاج و آموزش هوش مصنوعی فشرده فراهم میکند.
بهینهسازی هزینههای امنیتی و عملیاتی.
اجرای هوش مصنوعی در لبه شبکه از طریق یک سیستم سختافزاری محلی، سه چالش اصلی زیرساخت فناوری امروز را برطرف میکند. اول، امنیت دادهها است. تمام اطلاعات تجاری، کد منبع داخلی و دادههای شخصی در یک محیط سندباکس (sandbox) جدا از اینترنت ذخیره و پردازش میشوند و خطر نشت دادهها به اشخاص ثالث را محدود میکنند.
راهکارهای جدید هوش مصنوعی لبهای در کامپیوتکس ۲۰۲۶ به نمایش گذاشته شدند
مورد بعدی، مسئله هزینههای ثابت محاسبات است. اجاره زیرساخت ابری که بر اساس مبالغ توکن محاسبه میشود، با افزایش مقیاس، هزینههای متغیر قابل توجهی را متحمل میشود. کار بر روی سختافزار آفلاین، این هزینهها را به یک سرمایهگذاری دارایی ثابت تبدیل میکند و عملیات بلندمدت را بهینه میسازد. در نهایت، مسئله مقیاسپذیری محلی مطرح است: از طریق پروتکلهای اتصال پرسرعت، کاربران میتوانند سیستمهای محاسبات لبه را برای اشتراکگذاری منابع به هم متصل کنند و قابلیتهای پردازش مدلسازی لبه را به اندازههای عظیم ارتقا دهند.
منبع: https://thanhnien.vn/ai-roi-dam-may-ve-ban-lam-viec-185260605224532968.htm







