اگر در حال طراحی نسل بعدی عینکهای واقعیت افزوده یا ساعتهای هوشمند هستید، دیگر نیازی به اتصال دائمی به ابر ندارید. برد Coral که در ۲۸ مه ۲۰۲۶ معرفی شد، استنتاج (Inference) — یعنی همان لحظهای که مدل واقعاً جواب تولید میکند، شبیه به خودِ آشپزی و نه دورهی آموزش آشپز — را به سختافزارهای کوچک و متنباز میآورد.
این سختافزار در زمانی عرضه میشود که صنعت با پراکندگی شدید تراشهها دستوپنجه نرم میکند. همانطور که در تحلیلهای پیشین ما دربارهی چالشهای گوگل در دقت مدلهای زبانی اشاره کردیم، تمرکز این شرکت اکنون از افزایش اندازه مدلها به سمت بهینهسازی سختافزاری تغییر کرده است. در این مسیر، مدلهای زبانی کوچک (SLM) — شبیه به یک دفترچه راهنمای جیبی که فقط اطلاعات حیاتی را نگه میدارد تا سریعتر باز شود — نقش کلیدی دارند.
طبق گزارش وبسایت the-decoder.com، این برد از تراشهی Synaptics Astra SL2619 استفاده میکند. مشخصات فنی این سختافزار به شرح زیر است:
- پردازنده دو هستهای ۲ گیگاهرتزی
- ۲ گیگابایت حافظه رم (RAM)
- قدرت محاسباتی ۱ TOPS
- یک واحد پردازش عصبی (NPU) مدل Coral بر پایه معماری متنباز RISC-V
به نقل از گوگل، این شرکت توانایی برد را با اجرای کامل مدل Gemma 3 270M روی دستگاه به نمایش گذاشت. در دموهای ارائه شده، ترجمه همزمان و یک اجرای موسیقی زاینده دیده شد که در آن مدل YOLOv8 با ردیابی حرکت عروسهای دریایی، صدا تولید میکرد.
برای صاحبان کسبوکار و توسعهدهندگان سختافزار، این یعنی کاهش موانع برای رسیدن به «هوش مصنوعی نامرئی». انتقال مغز مدل از ابر به مچ دست یا گوش کاربر، تأخیر را میگیرد و هزینههای ماهانه API را برای کارهای ساده حذف میکند. این یک سیگنال واضح است: مدلهای «به اندازه کافی خوب» برای حفظ باتری و حریم خصوصی، مدلهای غولپیکر را شکست میدهند.
گام بعدی شما
- مخزن گیتهاب (GitHub) این پروژه را دنبال کنید تا متوجه شوید چگونه دموهای YOLOv8 و Gemma 3 را برای نمونههای اولیه خود به کار ببرید.
- اگر روی گجتهای پوشیدنی کار میکنید، مدلهای زیر ۵۰۰ میلیون پارامتر را برای جایگزینی با APIهای ابری تست کنید.
- معماری RISC-V را به عنوان جایگزینی برای تراشههای انحصاری در نقشهی راه سختافزاری خود قرار دهید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو