تصور کنید گوشی شما به یک منشی شخصی تبدیل شود که تمام عادتهای شما را میشناسد و تقویمتان را مدیریت میکند، بدون اینکه حتی یک بایت داده از دستگاه خارج شود. این رویای حریم خصوصی کامل، حالا با سختافزاری در ابعاد جیبی ممکن شده است.
کوالکام (Qualcomm) با معرفی اسنپدراگون ۸ الیت اکستریم نسل ۶ (Snapdragon 8 Elite Extreme Gen 6)، بار سنگین پردازش عاملهای هوش مصنوعی را از ابر به سختافزار گوشی منتقل کرد. این تراشه میتواند یک مدل ترکیبی خبرهها (Mixture of Experts یا MoE) — شبیه به تیمی از متخصصان که در هر لحظه فقط فرد مناسب برای پاسخ به سؤال بیدار میشود — با ۳۰ میلیارد پارامتر را بهصورت محلی اجرا کند. این سازوکار باعث میشود گوشی فقط بخشهای مورد نیاز مدل را فعال کند تا بازدهی انرژی بالا برود اما مقیاس مدل کاهش نیابد.
همانطور که در تحلیلهای قبلی ما دربارهی رایانش لبه اشاره کردیم، حذف وابستگی به سرور، کلید اصلی تبدیل گوشیها به دستیاران واقعی است. این تحول در حالی رخ میدهد که صنعت به سمت «هوش مصنوعی عاملمحور» (Agentic AI) میرود؛ جایی که دستگاهها بهجای پاسخ ساده به سؤالات، وظایف پیچیده را خودکار میکنند. طبق گزارش تککرانچ (TechCrunch) در ۲۲ سپتامبر ۲۰۲۶، کوالکام با این حرکت سقف توانمندیهای محلی را بالاتر برده است؛ آن هم در حالی که اپل در ژوئن ۲۰۲۶ طی کنفرانس WWDC، مدل MoE با ۲۰ میلیارد پارامتر را معرفی کرده بود. این رقابت در سطح سختافزارهای کوچکتر، بازتابی از تلاشهای اپل در بخش دسکتاپ است که با معرفی حافظه ۵۱۲ گیگابایتی در M5 Ultra، امکان اجرای مدلهای ۱۰۰ میلیاردی را فراهم کرد.
بر اساس مستندات منتشر شده، این خانواده از پردازندهها شامل دو مدل است:
- اسنپدراگون ۸ الیت نسل ۶: دارای شتابدهنده جدید برای اجرای بهینه مدلها و یک مرکز حسگر برای مدلهایی تا ۲۰۰ میلیون پارامتر.
- اسنپدراگون ۸ الیت اکستریم نسل ۶: پشتیبانی از مدلهای ۳۰ میلیارد پارامتری MoE و ضبط ویدیوهای حرفهای با کیفیت 8K و نرخ ۶۰ فریم بر ثانیه.
علاوه بر مدلهای زبانی، این تراشهها کدک پیشرفته ویدیو (APV) و فناوری «حباب صوتی» برای حذف نویز کاربر هنگام تماس را معرفی کردهاند. شرکت موتورولا (Motorola) تأیید کرده است که در گوشی سیگنچر ۲۷ (Signature 27) از نسخه اکستریم استفاده میکند و این محصول اواخر سال جاری میلادی عرضه خواهد شد.
این تغییر سختافزاری نشان میدهد که «گوشی هوش مصنوعی» در حال تبدیل شدن به رابط اصلی هوش است و احتمالاً جایگزین گجتهای پوشیدنی اختصاصی میشود. برای کاربر عادی، این یعنی تأخیر کمتر و حریم خصوصی بیشتر؛ چرا که برای استنتاج (Inference) — یعنی همان لحظه تولید جواب توسط مدل، شبیه به آشپزی واقعی بعد از یادگیری دستور پخت — دیگر نیازی به اینترنت پایدار نیست.
گام بعدی شما
- اگر توسعهدهنده هستید، بررسی کنید که چگونه مدلهای MoE کوانتیده شده را برای سختافزارهای NPU بهینه کنید.
- منتظر بنچمارکهای رسمی موتورولا سیگنچر ۲۷ باشید تا ببینید آیا فرکانس ۵ گیگاهرتزی ادعایی، برتری ملموسی نسبت به A20 Pro اپل ایجاد میکند یا خیر.
- ابزارهای محلی اجرای مدل را دنبال کنید تا به محض عرضه این تراشهها، مدلهای شخصی خود را روی گوشی تست کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ برای درک لایههای زیرین پردازش عصبی، به تحلیل ما درباره معماری NPUهای نسل جدید مراجعه کنید.
گفتگو