رقابت بین اینتل، AMD و اپل: کدام پردازنده هوش مصنوعی را باید بخرید؟
پردازنده های هوش مصنوعی، پردازنده های کامپیوتری تخصصی هستند که یک واحد پردازش عصبی (NPU) را یکپارچه می کنند. پردازنده‌های هوش مصنوعی که برای کمک به انجام وظایف هوش مصنوعی در دستگاه شما طراحی شده‌اند، در دستگاه‌های بیشتری ظاهر می‌شوند و برای اجرای دستیارهای هوش مصنوعی مانند Copilot و Apple Intelligence مورد نیاز هستند. بنابراین، با وجود تمام پردازنده های هوش مصنوعی در بازار، چه چیزی باید بخرید؟
مقایسه پردازنده های هوش مصنوعی
اینتل، AMD، اپل و کوالکام طراحی‌های جدید SoC (سیستم روی تراشه) را برای آخرین پردازنده‌های موبایل خود ارائه کرده‌اند. این پردازنده‌های جدید ترکیبی از CPU، GPU و NPU را در یک تراشه ادغام می‌کنند تا قابلیت‌های محاسباتی کارآمد هوش مصنوعی را ارائه دهند.
اگرچه برخی از این SoC های جدید هنوز در انتظار انتشار در سال 2024 هستند، اما اعلامیه های رسمی، مشخصات طراحی و ترکیبی از معیارهای مستقل و گزارش شده می توانند به ما کمک کنند تا مشخص کنیم که آیا این پردازنده های آینده ارزش صبر کردن را دارند یا اینکه در حال حاضر یک لپ تاپ با هوش مصنوعی خریداری می کنید.
برای کمک به تصمیم گیری در مورد پردازنده های هوش مصنوعی، در ادامه به آخرین پیشرفت پردازنده های هوش مصنوعی از اینتل، AMD، اپل و کوالکام اشاره خواهیم کرد.
Intel Core Ultra 200V (Lunar Lake)
اینتل پردازنده های جدید Lunar Lake خود را در جریان کنفرانس کامپیوتکس 2024 معرفی کرد. این خط جدید از پردازنده‌های موبایل چندین پیشرفت را نسبت به طراحی قبلی خود ارائه می‌کند، که عمدتاً بر روی حرارت، بهره‌وری انرژی، گرافیک بهتر و قابلیت محاسبات هوش مصنوعی تمرکز دارد، در حالی که هنوز از معماری x86 استفاده می‌کند. ویژگی های قابل توجه طراحی تراشه عبارتند از:
- معماری حافظه یکپارچه: پردازنده های Lunar Lake اینتل اکنون رم LPDDR5 را به عنوان بخشی از طراحی SoC خود یکپارچه می کنند. این اجازه می دهد تا در حین انتقال داده ها بین رم و پردازنده، پهنای باند بالاتر و مصرف انرژی کمتری داشته باشید.
- فرآیند 3 نانومتری: با فرآیند 3 نانومتری، اینتل ترانزیستورهای بیشتری را در Lunar Lake بسته بندی می کند و عملکرد و کارایی انرژی آن را افزایش می دهد.
- NPU یکپارچه: تراشه های Lunar Lake از شش موتور محاسباتی NPU استفاده می کند که تا 40TOPS (عملیات ترا در ثانیه) قابلیت محاسبات هوش مصنوعی را با دقت INT8 ارائه می دهد.
- هایپرتردینگ غیرفعال: هر هشت هسته (چهار هسته عملکرد و چهار هسته کارآمد) دارای Hyperthreading غیرفعال هستند تا عمر باتری بهتر از عملکرد داشته باشند.
با این طراحی جدید SoC، انتظار می‌رود که پردازنده‌های Lunar Lake اینتل در مقایسه با پردازنده‌های قبلی Meteor Lake، دارای عملکرد 3 برابری هوش مصنوعی، 1.5 برابر پردازش گرافیکی سریعتر و حدود 40 درصد بازده انرژی بیشتر باشند.
AMD Ryzen AI 300 (Strix Point)
برخلاف رویکرد کارآمد انرژی اینتل در مدیریت x86، شرکت AMD بیشتر بر روی کارایی تاکید می‌کند که به قیمت مصرف انرژی بیشتر است. در اینجا چند ویژگی وجود دارد که این پردازنده ها را قدرتمند می کند:
- ریزمعماری Zen 5: پیشرفت های قابل توجهی در IPC (دستورالعمل در هر ساعت) و عملکرد کلی به ارمغان می آورد.
- گرافیک یکپارچه RDNA 3.5: بهبودهایی را در معماری قبلی RDNA ارائه کرده و بهبود عملکرد قابل توجهی را در کارهای گرافیکی و هوش مصنوعی اضافه می‌کند.
- XDNA2 NPU: بالاترین عملکرد NPU در تراشه. قابلیت تا 50TOPS با دقت INT8 و مناسب برای کوپایلت پلاس که به 40TOPS نیاز دارد.
- Block FP16: وظایف هوش مصنوعی با دقت بالاتر را با کاهش کمی در عملکرد فعال می کند.
این باعث می‌شود سری پردازنده‌های Ryzen AI 300 AMD گزینه‌های قدرتمندی برای انجام وظایف محاسباتی و هوش مصنوعی، بهره‌گیری از گرافیک پیشرفته و قابلیت‌های پردازش هوش مصنوعی باشد.
Apple M4 (Donan)
Apple M4 از فناوری‌های مشابه M3 مانند گره پردازش 3 نانومتری، حافظه یکپارچه با تراشه، طراحی چیپ‌لت و معماری ترکیبی استفاده می‌کند. M4 در حال حاضر در جدیدترین iPad Pro ادغام شده و دارای 9 یا 10 هسته پردازشی، یک واحد پردازش عصبی 16 هسته ای با قابلیت 35TOPS و یک گرافیک 10 هسته ای چهار برابر سریعتر از M2 است.
تغییرات طراحی به اندازه Lunar Lake اینتل شدید نیست، و بیشتر به این دلیل که تراشه‌های سری M در این مرحله به خوبی بهینه شده‌اند و دستگاه‌های ARM صرفاً نسبت به همتایان x86 خود کارآمدتر هستند.
Qualcomm Snapdragon X Elite
کوالکام اکنون در حال تولید پردازنده های ARM توانمند برای دستگاه های ویندوزی است! پردازنده‌های Snapdragon X Elite به جای CISC (محاسبات مجموعه دستورالعمل‌های پیچیده) که در اکثر رایانه‌های ویندوزی وجود دارد، روی RISC (محاسبات مجموعه دستورالعمل‌های کاهش‌یافته) اجرا می‌شوند.
کوالکام اعلام کرده است که تراشه X Elite از یک واحد پردازشی 12 هسته‌ای ARM v8 Oryon، پردازنده گرافیکی Adreno X1 و NPU Hexagon با قابلیت 45TOPS با دقت INT8 استفاده می‌کند که آن را به یک پردازنده Windows Copilot Plus قدرتمند مناسب می‌سازد. استفاده از RISC همراه با یک SoC قدرتمند، Snapdragon X Elite کوالکام را به رقیب بزرگی برای تراشه‌های سری M اپل تبدیل می‌کند که همچنین پردازنده‌های RISC با کارایی بالا هستند.
مقایسه اینتل، AMD، اپل و کوالکام در بخش پردازش هوش مصنوعی
در ادامه جدولی برای مقایسه اینتل Lunar Lake، اپل M4، و AMD Ryzen AI 300 و کوالکام Snapdragon X Elite آورده شده است:
| مدل | اینتل Core Ultra 7 268V | AMD Ryzen AI 9 HX 370 | اپل M4 (10 Core) | کوالکام Snapdragon X Elite |
|---|---|---|---|---|
| پردازشگر | تا 5.0 گیگاهرتز (8 هسته/8 رشته Lion Cove/Skymont) | تا 5.1 گیگاهرتز (12 هسته/24 رشته Zen 5 و Zen 5c) | تا 4.4 گیگاهرتز (10 هسته / 10 رشته ARMv9) | حداکثر 3.8 گیگاهرتز (12 هسته / 12 رشته Oryon) |
| گرافیک | تا 2.00 گیگاهرتز (8 هسته ای Xe2) | تا 2.9 گیگاهرتز (16 هسته ای AMD Radeon 890M) | تا 1.4 گیگاهرتز (GPU 10 هسته ای Apple M4) | تا 1.5 گیگاهرتز (Qualcomm Adreno X1) |
| NPU | 48 TOPS INT8 | 50 TOPS INT8 | 38 TOPS INT8 | 45 TOPS INT8 |
| توان طراحی حرارتی (TDP) | 17-30 وات | 28 وات | 22 وات | 23 وات |
| لیتوگرافی | 3 نانومتری | 4 نانومتری | 3 نانومتری | 4 نانومتری |
| معماری | x86 | x86 | ARM | ARM |
| دستیار هوش مصنوعی | کوپایلت پلاس (ویندوز) | کوپایلت پلاس (ویندوز) | Apple Intelligence | کوپایلت پلاس (ویندوز) |
بر اساس جدول بالا، دو پردازنده هوش مصنوعی x86 (Lunar Lake و Ryzen AI 300) و دو پردازنده ARM (M4 و Snapdragon X Elite) داریم. پردازنده‌های ARM عموماً به داشتن راندمان انرژی بهتر شناخته می‌شوند، در حالی که x86 عملکرد بالاتری دارد. با این حال، به نظر می‌رسد که با قدرتمندتر شدن M4 و X Elite و Lunar Lake و Ryzen AI 300، این شکاف بین عملکرد و بهره‌وری انرژی نزدیک‌تر می‌شود.
