اگر امروز بر اساس برچسب‌های تبلیغاتی یک لپ‌تاپ یا گوشی «آماده برای هوش مصنوعی» خرید کنید، احتمالاً با یک وعده توخالی روبه‌رو شده‌اید. واقعیت این است که این برچسب‌ها صرفاً لیبل‌های بازاریابی هستند و نه یک تضمین فنی. حتی با یک دستگاه کاملاً جدید، ممکن است متوجه شوید اپلیکیشن موردعلاقه‌تان اصلاً سخت‌افزار شما را پشتیبانی نمی‌کند.
هوش مصنوعی روی دستگاه (On-device AI) در حال گذار از پوسته‌های وابسته به ابر به اجرای محلی است. این تغییر، شکاف عمیقی میان توان تئوریک یک تراشه و نیاز واقعی یک اپلیکیشن برای اجرا ایجاد کرده است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، اجرای محلی برای حریم خصوصی حیاتی است، اما بهای آن سخت‌افزاری است.
تصور کنید ماشینی می‌خرید که ظاهرش سریع است اما موتور لازم برای بالا رفتن از یک تپه خاص را ندارد. در دنیای فناوری، آن «تپه» همان حداقل نیازمندی‌های سخت‌افزاری است که توسعه‌دهندگانی مثل گوگل یا ادوبی تعیین می‌کنند.
آستانه حیاتی رم
حافظه رم اولین و بی‌رحمان‌ترین فیلتر است. ادوبی (Adobe) به‌تازگی نسخه رایگانی از پریمیر (Premiere) را برای اندروید منتشر کرد که خط قرمز مشخصی دارد: اندروید ۱۳ یا بالاتر و حداقل ۵ گیگابایت رم.
هرچند پریمیر یک مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — نیست، اما این نرم‌افزار سیگنالی است که نشان می‌دهد کفِ حافظه برای اپلیکیشن‌های پردازشی سنگین در سال ۲۰۲۶ کجاست. اگر دستگاه شما کمتر از ۵ گیگابایت رم داشته باشد، فارغ از سرعت پردازنده، شما عملاً از این سطح از نرم‌افزارها محروم خواهید بود و دسترسی به آن‌ها برایتان مسدود است. این محدودیت‌های سخت‌افزاری اغلب با استانداردهای سخت‌گیرانه فروشگاه‌ها همسو است؛ به‌طوری که برخی اشتباهات رایج در توسعه اپلیکیشن‌های GenAI منجر به رد شدن آن‌ها در گوگل‌پلی می‌شود.
عملکرد NPU و معیار TOPS
در لپ‌تاپ‌ها، معیار کلیدی واحد پردازش عصبی (NPU) — شبکه‌ای از سلول‌های کوچک، شبیه نقشهٔ مترو، که سیگنال را از ورودی به جواب می‌رساند — است که با واحد TOPS (تریلیون عملیات در ثانیه) اندازه‌گیری می‌شود. در ۲۱ سپتامبر ۲۰۲۶، گوگل (Google) جزئیات سری گوگل‌بوک (Googlebook) را منتشر کرد که هدف آن استنتاج محلی است.
استنتاج (Inference) لحظه‌ای است که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی و نه دوره‌ی آموزش آشپز. طبق تحلیل‌های منابعی چون iFynx, 9to5Google و SiliconANGLE، این ماشین‌ها برای اجرای محلی جمینای (Gemini) به NPU با قدرت بیش از ۴۵ TOPS نیاز دارند. این عدد ۴۵ TOPS هنوز به یک استاندارد جهانی در صنعت تبدیل نشده است، اما برای هر کسی که به دنبال خرید لپ‌تاپی برای اجرای عامل‌های (Agents) هوش مصنوعی محلی است، یک محک و معیار عینی است.
محدودیت پارامترهای مدل
در دنیای موبایل، تمرکز روی اندازه مدلی است که تراشه می‌تواند مدیریت کند. کوالکام (Qualcomm) در اجلاس اسنپ‌دراگون، تراشه‌های اسنپ‌دراگون ۸ الیت نسل ۶ (Snapdragon 8 Elite Gen 6) و نسخه قدرتمندتر و رده‌بالای آن یعنی Snapdragon 8 Elite Extreme Gen 6 را معرفی کرد.
به گزارش TechCrunch، نسخه Extreme می‌تواند مدل‌هایی با حداکثر ۳۰ میلیارد پارامتر (Parameters) را مستقیماً روی گوشی اجرا کند. این قابلیت به‌طور خاص برای قدرت بخشیدن به عامل‌های هوش مصنوعی روی دستگاه طراحی شده است.
اما یک نکته وجود دارد؛ این سقف ۳۰ میلیاردی فقط برای نسخه Extreme است و شامل مدل استاندارد نسل ۶ نمی‌شود. علاوه بر این، این یک توانایی در سطح تراشه است، نه لزوماً یک تجربه تضمین‌شده برای کاربر نهایی در دستگاه. عملکرد واقعی به کوانتایزیشن (Quantization) — یعنی نحوه فشرده‌سازی مدل برای جا شدن در حافظه — بستگی دارد. چون کوالکام سطح کوانتایزاسیون مورد استفاده برای این ادعا را فاش نکرده است، عدد ۳۰ میلیارد پارامتر فعلاً یک سقف تئوریک است و نه یک تجربه کاربری تضمین‌شده. برای مدیریت ایمن این عامل‌های قدرتمند، استفاده از مجوزهای مرحله‌بندی‌شده برای جلوگیری از حذف تصادفی پروژه‌ها به یک ضرورت تبدیل شده است.
تله ابر و شکاف زبانی
بسیاری از کاربران هوش مصنوعی ابری را با هوش مصنوعی روی دستگاه اشتباه می‌گیرند. اگر اپلیکیشنی داده‌های شما را به یک سرور می‌فرستد، رم و NPU شما تقریباً بی‌اثر و بی‌ارزش هستند. در این موارد، تنها چیزهایی که اهمیت دارند، کیفیت اتصال اینترنت شما و سیاست‌های حریم خصوصی داده‌هاست.
سخت‌افزار تنها نیمی از مسیر است؛ نیمه دیگر بومی‌سازی نرم‌افزاری است. اپل (Apple) به‌تازگی بتای عمومی iPadOS 27.2 و watchOS 27.2 را منتشر کرد و قابلیت‌های هوش مصنوعی سیری (Siri) را به زبان‌های فرانسوی، ژاپنی، کره‌ای، پرتغالی و اسپانیایی گسترش داد.
به‌طور قابل توجهی، زبان ویتنامی در این لیست غایب است. برای کاربران ویتنامی، جدیدترین سخت‌افزارهای هوش مصنوعی اپل همچنان توسط یک سد زبانی محدود شده‌اند و آن‌ها مجبورند برای دسترسی به ویژگی‌های پیشرفته دستیار صوتی، به زبان انگلیسی تکیه کنند.
محک‌های سخت‌افزاری برای خریداران
برای اینکه در تله‌های تبلیغاتی نیفتید، از این اعداد دقیق که بر اساس آخرین اطلاعیه‌های صنعت است، به عنوان راهنما استفاده کنید:
- اپلیکیشن‌های سنگین اندروید: نیاز به اندروید ۱۳ به بالا و حداقل ۵ گیگابایت رم (منبع: پریمیر ادوبی برای اندروید از طریق Ars Technica).
- استنتاج محلی لپ‌تاپ: نیاز به NPU با قدرت بیش از ۴۵ TOPS (منبع: پیکربندی گوگل‌بوک).
- اجرای LLM روی موبایل: پشتیبانی تا ۳۰ میلیارد پارامتر در تراشه Snapdragon 8 Elite Extreme Gen 6 (منبع: کوالکام از طریق TechCrunch).
اکوسیستم گوگل‌بوک
سری گوگل‌بوک که از ۴ اکتبر در آمریکا با قیمت پایه ۸۹۹ دلار عرضه می‌شود (و یک روز بعد در سایر بازارها)، برای چیزی فراتر از یک چت‌بات ساده ساخته شده است. شرکای سخت‌افزاری این پروژه شامل ایسوس، ایسر، دل، اچ‌پی و لنوو هستند.
برای توسعه‌دهندگان، ارزش اصلی در مجموعه ابزارهاست. این دستگاه‌ها از Antigravity با پشتیبانی از ترمینال لینوکس برای Claude Code و برنامه‌نویسی عامل‌محور (Agentic Programming) پشتیبانی می‌کنند. همچنین امکان استقرار مستقیم اپلیکیشن‌های اندروید روی ماشین فراهم شده است.
ویژگی‌های اضافی شامل Gemini Live و Spark است که می‌توانند حتی زمانی که درب لپ‌تاپ بسته است، کارهای پس‌زمینه را مدیریت کنند. این دستگاه‌ها ادغام عمیقی با اندروید دارند و گوگل متعهد شده است که برای ۱۰ سال برای این دستگاه‌ها به‌روزرسانی ارائه دهد.
گام بعدی شما: چگونه دستگاه خود را ارزیابی کنید؟
قبل از ارتقای سخت‌افزار، می‌توانید در پنج دقیقه وضعیت دستگاه فعلی خود را بررسی کنید:
۱. بررسی رم و سیستم‌عامل: به مسیر Settings $\rightarrow$ About phone بروید. اگر نسخه اندروید شما پایین‌تر از ۱۳ است، همین حالا از اپلیکیشن‌هایی مثل پریمیر حذف شده‌اید. اگر رم شما زیر ۵ گیگابایت است، پایین‌تر از آستانه ادوبی هستید.
۲. شناسایی تراشه: نام دقیق تراشه خود را یادداشت کنید. این مورد تعیین می‌کند که آیا شما در دسته‌های عملکرد بالای معرفی‌شده در اجلاس اسنپ‌دراگون قرار می‌گیرید یا خیر.
۳. تأیید حالت اجرا: تنظیمات اپلیکیشن هوش مصنوعی خود را باز کنید. بررسی کنید که آیا از یک مدل محلی استفاده می‌کند یا به سرور درخواست می‌فرستد. اگر از سرور استفاده می‌کند، NPU شما هیچ اهمیتی ندارد.
این تغییر به سمت هوش مصنوعی محلی یعنی «برگه مشخصات فنی» حالا مهم‌تر از «برند» است. توانایی اجرای یک مدل ۳۰ میلیاردی یا رسیدن به ۴۵ TOPS، به‌زودی تفاوت میان یک دستگاه هوشمند و یک تبلت معمولی را رقم می‌زند. در واقع، برای کسانی که به دنبال بهینه‌سازی هزینه‌ها هستند، سرمایه‌گذاری روی سخت‌افزارهای محلی مانند RTX 3060 می‌تواند در کوتاه‌مدت هزینه‌های اشتراک ابری را بازگرداند.
هنگام خواندن اطلاعیه‌های جدید، سه معیار را که اغلب با هم اشتباه می‌شوند از هم جدا کنید: توان خام تراشه، حداقل نیازمندی‌های اپلیکیشن و زبان‌های پشتیبانی‌شده واقعی. آزمون واقعی زمانی رخ خواهد داد که دستگاه‌های مجهز به Extreme Gen 6 وارد بازار شوند تا ثابت شود آیا ادعای ۳۰ میلیارد پارامتر خارج از اسلایدهای ارائه، در دنیای واقعی هم صادق است یا خیر. اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو