شريحة AMD Halo الجديدة للذكاء الاصطناعي تستهدف الشيء الوحيد الذي لا تتحكم فيه Nvidia: مكتبك

يعرف كل مطور ذكاء اصطناعي المعادلة: استئجار وحدة معالجة رسوميات سحابية، والدفع لكل توكين، ومشاهدة الفاتورة ترتفع. تبيع AMD الآن جهازًا يقلب هذه المعادلة رأسًا على عقب، وهو شراء أجهزة لمرة واحدة، وفقًا لنمذجة الشركة الخاصة، يكلف ستة أضعاف أقل من استخدام واجهة برمجة التطبيقات السحابية المكافئ على مدى ثلاث سنوات.

منصة Ryzen AI Halo، المبنية حول معالج Ryzen AI Max+ 395، هي الدفع الأكثر جرأة من AMD حتى الآن في سوق أجهزة الكمبيوتر المكتبية للمطورين. تأتي مع 128 جيجابايت من الذاكرة الموحدة LPDDR5x، وأداء 60 FP16 TFLOPS لوحدة معالجة الرسوميات، ووحدة معالجة عصبية بقوة 50 تيراوبس في الثانية. الميزة الرئيسية: يمكنها تشغيل نماذج تحتوي على ما يصل إلى 200 مليار معامل محليًا، دون تفريغها إلى خوادم بعيدة.

تضع AMD هذه المنصة كمحطة عمل لمطوري الذكاء الاصطناعي الذين سئموا من عجلة السحابة، الأشخاص الذين يصممون النماذج الأولية محليًا، ويضبطون النماذج بدقة، ويجرون الاستدلال مرارًا على نفس البيانات. الفكرة هي أنه بدلاً من الدفع لكل استدعاء لواجهة برمجة التطبيقات، تدفع مرة واحدة مقابل السيليكون وتترك فاتورة الكهرباء تعتني بالباقي.

معايير تختار المعارك

تستهدف المعايير المنشورة من AMD منافسين اثنين على وجه التحديد. ضد Apple M4 Pro، تدّعي AMD أن منصة Halo أسرع بما يصل إلى 3.3 مرات على Ace Step 1.5 وما يصل إلى 7.3 مرات على Ace Step 1.5 XL، وكلاهما لمهام توليد الصور. يعمل Stable Diffusion XL أسرع بمقدار 4.5 مرات. Flux Schnell، وهو نموذج مفتوح المصدر شائع، أسرع بما يصل إلى 3.8 مرات.

ضد Nvidia DGX Spark، أرقام AMD أكثر اعتدالًا ولكنها لا تزال قوية. يُظهر نظام Halo تقدمًا بنسبة 14% على GLM 4.7 Flash (نموذج 30 مليار معامل)، و7% على GPT-OSS-120B، و12% على Qwen 3.5-122B. هذه ليست انتصارات ساحقة، لكنها تقع في المنطقة التي قد يلاحظ فيها المطور الفرق أثناء العمل التكراري.

ما قد يكون أكثر أهمية من السرعة الخام: تدعم AMD كلاً من Windows وLinux بشكل افتراضي. يعمل Nvidia DGX Spark على Linux فقط. بالنسبة للفرق التي تعتمد على مهام سير عمل خاصة بـ Windows أو سياسات تكنولوجيا المعلومات الخاصة بالمؤسسات، قد يقرر هذا الاختلاف وحده عملية الشراء.

حجة تكلفة السحابة

تعتمد ميزة التكلفة بمقدار 6 أضعاف التي تستشهد بها AMD بشكل كبير على أنماط الاستخدام. تقوم الشركة بنمذجة "سيناريو الاستخدام المستدام" حيث يدير المطور مهام الاستدلال بشكل مستمر على مدى ثلاث سنوات. في هذا النموذج، يتفوق شراء الأجهزة مقدمًا بالإضافة إلى الكهرباء على فاتورة واجهة برمجة التطبيقات السحابية المتكررة بهامش واسع. بالنسبة للاستخدام الخفيف، تميل الحسابات مرة أخرى نحو استئجار السحابة، فلا أحد يشتري محطة عمل لتشغيل خمس استدعاءات استدلال في اليوم.

