يمثل SuperChip GB10 ، وهو جزء من أرقام مشروع NVIDIA ، تقدمًا كبيرًا في كفاءة الطاقة مقارنةً بالحاسبات الفائقة الذكاء الاصطناعي. فيما يلي مقارنة مفصلة لكفاءتها وأدائها ضد الأنظمة البارزة الأخرى في هذا المجال.
نظرة عامة على GB10 Superchip
تم تصميم SuperChip GB10 حول الهندسة المعمارية Nvidia Grace Blackwell ، والتي تتميز بمجموعة من وحدة معالجة الرسومات Nvidia Blackwell و CPU Grace مع 20 نوى الذراع الموفرة للطاقة. هذا النظام قادر على توصيل ما يصل إلى 1 petaflop من أداء الذكاء الاصطناعى عند دقة FP4 أثناء العمل من منفذ كهربائي قياسي ، مع تسليط الضوء على كفاءة الطاقة [1] [4] [12].
مقاييس كفاءة الطاقة
1. استهلاك الطاقة: يؤكد تصميم GB10 SuperChip على استهلاك الطاقة المنخفض مع الحفاظ على أداء عالي. تجدر الإشارة إلى قدرتها على تقديم قوة حوسبة كبيرة دون توليد الحرارة المفرط أو سحب الطاقة ، وهو أمر بالغ الأهمية لتطبيقات سطح المكتب [1] [5].
2. مقارنة مع أجهزة الكمبيوتر العملاقة الأخرى:
- NVIDIA A100: أظهرت الأجيال السابقة ، مثل تلك التي تستخدم وحدة معالجة الرسومات A100 ، أنها تستهلك طاقة أكبر بكثير لأعباء العمل المماثلة. على سبيل المثال ، أشارت دراسة إلى أن خوادم GPU يمكن أن تحقق حوالي 14 مرة من استهلاك الطاقة أقل مقارنة بخوادم وحدة المعالجة المركزية التقليدية [2].
- تم الإبلاغ عن أن أجهزة الكمبيوتر العملاقة من Google: تم الإبلاغ عن أحدث وحدات معالجة الموتر من Google (TPUs) ضعف كفاءة الطاقة مثل أنظمة A100 من NVIDIA. تنبع هذه الكفاءة من بنية مخصصة وترابط محسّن ، مما يسمح لهم بمعالجة نماذج الذكاء الاصطناعى الكبيرة مع انخفاض استهلاك الطاقة [10].
- أهم أجهزة الكمبيوتر العملاقة الموفرة للطاقة: تسلط قائمة Green500 الضوء على أن أجهزة الكمبيوتر العملاقة الأكثر كفاءة تحقق حوالي 30 جيجا كلوب لكل واط. في حين لم يتم نشر أرقام محددة لـ GB10 بعد ، فإن بنيةها تشير إلى أنها قد تقترب أو تتجاوز هذا المعيار بالنظر إلى تصميمه المتقدم والتركيز على كفاءة الطاقة [3].
الآثار المترتبة على تطوير الذكاء الاصطناعي
تتيح بنية GB10 SuperChip لتشغيل نماذج لغة كبيرة بكفاءة ، مما يدعم ما يصل إلى 200 مليار معلمة مباشرة من نظام سطح المكتب. يتم تعزيز هذه الإمكانية من خلال تصميم الذاكرة الموحدة ، مما يلغي الحاجة إلى نقل PCIe بين وحدة المعالجة المركزية و GPU ، مما يؤدي إلى تحسين الأداء واستخدام الطاقة [4] [12].
علاوة على ذلك ، فإن التعاون مع Mediatek في تطوير هذه الشريحة قد أدى إلى كفاءة الطاقة الأفضل في فئتها ، مما يجعله جذابًا بشكل خاص للباحثين والمطورين الذين يحتاجون إلى أنظمة قوية ولكنها مضغوطة دون أن تكون الحاسبات الخارقة التقليدية [8] [9].
خاتمة
باختصار ، يوضح SuperChip NVIDIA GB10 كفاءة الطاقة التنافسية مقارنةً بأجهزة الكمبيوتر الفائقة الرائدة في الذكاء الاصطناعي. على الرغم من أن المقارنات المباشرة في مقاييس محددة لا تزال قادمة ، إلا أن قدراتها المبتكرة والقدرات التشغيلية تشير إلى أنها ستكون منافسة قوية في سباق حلول الحوسبة الموفرة للطاقة. مع استمرار نمو أعباء العمل منظمة العفو الدولية في التعقيد والحجم ، ستلعب أنظمة مثل GB10 دورًا مهمًا في موازنة الأداء مع الاستدامة.
الاستشهادات:
[1] https://www.bigdatawire.com/2025/01/10/inside-nvidias-new-desktop-ik-box-project-digits/
[2] https://www2.deloitte.com/content/dam/deloitte/us/documents/consulting/us-nvidia-gpu-vs-cpu.pdf
[3] https://www.datacenterknowledge.com/supercomputers/top-10-energy-file-supercomputers-tupdate-from- august-2023
[4]
[5] https://nvidianews.nvidia.com/news/nvidia-puts-grace-lackwell-on-every-desk-and-at-every-ai-developers-fingerpiptips
[6] https://pmc.ncbi.nlm.nih.gov/articles/PMC10629395/
[7] https://www.theverge.com/24066646/ai-electricity-energy-watts-genery-conspult-
[8] https://www.gurufocus.com/news/2647638/nvidia-onvils-project-digits-the-worlds-smallest-ai-supercomputer
[9] https://akihabaranews.com/nvidias-new-gb10-superchip/
[10]
[11] https://www.gurufocus.com/news/2647634/nvidia-onvils-project-digits-the-worlds-smallest-ai-supercomputer
[12]
[13]
[14]
[15] https://mitsloan.mit.edu/ideas-made-to--matter/ai-has-high-data-center-energy-costs-teere-are-solutions