Latest articles on AI, technology, and software development.
شبکه جدید شرکای رباتیک AMD در هر چهار رده عضویت، هیچ هزینه مجوز یا عضویتی دریافت نمیکند. این سخاوت نیست – بلکه شرطبندی است که نرخ جذب سختافزار در هوش مصنوعی فیزیکی از قفلشدگی نرمافزاری مهمتر است.
خوشههای هوش مصنوعی اکنون دادهها را سریعتر از آنچه سیمکشی مسی از نظر فیزیکی میتواند مدیریت کند جابهجا میکنند. فوتونیک سیلیکونی و اپتیک همبسته (CPO) در سال ۲۰۲۶ برای رفع این مشکل عرضه میشوند — در اینجا شرح میدهیم که چه چیزی واقعاً در حال تغییر است و چرا برای هر کسی که محاسبات هوش مصنوعی را اجرا یا خریداری میکند اهمیت دارد.
سامسونگ، SK Hynix و Micron بیصدا کارخانههای خود را به سمت حافظه HBM مخصوص هوش مصنوعی هدایت کردهاند؛ نتیجه این تغییر، دو برابر شدن قیمت DRAM و فشار دائمی بر همه چیز از گوشیهای هوشمند گرفته تا رایانههای شخصی گیمینگ است.
محاسبات GPU همچنان سریعتر از پهنای باند حافظه در حال افزایش است. HBM4 عرض رابط را دو برابر میکند تا شکاف را پر کند، اما در وضعیت فروش کامل، گران و همچنان ناکافی وارد میشود. در اینجا دلیل این است که دیوار حافظه، نه FLOPS، اکنون تعیین میکند چه کسی در رقابت سختافزار AI برنده میشود.
نسل GPU های Blackwell نهتنها سریعتر از نسل Hopper عمل میکند — بلکه اقتصاد آموزش و استنتاج هوش مصنوعی را چنان دگرگون کرده که مراکز داده، قیمتگذاری ابری و رقابت واقعی در عرصه هوش مصنوعی، همگی وارد فاز تازهای شدهاند.
Compute Express Link حافظه را از CPU و GPU جدا میکند و امکان ایجاد استخرهای حافظه مشترک در سراسر رکهای سرور را فراهم میآورد. برای استنتاج LLM و آموزش هوش مصنوعی، این موضوع اقتصاد طراحی مرکز داده را تغییر میدهد.
Snapdragon X Elite کوالکام Stable Diffusion را در ۷ ثانیه روی دستگاه اجرا میکند. Intel و AMD در حال عقبنشینی هستند. رقابت برای تعریف عملی AI PC در حال شتابگیری است — و برنده بستگی به نیاز واقعی شما دارد.
چیپهای سری M اپل یک تحول اجباری در صنعت PC ایجاد کردند. دو سال بعد، Snapdragon X Elite کوالکام و Lunar Lake اینتل نشان میدهند که رقبا درس را یاد گرفتهاند — اما هیچکدام هنوز نه در بهرهوری انرژی و نه در عمق اکوسیستم نرمافزاری به Apple Silicon نرسیدهاند.
LPCAMM2 اولین استاندارد حافظه است که کارایی LPDDR5X را با طراحی ماژول جداشونده ترکیب میکند و به یک دهه رم کاملاً لحیمشده در لپتاپهای باریک و سبک پایان میدهد. در ادامه معنای این فناوری برای عملکرد، قابلیت تعمیر و مدت زمانی که لپتاپ بعدی خود را نگه خواهید داشت، توضیح داده میشود.
سرورهای مبتنی بر ARM در data centerهای hyperscale از نقطه بیبازگشت عبور کردهاند. AWS Graviton 4، Ampere Altra Max، و NVIDIA Grace مزیتهای قابل اندازهگیری در performance per watt و هزینه هر core ارائه میدهند. اینجا نتایج benchmarkها و workloadهایی که هنوز به x86 نیاز دارند را مرور میکنیم.
پس از سالها استفاده از RAM لحیمشده، یک استاندارد جدید ماژول حافظه امکان ارتقاء حافظه در لپتاپهای باریک را بدون قربانیکردن بهرهوری انرژی که باعث رایجشدن لحیمکاری شد، دوباره فراهم میکند.
در بیشتر دهه گذشته، خرید یک لپتاپ باریک به معنای پذیرش این بود که هر مقدار رم همراه آن عرضه شود، همان مقدار برای همیشه همراه شماست. LPCAMM2، ماژول حافظه استاندارد شده توسط JEDEC که نخستبار در اواخر ۲۰۲۳ در Dell XPS 15 به کار رفت، در حال تغییر این وضعیت است. در سال ۲۰۲۶، این ماژول به اندازه کافی در لپتاپهای主流 وارد شده که بتوان از آن به عنوان یک روند یاد کرد.