لكن الحجة تصبح أقوى عندما تكون النماذج كبيرة بما يكفي لدرجة أن ذاكرة وحدة معالجة الرسوميات السحابية تصبح عنق زجاجة. تشغيل نموذج يحتوي على 120 مليار معامل على مثيل سحابي بذاكرة VRAM كافية يكلف في الساعة أكثر من مثيلات T4 أو A10 القياسية التي تستخدمها معظم الشركات الناشئة. عند هذه النقطة، تبدأ الأجهزة المحلية المزودة بذاكرة موحدة بسعة 128 جيجابايت في الظهور كخيار رخيص.

تقوم AMD أيضًا بشحن برامج مهيأة مسبقًا من خلال تطبيق Ryzen AI Halo Developer Center، مع إعدادات بنقرة واحدة لأطر العمل مثل Ollama وLM Studio وvLLM وPyTorch. توفر دفاتر اللعب AI Playbooks الخاصة بالشركة مسارات عمل إرشادية لتوليد الصور، ومساعدي البرمجة، والضبط الدقيق لـ LLM، مما يقلل من احتكاك البدء على أجهزة جديدة، وهو مكان كانت أجهزة المطورين السابقة لـ AMD تتعثر فيه أحيانًا.

خندق النظام البيئي لـ Nvidia

على الرغم من جميع المعايير وحجج التكلفة، لا تزال AMD تعاني من مشكلة برمجية. النظام البيئي CUDA من Nvidia هو بيئة التطوير الافتراضية لكل مختبر نماذج أساسية تقريبًا. حاجز الدخول أمام المنافسين ليس فقط أداء الأجهزة ولكن سلسلة الأدوات بأكملها، وأطر التدريب، ومحركات الاستدلال، وصور الحاويات، والدعم المجتمعي الذي تم تحسينه على مدى عقد من الزمن.

إجابة AMD هي ROCm، وهي حزمة الحوسبة المفتوحة المصدر لوحدة معالجة الرسوميات، والتي تدعم الآن منصة Halo. تدّعي AMD توفير "دعم اليوم الأول" لنماذج الذكاء الاصطناعي التوليدية الجديدة، ومن المفترض أن يساعد تطبيق Developer Center المثبت مسبقًا. لكن تأثيرات الشبكة لـ CUDA حقيقية: المطور الذي يحاول تصحيح خطأ غريب في الشكل في الساعة 2 صباحًا من المرجح أن يجد إجابة على Stack Overflow لـ CUDA أكثر من ROCm.

لعبة AMD هنا ليست هزيمة CUDA على مجموعة التدريب، لا أحد يتوقع ذلك. إنها الفوز على سطح المكتب، وهو الجهاز الذي يصمم عليه المطورون النماذج الأولية قبل الانتقال إلى السحابة. إذا قام فريق ببناء خط الأنابيب الخاص به على محطة عمل AMD وانتقل فقط إلى وحدات معالجة الرسوميات السحابية لجولة التدريب النهائية، فإن AMD تستحوذ على جهاز الاستخدام اليومي.

الصورة الأكبر

تأتي منصة AMD Ryzen AI Halo في وقت تخضع فيه اقتصاديات الذكاء الاصطناعي السحابي للتدقيق المتزايد. الشركات الناشئة التي أسست اقتصاديات وحدتها على استدلال واجهة برمجة التطبيقات الرخيص تشهد ارتفاع التكاليف مع ازدياد حجم النماذج. تبدأ محطة عمل لمرة واحدة بقيمة 3000 أو 5000 دولار (لم تعلن AMD عن السعر النهائي لخط Halo، لكن أجهزة المستوى الاحترافي المماثلة تقع في هذا النطاق) في أن تكون منطقية لفريق يدير الاستدلال عشرة آلاف مرة في الأسبوع.

المنصة متاحة في الولايات المتحدة في البداية، على أن يأتي إصدار PRO (Ryzen AI Max+ PRO 495) الذي يدعم 192 جيجابايت من الذاكرة لاحقًا. سيسمح تجمع الذاكرة الأكبر هذا بالاستدلال المحلي على نماذج تقترب من 300 مليار معامل، وهي منطقة تتطلب حاليًا عقد سحابية متعددة وحدات معالجة الرسوميات.

لن تحل AMD محل Nvidia في مركز البيانات بين ليلة وضحاها. لكنها قد تضع آلة استدلال محلية على مكاتب 10,000 مطور أولاً.