فروش لپتاپ Surface Laptop Ultra شرکت Microsoft با تراشه Nvidia RTX Spark شروع شد و بالاترین مدلش هم درجا تموم شد

شرکت Microsoft روز ۷ اکتبر فروش خانوادهی Surface مجهز به پردازندههای Nvidia رو شروع کرد. تو این رویداد، Satya Nadella مدیرعامل Microsoft کنار Jensen Huang مدیرعامل Nvidia حاضر شد تا رسیدن این دستگاهها از مرحلهی معرفی به ویترین فروشگاهها رو رسماً جشن بگیرن. قیمت لپتاپ Surface Laptop Ultra از ۲,۶۰۰ دلار شروع میشه، توی کانفیگ میانرده به ۳,۷۰۰ دلار میرسه و بالاترین مدلش هم ۵,۹۰۰ دلار قیمت داره؛ نسخهای پرچمدار که تنها چند ساعت بعد از شروع عرضه، موجودیش تموم شد. 🔥
هم این لپتاپ و هم سیستم رومیزی جدیدِ مخصوص توسعهدهندهها یعنی Surface RTX Spark Dev Box، بر پایهی تراشهی RTX Spark شرکت Nvidia ساخته شدن (تراشهای که داخل خود شرکت با کد GB10 شناخته میشه) و اولین بار توی ماه ژوئن به نمایش دراومد. توی دل این چیپ، یه پردازندهی مرکزی ۲۰ هستهای بر پایهی Arm به نام Nvidia Grace کنار یه پردازندهی گرافیکی Blackwell با ۶,۱۴۴ هستهی CUDA و نسل پنجم Tensor Cores قرار گرفته که از طریق رابط NVLink C2C به هم وصل شدن. این معماری کاملاً با تراشههای x86 که دهههاست پیسیهای مجهز به Windows از اون قدرت میگیرن فرق داره و هدف اصلیش اینه که مدلهای AI رو به جای سرویس ابری، به شکل محلی و روی سیستم خودت اجرا کنه.
چرا پردازش محلی، نه سرویس ابری
ایدهی اصلی هر دو تا دستگاه دقیقاً یکیه: حافظهی یکپارچهی کافی و قدرت پردازش AI مناسب برای اینکه مدلهای بزرگ مستقیماً روی خود دستگاه بالا بیان، بدون اینکه نیازی به رفتوبرگشت داده به دیتاسنتر باشه. مدل Dev Box حدود ۱۲۸ گیگابایت حافظهی LPDDR5X داره که تا ۱۱۲ گیگابایت از اون رو میشه به GPU اختصاص داد؛ شرکت Microsoft هم میگه این سیستم میتونه مدلهای بالای ۱۲۰ میلیارد پارامتر رو با پنجرهی زمینهی (context window) تا یک میلیون Token اجرا کنه. در حالی که برای این حجم از پردازش در حالت عادی باید سراغ اجارهی GPU ابری بری. این دستگاه با توان مصرفی ۱۰۰ وات، یه پاسخ مستقیم به Mac Studio شرکت Apple برای اون دسته از توسعهدهندههای AI هست که استنتاج محلی در این ابعاد رو میخوان، اونم بدون اینکه نیازی به اتاق سرور داشته باشن.
آقای Satya Nadella این ورود جدی به بازار سختافزار رو به یه بحث کلانتر دربارهی محل فعالیت ایجنتها ربط داد. اون اشاره کرد: «شما واقعاً نیاز دارین کارها رو مدیریت و هماهنگ کنین و لازمه بیرون از مدل هم حافظه داشته باشین»؛ صحبتی که به نقش پررنگ سیستمعامل Windows در مدیریت ایجنتها اشاره داره، به جای اینکه همهچیز رو کاملاً به خود مدل واگذار کنیم.
ابزارهای توسعهدهنده به صورت پیشفرض همراه دستگاه
سیستم Dev Box با قیمت پایهی ۶,۰۰۰ دلار، از همون لحظهی باز کردن جعبه کاملاً برای توسعهی AI آماده هست و ابزارهای VS Code، GitHub Copilot CLI، WSL و PowerShell 7 به شکل پیشفرض روش نصب شدن. همین قابلیت باعث میشه این دستگاه کمتر شبیه یه کامپیوتر رومیزی عادی باشه و بیشتر نقش یه ورکاستیشن اختصاصی برای استنتاج محلی رو بازی کنه؛ حوزهای جدید که شرکتهای Nvidia و Microsoft روش شرط بستن و مطمئنن با تمایل بیشتر تیمهای توسعه به آزمایش و اجرای مدلهای بزرگ بدون پرداخت قبضهای ساعتی GPU ابری، حسابی بزرگ و پرطرفدار میشه. ⚡
رقابت و وضعیت بازار
شرکت Dell هم یه دستگاه رقیب به اسم XPS 16 Creator Edition رو روونه بازار کرده که اونم بر پایه تراشه RTX Spark ساخته شده؛ این لپتاپ با قیمت ۳,۸۰۰ دلار توی فروشگاه Best Buy برای پیشخرید قرار گرفته و موعد تحویلش هم ماه اکتبر هست. این موضوع نشون میده شرکت Nvidia این تراشه رو به چشم یه پلتفرم برای چندین شرکت سازنده کامپیوتر میبینه، نه یه محصول اختصاصی برای شرکت Microsoft. از اون طرف، شرکت Microsoft هم برای وسوسه کردن خریدارها یه طرح تعویض گذاشته که اگه کاربری بخواد از لپتاپ MacBook Pro به این سیستم مهاجرت کنه، تا سقف ۱,۰۰۰ دلار بهش تخفیف میده؛ یه حمله مستقیم به دستگاهی که لپتاپ Surface Laptop Ultra از نظر قیمت و کیفیت ساخت، بیشتر از همه باهاش مقایسه میشه.
ناموجود شدن قویترین کانفیگ این دستگاه ظرف چند ساعت، نشون میده تقاضای واقعی برای سختافزارهای پردازش محلی AI (یعنی اجرای مدل روی سیستم خودت) توی ردهبالا وجود داره؛ اونم با قیمتی که بهترین مدل Surface Laptop Ultra رو حتی گرونتر از بیشتر لپتاپهای گیمینگ نسل قبلی قرار میده. اما اینکه این تقاضا در مقیاس بالا هم موندگار باشه یا نه—اونم وقتی که تبوتاب اولیه استنتاج محلی مدلهای بزرگ فروکش کنه—سوالیه که دو شرکت Microsoft و Nvidia دارن با هم رقابت میکنن تا به جای جوزدگی روز معرفی، با دادههای واقعی فروش بهش جواب بدن.
در ابتدا توسط TechCrunch گزارش شده است. برای جزئیات بیشتر مقالهٔ اصلی را بخوانید.
مشاهدهٔ منبع اصلی