از نظر بهره وری انرژی برای پردازنده های X86، اینتل با گره پردازش 3 نانومتری، حافظه روی تراشه، غیرفعال شدن هایپرتردینگ و تعداد هسته های CPU کمتر این کار را بهتر انجام داده است. در همین حال، AMD Ryzen AI SoC عملکرد بهتری را با 24 رشته و سرعت کلاک CPU کمی بالاتر، پردازنده گرافیکی بسیار قوی تر و NPU با قابلیت بلوک FP16 ارائه می دهد.
در مورد پردازنده‌های هوش مصنوعی آرم، اپل M4 به دلیل قابلیت ردیابی سریع سخت‌افزاری و پشتیبانی بومی از برنامه‌های macOS، تراشه X Elite را در گرما، CPU و حتی GPU شکست می‌دهد. با این حال، باید توجه داشت که با وجود شبیه سازی و سایر مشکلات نرم افزاری، تراشه X Elite همچنان یک پردازنده قدرتمند مبتنی بر ARM است که رقیب پردازنده های M3 اپل، Meteor Lake اینتل و Ryzen 7000 AMD است.
کدام پردازنده هوش مصنوعی را باید بخرید؟
سازندگان لپ تاپ اغلب گزینه هایی را برای مشخصات سخت افزاری مختلف از جمله پردازنده ارائه می دهند. بنابراین، با عرضه SoC های جدید با قابلیت هوش مصنوعی امسال به بازار، کدام پردازنده هوش مصنوعی را باید تهیه کنید؟
- Apple M4 (Donan): بهترین برای کاربران macOS، طراحی و بهینه سازی شده برای macOS، ارائه عملکرد رقابتی و عمر باتری طولانی.
- AMD Ryzen AI 300 (Strix Point): پردازشگر چند رشته ای با کارایی بالا، همراه با یک گرافیک یکپارچه قدرتمند، آن را برای بازی و سایر کارهای فشرده ایده آل می کند.
- Intel Core Ultra 200V (Lunar Lake): تعادل خوبی بین عملکرد و کارایی باتری ارائه می دهد. مناسب برای بازی (مخصوصاً عناوین E-sport)، وظایف بهره وری، مصرف رسانه، و به طور کلی مرور وب.
- Qualcomm Snapdragon X Elite: با باتری کارآمدترین پردازنده ویندوز هوش مصنوعی موجود است. این اولین نسخه ای است که به طور بومی از Windows Co-Pilot Plus پشتیبانی می کند. برای بهره وری عمومی، مرور وب و مصرف رسانه عالی است.
اگرچه همه این پردازنده ها از طریق NPUهای یکپارچه خود دارای قابلیت های هوش مصنوعی هستند، ممکن است مدتی طول بکشد تا ما به طور کامل از آنها بهره مند شویم. توسعه دهندگان برای ایجاد نرم افزاری که به طور کامل از NPU استفاده می کند به زمان بیشتری نیاز دارند. اگرچه اکنون خرید یک لپ‌تاپ جدید وسوسه‌انگیز است، اما قابلیت‌های هوش مصنوعی در این SoCهای جدید به طور قابل توجهی بهتر از آنهایی است که در سال 2023 عرضه شدند.
بنابراین، اگر قابلیت‌های هوش مصنوعی برای شما مهم هستند، یا باید همین الان یک رایانه اسنپدراگون X Elite تهیه کنید یا منتظر لپ‌تاپ‌های M4، Core Ultra 200V یا Ryzen AI باشید.
