AMD در حال شکست دادن نبرد هوش مصنوعی است و زمان نگرانی فرا رسیده است

هر دو AMD و Nvidia برخی از بهترین کارت‌های گرافیک موجود در بازار را تولید می‌کنند، اما انکار اینکه انویدیا معمولاً پیشرو است، سخت است. منظور من فقط تفاوت زیاد در سهم بازار نیست. در این نسل، انویدیا دارای پردازنده گرافیکی غول پیکری است که عملکرد بهتری نسبت به سایر کارت ها دارد، در حالی که AMD هنوز پاسخی به RTX 4090 ندارد.

نکته دیگری که AMD در حال حاضر پاسخ قطعی برای آن ندارد هوش مصنوعی است. اگرچه من برای استفاده شخصی به AMD تغییر می کنم، اما نادیده گرفتن واقعیت ها دشوار است: Nvidia در حال برنده شدن در نبرد هوش مصنوعی است. چرا چنین تفاوت قابل توجهی وجود دارد و آیا این در آینده به مشکل بزرگتری برای AMD تبدیل خواهد شد؟

همه چیز در مورد بازی نیست

بسیاری از ما کارت های گرافیک را بر اساس دو چیز خریداری می کنیم – بودجه و قابلیت های بازی. هم AMD و هم Nvidia می‌دانند که اکثر کارت‌های مصرف‌کننده رده بالای آنها به نوعی سیستم بازی ختم می‌شود، اگرچه حرفه‌ای‌ها نیز آن‌ها را انتخاب می‌کنند. با این حال، گیمرها و کاربران معمولی بیشترین بخش این بخش از بازار را تشکیل می دهند.

برای سال‌ها، چشم‌انداز پردازنده‌های گرافیکی تماماً در مورد انویدیا بود، اما در طول چند نسل گذشته، AMD پیشرفت‌های بزرگی را انجام داده است، به‌قدری که اکنون با انویدیا در حال معامله است. اگرچه انویدیا با RTX 4090 در بازار پیشتاز است، اما دو پرچمدار RDNA 3 AMD (RX 7900 XTX و RX 7900 XT) کارت‌های گرافیک قدرتمندی هستند که اغلب نسبت به RTX 4080 ارزان‌تر از انویدیا هستند.

اگر وانمود کنیم که RTX 4090 وجود ندارد، پس مقایسه RTX 4080 و 4070 Ti با RX 7900 XTX و XT به ما می گوید که در حال حاضر همه چیز بسیار زیبا است. حداقل در مورد بازی.

و سپس به ردیابی پرتو و بارهای کاری هوش مصنوعی می رسیم و اینجاست که AMD از صخره سقوط می کند.

هیچ پوششی برای آن وجود ندارد – انویدیا در حال حاضر به سادگی در کارهای تولید شده با هوش مصنوعی بهتر از AMD است. این در واقع یک نظر نیست، بلکه یک واقعیت است. این تنها آستین آستین نیست.

سخت افزار تام اخیراً خروجی هوش مصنوعی کارت های انویدیا، ای ام دی و اینتل را آزمایش کرد و نتایج به هیچ وجه برای AMD مطلوب نبود.

برای مقایسه GPU ها، تستر آنها را در Stable Diffusion که یک ابزار تصویربرداری هوش مصنوعی است، مقایسه کرد. اگر می‌خواهید تمام جزئیات فنی مربوط به تنظیم بنچمارک‌ها را بدانید، مقاله منبع را بخوانید، اما به طور خلاصه، Nvidia بهتر از AMD عمل کرد و Intel Arc A770 آنقدر ضعیف عمل کرد که به سختی ارزش ذکر کردن را دارد.

حتی استفاده از Stable Diffusion از پردازنده گرافیکی انویدیا بسیار چالش برانگیز به نظر می رسد، اما پس از مدتی آزمون و خطا، تستر توانست طرح هایی را پیدا کند که تا حدودی برای هر پردازنده گرافیکی مناسب هستند.

