تم تصميم SuperChip GB10 ، وهو مكون رئيسي لأرقام مشروع NVIDIA ، للتعامل مع مجموعات البيانات الكبيرة ونماذج الذكاء الاصطناعى المعقدة بكفاءة. فيما يلي نظرة عامة مفصلة على كيفية تحقيق ذلك:
العمارة والمكونات
يعتمد SuperChip GB10 على الهندسة المعمارية Nvidia Grace Blackwell ، حيث تجمع بين وحدة معالجة الرسومات Nvidia Blackwell عالية الأداء مع وحدة المعالجة المركزية Nvidia Grace ذات 20 نواة مبنية على بنية الذراع. يتضمن هذا التصميم SOC أحدث نوى CUDA من الجيل الخامس ونوى التوتر من الجيل الخامس ، والتي تعد حاسمة لتسريع حسابات الذكاء الاصطناعي [1] [4] [7]. تتفوق وحدة معالجة الرسومات في المعالجة المتوازية للتدريب على نموذج الذكاء الاصطناعى واستدلالها ، بينما تعالج وحدة المعالجة المركزية المهام الأخرى بكفاءة [4].
الذاكرة والتخزين
تتميز كل وحدة أرقام مشروع 128 جيجابايت من ذاكرة موحدة متماسكة ، والتي تضمن وصولًا سلسًا للبيانات لنماذج الذكاء الاصطناعى على نطاق واسع ويقلل من زمن الوصول أثناء جلسات التدريب [3] [6]. بالإضافة إلى ذلك ، يتضمن النظام ما يصل إلى 4 تيرابايت من تخزين NVME ، مما يوفر السرعة والقدرة اللازمة للتعامل مع مجموعات البيانات الضخمة وتمكين عمليات القراءة/الكتابة السريعة [6] [7]. يتيح هذا المزيج من الذاكرة والتخزين للمطورين تشغيل نماذج معقدة من الذكاء الاصطناعي مع ما يصل إلى 200 مليار معلمة محليًا [9].
تقنية التوصيل
يستخدم SuperChip GB10 تقنية ربط رقاقة إلى رقاقة NVLINK-C2C ، والتي توفر اتصالًا عالي النطاق ، وترابط منخفض للوزن بين GPU و CPU. يتيح ذلك نقل البيانات الفعال ويقلل زمن انتقال ، مما يسمح بخط أنابيب سريع وأداء قوي [4] [7].
الشبكات وقابلية التوسع
تتيح NVIDIA ConnectX Networking ربط وحدتين للمشروع معًا ، مما يتيح دعم النماذج مع ما يصل إلى 405 مليار معلمة. تعتبر ميزة قابلية التوسع هذه أمرًا بالغ الأهمية لتطوير ونشر تطبيقات AI المعقدة ، حيث إنها تتيح للمطورين توسيع نطاق نماذجهم لتلبية احتياجات المهام الصعبة [1] [3] [10].
كفاءة الطاقة
ساهم التعاون مع Mediatek ، وهو رائد في SOC Designs القائم على ARM ، في أفضل كفاءة الطاقة والأداء والاتصال في GB10 SuperChip في GB10. هذا يعني أن أرقام المشروع يمكن أن تقدم أداءً قويًا باستخدام منفذ كهربائي قياسي فقط ، مما يجعله مناسبًا لاستخدام سطح المكتب دون تكبد تكاليف طاقة كبيرة [4] [7].
دعم البرمجيات
تأتي أرقام المشروع المسبقة مسبقًا مع مكدس برامج Nvidia AI Enterprise الكامل ، بما في ذلك المكتبات والأطر وأدوات التنسيق. يسمح هذا الإعداد بتكامل سلس مع البنى التحتية السحابية أو مركز البيانات ، مما يمكّن المطورين من النموذج الأولي محليًا وتوسيع نطاق حلولهم حسب الحاجة [3] [10]. يعمل النظام على نظام التشغيل DGX المستند إلى Linux ، ويوفر بيئة قوية لتطوير الذكاء الاصطناعي [9].
بشكل عام ، فإن مزيج GB10 SuperChip من الهندسة المعمارية المتقدمة ، والذاكرة والتخزين الفعالة ، والترابط العالي السرعة ، وقدرات الشبكات القابلة للتطوير تجعلها خيارًا مثاليًا للتعامل مع مجموعات البيانات الكبيرة ونماذج AI المعقدة ، وخاصة في تطبيقات مثل معالجة اللغة الطبيعية ورؤية الكمبيوتر.
الاستشهادات:
[1] https://quantumzeitgeist.com/nvidia-onvils-smallest-ai-supercomputer-for-developers-every/
[2] https://www.hostzealot.com/blog/news/ai-supercomputer-from-nvidia-that-can-run-200b-parameter-models
[3] https://hackernoon.com/project-digits-nvidias-leap-into-personal-ai-superComputing
[4] https://dirox.com/post/nvidia-project-digits
[5]
[6]
[7]
[8]
[9] https://www.nvidia.com/en-us/project-digits/
[10 "