کوالکام از NPU نسل ششم اسنپدراگون رونمایی کرد؛ اجرای هوش مصنوعی بدون اینترنت

به گزارش شبکه اطلاع‌رسانی طلا و ارز، کوالکام پیش از معرفی رسمی نسل بعدی تراشه‌های پرچم‌دار خود، جزئیات تازه‌ای از واحد پردازش عصبی جدید این مجموعه را منتشر کرد. کوالکام این اطلاعات را روز جمعه ۱۱ سپتامبر (۲۰ شهریور) اعلام کرد. این تراشه که گمان می‌رود با نام اسنپدراگون ۸ الیت نسل ۶ عرضه شود، برای گوشی‌های هوشمند پرچم‌دار سال آینده طراحی شده است. واحد پردازش عصبی یا NPU بخشی از تراشه است که وظیفه اجرای محاسبات هوش مصنوعی را بر عهده دارد و جدا از پردازنده اصلی کار می‌کند.

طبق اعلام کوالکام، NPU جدید موسوم به Hexagon می‌تواند مدل‌های هوش مصنوعی تا ۳۰ میلیارد پارامتر را به‌صورت محلی و بدون اتصال به سرورهای ابری اجرا کند. پارامتر واحدی است که اندازه و پیچیدگی یک مدل هوش مصنوعی را نشان می‌دهد؛ هرچه این عدد بزرگ‌تر باشد، مدل معمولاً توانمندتر اما سنگین‌تر است. اجرای این حجم از پردازش روی یک گوشی، تا پیش از این تنها با اتکا به مراکز داده بزرگ ممکن بود.

این تغییر برای کاربران عادی دو پیامد مستقیم دارد. نخست، پاسخ دستیارهای هوشمند و ابزارهای ترجمه یا ویرایش تصویر سریع‌تر می‌شود، چون داده‌ها دیگر لازم نیست به سرور ارسال و بازگردانده شوند. دوم، حریم خصوصی اطلاعات کاربر بیشتر حفظ می‌شود، زیرا پردازش روی خود دستگاه انجام می‌گیرد نه در فضای ابری شرکت‌های دیگر.

رقابت در بازار تراشه‌های هوش مصنوعی

کوالکام این جزئیات را در شرایطی منتشر کرده که رقبای اصلی آن نیز روی تراشه‌های اختصاصی هوش مصنوعی برای گوشی سرمایه‌گذاری سنگین کرده‌اند. توان پردازش محلی بالاتر، یکی از معیارهای اصلی رقابت شرکت‌های سازنده تراشه موبایل در سال‌های اخیر بوده است. کوالکام با تمرکز بر اجرای هوش مصنوعی عامل‌محور، یعنی نرم‌افزارهایی که می‌توانند بدون دخالت مستقیم کاربر تصمیم بگیرند و کار انجام دهند، تلاش می‌کند جایگاه خود را در این بازار تثبیت کند.

شرکت هنوز مشخصات کامل تراشه از جمله فرکانس کاری، مصرف انرژی و تاریخ دقیق معرفی را اعلام نکرده است. بر اساس روند سال‌های گذشته، معرفی رسمی خانواده اسنپدراگون ۸ الیت معمولاً در نیمه دوم سال میلادی و همزمان با رونمایی گوشی‌های پرچم‌دار جدید انجام می‌شود.

اثر این تراشه بر تصمیم خرید کاربران

برای کسانی که قصد خرید گوشی پرچم‌دار جدید دارند، توان پردازش هوش مصنوعی به‌تدریج به یکی از معیارهای اصلی قیمت‌گذاری تبدیل شده است. افزایش ظرفیت پردازش محلی می‌تواند هزینه استفاده از سرویس‌های هوش مصنوعی مبتنی بر اشتراک را برای کاربر کاهش دهد، چون بخشی از پردازشی که پیش از این نیازمند اتصال به سرور بود، اکنون روی خود دستگاه انجام می‌شود.