پس از آزمایش، نتیجه نهایی این بود که سری RTX 30 و RTX 40 انویدیا عملکرد بسیار خوبی داشتند (البته پس از کمی تنظیم برای دومی). خط RDNA 3 AMD نیز خوب بود، اما آخرین نسل کارت های RDNA 2 بسیار متوسط ​​بودند. با این حال، حتی بهترین کارت AMD در این معیارها کیلومترها از Nvidia عقب تر بود و نشان داد که Nvidia به سادگی در انجام وظایف مرتبط با هوش مصنوعی سریع تر و بهتر است.

کارت‌های انویدیا برای حرفه‌ای‌هایی که به GPU برای هوش مصنوعی یا یادگیری ماشینی نیاز دارند، انتخاب می‌شوند. برخی از افراد ممکن است یکی از کارت های مصرف کننده را بخرند، و برخی دیگر ممکن است به جای آن یک مدل ایستگاه کاری مانند RTX 6000 را انتخاب کنند، اما این واقعیت باقی می ماند که AMD اغلب در زمان ساخت چنین پلتفرم هایی حتی در رادار نیست.

بیایید از این واقعیت غافل نشویم که انویدیا در مواردی مانند ردیابی پرتو و یادگیری عمیق (DLSS) نیز برتری جدی نسبت به AMD دارد. در بنچمارک‌های خودمان، متوجه شدیم که انویدیا همچنان در ردیابی پرتوی AMD پیشتاز است، اما حداقل به نظر می‌رسد تیم رد در مسیر درستی قدم برمی‌دارد.

این نسل از پردازنده‌های گرافیکی اولین نسلی است که شکاف ردیابی پرتو را می‌بندد. در واقع، RX 7900 XTX AMD از این نظر بهتر از Nvidia RTX 4070 Ti عمل می کند. با این حال، پردازنده‌های گرافیکی Ada Lovelace انویدیا مزیت دیگری در قالب DLSS 3 دارند، فناوری‌ای که با استفاده از هوش مصنوعی به جای پیکسل‌ها، کل فریم‌ها را کپی می‌کند. بار دیگر، AMD عقب مانده است.

انویدیا سابقه طولانی در زمینه هوش مصنوعی دارد

کارت های گرافیک AMD و Nvidia در سطح معماری تفاوت قابل توجهی دارند، بنابراین مقایسه کامل آنها غیرممکن است. اما چیزی که می دانیم این است که کارت های انویدیا از نظر ساختار خود بهینه سازی شده با هوش مصنوعی هستند و سال هاست که این کار را انجام داده اند.

جدیدترین پردازنده‌های گرافیکی Nvidia به هسته‌های Compute Unified Device Architecture (CUDA) مجهز هستند، در حالی که کارت‌های AMD دارای واحدهای محاسباتی (CU) و پردازنده‌های جریانی (SP) هستند. انویدیا همچنین دارای هسته های Tensor است که به اجرای الگوریتم های یادگیری عمیق کمک می کند و با Tensor Core Parsity نیز به GPU کمک می کند تا از محاسبات غیر ضروری خودداری کند. این باعث کاهش زمان لازم برای انجام برخی وظایف از جمله آموزش شبکه های عصبی عمیق توسط GPU می شود.

هسته های CUDA یک چیز هستند، اما انویدیا همچنین یک پلتفرم محاسباتی موازی به همین نام ایجاد کرد که فقط برای کارت های گرافیک Nvidia در دسترس است. کتابخانه‌های CUDA به برنامه‌نویسان اجازه می‌دهند تا از قدرت پردازنده‌های گرافیکی Nvidia برای اجرای الگوریتم‌های یادگیری ماشینی بسیار سریع‌تر استفاده کنند.

توسعه CUDA چیزی است که واقعا Nvidia را از AMD متمایز می کند. در حالی که AMD واقعا جایگزین خوبی نداشت، انویدیا سرمایه گذاری زیادی روی CUDA انجام داد و به نوبه خود، بیشتر پیشرفت هوش مصنوعی در سال های اخیر با استفاده از کتابخانه های CUDA انجام شد. بهترین گزینه AMD در حال حاضر OpenCL است، اما اکثر کارشناسان می گویند که کاملاً در سطح CUDA نیست.

AMD روی گزینه‌های جایگزین خود کار کرده است، اما وقتی آن را با سال‌ها تجربه انویدیا مقایسه می‌کنید، نسبتاً جدید است. پلت فرم Radeon Open Compute (ROCm) AMD به توسعه دهندگان این امکان را می دهد تا بارهای کاری محاسبه و یادگیری ماشین را تسریع کنند. تحت این اکوسیستم، پروژه ای به نام GPUFORT نسبتاً اخیراً راه اندازی شد.

GPUFORT تلاش AMD برای کمک به توسعه دهندگان برای انتقال از کارت های Nvidia به GPU های خود AMD است. متأسفانه برای AMD، کتابخانه های CUDA انویدیا بسیار بیشتر از برخی از محبوب ترین چارچوب های یادگیری عمیق مانند TensorFlow و PyTorch پشتیبانی می شوند.

علی‌رغم تلاش‌های AMD برای جبران، این شکاف هر سال بیشتر می‌شود زیرا Nvidia همچنان بر حوزه هوش مصنوعی و ML تسلط دارد.

زمان رو به اتمام است

سرمایه گذاری انویدیا در هوش مصنوعی مطمئناً قوی بوده است. این باعث شد تا انویدیا مجموعه ای پررونق از پردازنده های گرافیکی بازی را در کنار مجموعه ای قدرتمند از کارت ها با قابلیت انجام وظایف مرتبط با هوش مصنوعی و ML داشته باشد. AMD هنوز آنجا نیست.

در حالی که به نظر می‌رسد AMD در تلاش است تا کارت‌های خود را در بخش نرم‌افزاری با هسته‌های هوش مصنوعی هنوز استفاده نشده در آخرین پردازنده‌های گرافیکی خود بهینه کند، اما اکوسیستم نرم‌افزاری که Nvidia ساخته است را ندارد.

با این حال، AMD به عنوان تنها رقیب جدی انویدیا نقش مهمی ایفا می کند. من نمی توانم انکار کنم که AMD در سال های اخیر پیشرفت های زیادی در بازارهای گرافیکی و پردازنده های مرکزی داشته است. توانست از بی ربط بودن خارج شود و به جایگزینی قوی برای اینتل تبدیل شود و برخی از بهترین پردازنده های موجود در حال حاضر را ارائه دهد. کارت های گرافیک آن هم اکنون رقابتی هستند، حتی اگر فقط برای بازی باشند. من شخصاً به AMD نسبت به Nvidia تمایل دارم زیرا با رویکرد قیمت گذاری Nvidia در چند نسل اخیر مخالفم. با این حال، این کمبود حضور هوش مصنوعی AMD را جبران نمی کند.

در برنامه‌هایی مانند ChatGPT، کاملاً واضح است که هوش مصنوعی در اینجا برای گفتن است، اما در موارد بی‌شماری دیگر نیز وجود دارد که مورد توجه اکثر کاربران رایانه قرار نمی‌گیرد. در رایانه های شخصی بازی، هوش مصنوعی در پس زمینه کار می کند و وظایفی مانند بهینه سازی بلادرنگ و اقدامات ضد تقلب در بازی ها را انجام می دهد. افراد غیربازی کننده نیز روزانه شاهد فراوانی هوش مصنوعی هستند، زیرا هوش مصنوعی در چت ربات های همیشه حاضر، دستیارهای شخصی مبتنی بر صدا، برنامه های ناوبری و دستگاه های خانه هوشمند یافت می شود.

از آنجایی که هوش مصنوعی بیشتر و بیشتر در زندگی روزمره ما نفوذ می کند و رایانه ها برای انجام وظایفی که فقط پیچیدگی آنها افزایش می یابد مورد نیاز است، انتظار می رود که GPU ها نیز به همین ترتیب ادامه دهند. AMD کار سختی در پیش دارد، اما اگر هوش مصنوعی را جدی نگیرد، ممکن است محکوم به این باشد که هرگز عقب نماند.

اخبار فناوری امروز که برای صندوق ورودی شما تنظیم و فشرده شده است

ایمیل خود را چک کنید!

لطفاً برای ادامه یک آدرس ایمیل معتبر ارائه دهید.

این آدرس ایمیل در حال حاضر ثبت شده است. اگر خبرنامه دریافت نمی کنید، لطفاً پوشه اسپم خود را بررسی کنید.

با عرض پوزش، در حین اشتراک خطایی رخ داد. لطفاً بعداً دوباره امتحان کنید.

توصیه های سردبیران