Lastpass يُقيد حرية استعمال الحسابات المجانية بداية من مارس 2021
محمود هاني 2021-02-18
أعلنت شركة AMD في معرض Computex 2024 عن الجيل التالي من معالجات Ryzen AI للابتوب والتي تركز على تطبيقات الذكاء الاصطناعي التوليدي سلسلة معالجات Ryzen AI 300، تعتبر هذه السلسلة إعادة تسمية لأفضل معالجات Ryzen 9 التي تقدمها الشركة.
لا يزال نظام التسمية الجديد يتضمن لاحقة HX التي قدمتها AMD في عام 2022، إلا أنها لم تعد تشير إلى استهلاك الطاقة بوحدة الواط بدلاً من ذلك، ستشير HX ببساطة إلى “أعلى المواصفات” أو أفضل وأسرع معالج من سلسلة Ryzen AI 300
مميزات معالجات Ryzen AI الجديدة
الوصول سريعاً لـ :
تعتمد معالجات Ryzen AI الجديدة على أحدث بنى AMD للوحدات العصبية والرسومات المتكاملة والمعالجة العامة: بنية XDNA2 للوحدة العصبية (NPU)، و بنية RDNA 3.5 للرسومات المتكاملة (iGPU) التي تحتوي الآن على ما يصل إلى 16 وحدة حسابية، واخيرا بنية Zen 5 للوحدة المركزية (CPU)، المعالجان الأولان في هذه السلسلة هما Ryzen AI 9 HX 370 و Ryzen AI 9 365. كلاهما يوفر أداء 50 TOPS للوحدة العصبية NPU ولكن يعتبر إصدار HX هو الأفضل والأعلى أداء بينهما.
يأتي معالج Ryzen AI 9 HX 370 بعدد 12 نواة و 24 Thread مع سرعة تشغيل قصوى تبلغ 5.1 جيجاهرتز وذاكرة تخزين مؤقت بحجم 36 ميجابايت ورسومات Radeon 890M، بينما يوفر معالج Ryzen AI 9 365 عدد 10 أنوية و 12 Thread مع سرعة تشغيل قصوى تبلغ 5.0 جيجاهرتز وذاكرة تخزين مؤقت بحجم 34 ميجابايت ورسومات Radeon 880M.
ما سبب تفوق أداء معالجات Ryzen AI ؟
كما يبدو أن سلسلة معالجات Ryzen AI 900 تقدم أعلى معدل TOPS مقارنة بالمعالجات الأخرى المزودة بوحدة NPU الموجودة حاليًا أو التي سيتم طرحها قريبًا في الأسواق، تتيح سلسلة Snapdragon X من كوالكوم معدل TOPS يبلغ 45 بينما يوفر معالج Apple M4 معدل TOPS يبلغ 38، وكانت سلسلة معالجات Ryzen 8040 من الجيل السابق من AMD تقدم معدل TOPS يبلغ 16 فقط. أما معالج Intel Meteor Lake Ultra 7 165H فيقدم معدل TOPS يبلغ حوالي 10 (بينما يُفترض أن يعادل معالج Lunar Lake القادم المنافسة).
تقنية XDNA2 الجديدة للوحدة العصبية NPU
تدعي AMD أن وحدتها العصبية XDNA2 توفر قدرة حسابية أكبر بخمس مرات وكفاءة أعلى في استهلاك الطاقة بمرتين مقارنة بالجيل السابق، وذلك بفضل بنية FP16 “الكتلة” الفريدة للوحدة العصبية NPU والتي يمكنها معالجة تطبيقات الذكاء الاصطناعي التوليدي سواء بدقة 8 بت (INT8) أو دقة 16 بت (FP16) دون الحاجة إلى التكميم.
يُعد التكميم طريقة شائعة لزيادة كفاءة الطاقة في نماذج الذكاء الاصطناعي (وهي الطريقة التي تستخدمها Qualcomm في معالجات الهواتف الذكية الخاصة بها)، أو تحويل قيم المدخلات من مجموعة بيانات كبيرة إلى قيم خرج في مجموعة بيانات أصغر. ومع ذلك يمكن أن يؤثر ذلك سلبًا على دقة نماذج الذكاء الاصطناعي، ولكن يُفترض أن معالجات AMD الجديدة يمكنها تشغيل كلا النوعين من المعادلات الرياضية دون أي تحويل، مما سيؤدي إلى معالجة تطبيقات الذكاء الاصطناعي بسرعة ودقة في نفس الوقت.
اقرأ ايضًا: أجهزة الذكاء الاصطناعى | نظرة عميقة على المستقبل
