تصور کنید مدیر فناوری شرکتی هستید که باید بین امنیت نفوذناپذیر مین‌فریم‌ها و سرعت توسعه ابزارهای هوش مصنوعی یکی را انتخاب کند؛ حالا دیگر نیازی به این انتخاب نیست. IBM با طراحی یک پردازنده با معماری دوگانه، پلی میان دنیای سخت‌گیرانه سرورهای سازمانی و اکوسیستم منعطف Arm ایجاد کرده است.
این تحول دقیقاً همان جایی رخ می‌دهد که اصطکاک میان محیط‌های امنیتی صلب و دنیای سریع هوش مصنوعی ابری به اوج رسیده بود. برای دهه‌ها، پلتفرم‌های IBM Z و LinuxONE استانداردی برای پردازش تراکنش‌های حساس بوده‌اند، اما در دنیای معماری متفاوتی نسبت به Arm فعالیت می‌کردند — معماری‌ای که اکنون بر فضای ابری و رایانش لبه (Edge Computing) تسلط دارد.
زمینه و بستر راهبردی
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی یکپارچگی سخت‌افزارهای تخصصی اشاره کردیم، حذف موانع معماری تنها راه مقیاس‌پذیری واقعی است. این پردازنده در تاریخ ۲۴ اوت ۲۰۲۶ در کنفرانس سالانه Hot Chips در شهر آرمونک نیویورک معرفی شد. این محصول نخستین دستاورد بزرگ همکاری راهبردی میان IBM و Arm است که از آوریل ۲۰۲۶ آغاز شده بود.
به نقل از گزارش رسمی newsroom.ibm.com، این همکاری هدفش گسترش حق انتخاب نرم‌افزاری برای سازمان‌هاست. با ادغام Arm، پلتفرم‌های IBM درهای خود را به روی اکوسیستم جهانی متشکل از بیش از ۲۲ میلیون توسعه‌دهنده باز می‌کنند. این یعنی طیف گسترده‌ای از نرم‌افزارهای ابری و هوش مصنوعی که اکنون در حال شکل دادن به زیرساخت‌های مدرن هستند، مستقیماً روی مین‌فریم‌ها اجرا می‌شوند. این رویکرد سخت‌افزاری در راستای استراتژی گسترده‌تر این شرکت برای ادغام مدل‌های زبانی پیشرفته در تمامی لایه‌های عملیاتی است، مشابه تلاش IBM برای به‌کارگیری GPT-5.6 در گردش کار مشاوران خود جهت افزایش بهره‌وری سازمانی.
بر اساس مستندات فنی، این طراحی به سازمان‌ها اجازه می‌دهد محیط‌های لینوکسِ Arm-native را به‌طور هم‌زمان با z/OS و لینوکس روی IBM Z اجرا کنند. نکته کلیدی این است که این قابلیت، امنیت سخت‌افزاری، سیستم‌های بازیابی خطا (Recovery) و رمزنگاری در سطح سخت‌افزار که مین‌فریم‌ها به آن‌ها مشهورند را تضعیف نمی‌کند.
جزئیات و مشخصات فنی
مشخصات فنی این تراشه بر پایه فناوری ۲ نانومتری است و ویژگی‌های زیر را ارائه می‌دهد:
- عملکرد هسته‌ها: ۱۱ هسته با کارایی بالا که با سرعت‌هایی بیش از ۵.۷ گیگاهرتز فعالیت می‌کنند.
- یکپارچگی هوش مصنوعی: شتاب‌دهنده‌های اختصاصی برای استنتاج (Inference) — شبیه به داشتن یک آشپز متخصص در آشپزخانه که فقط روی یک دستور پخت سریع تمرکز دارد — که به‌طور ویژه برای شناسایی تقلب در لحظه تراکنش طراحی شده‌اند.
- مدیریت داده: واحد پردازش داده (DPU) روی تراشه برای شتاب‌دهی ورودی/خروجی (I/O) و معماری حافظه پنهان (Cache) حجیم برای بارهای کاری سنگین سازمانی.
- اجرای یکپارچه: برخلاف تراشه‌های ترکیبی معمولی که دارای انواع هسته‌های مجزا هستند، در اینجا هر هسته می‌تواند دستورات Arm و IBM Z (یا LinuxONE) را به‌طور هم‌زمان و بومی اجرا کند.
این معماری اجازه می‌دهد سیستم‌ها تا صدها هسته و ده‌ها ترابایت حافظه مقیاس شوند. در این طراحی، اولویت با حفظ ویژگی‌های اثبات‌شده‌ی عملکرد، امنیت و در دسترس بودن (Availability) بوده و در عین حال انعطاف‌پذیری Arm به آن افزوده شده است. این تمرکز بر گستره‌ی حافظه و توان پردازشی برای مدل‌های بزرگ، یادآور پیشرفت‌های اخیر در سخت‌افزارهای مصرفی است، مانند معماری حافظه‌ی یکپارچه‌ی M5 Ultra که اجرای مدل‌های عظیم را در مقیاس محلی ممکن ساخت.
کریستین جاکوبی، مدیر فناوری (CTO) و IBM Fellow، تأکید کرد که هدف، ترکیب سریع‌ترین اکوسیستم نرم‌افزاری جهان با قابلیت اطمینان سیستم‌های IBM است. محمد عوض، نایب‌رئیس اجرایی Cloud AI در Arm نیز افزود که با گسترش مقیاس هوش مصنوعی، چشم‌انداز رایانش در حال همگرایی به سمت Arm است و این حرکت، این تکانه را به زیرساخت‌های حیاتی (Mission-Critical) منتقل می‌کند.
برای رهبران کسب‌وکار، این یعنی امکان استقرار بارهای کاری هوش مصنوعی ابری مستقیماً در جایی که حساس‌ترین داده‌های تراکنشی قرار دارند. این کار تأخیر (Latency) را کم می‌کند و ریسک جابه‌جایی داده بین محیط‌های مختلف را از بین می‌برد.
این تغییر عملاً مین‌فریم را به قطبی برای ۲۲ میلیون توسعه‌دهنده Arm تبدیل می‌کند و «مالیات معماری» یا همان هزینه تبدیل و پورت کردن نرم‌افزارها به ساختار z/Architecture را حذف می‌کند. این موضوع احتمالاً پذیرش هوش مصنوعی در بخش‌های تحت نظارت شدید مثل بانکداری، مخابرات و سلامت را تسریع می‌کند.
برای مشاهده عملکرد واقعی این تراشه‌های ۲ نانومتری تحت بارهای تراکنشی دنیای واقعی، باید منتظر تاریخ‌های عرضه رسمی نسل بعدی سیستم‌های IBM Z و LinuxONE باشیم.
گام بعدی شما
- بررسی نقشه‌ی راه نسل بعدی سیستم‌های IBM Z برای زمان دقیق عرضه.
- ارزیابی بارهای کاری AI که به دلیل تأخیر در انتقال داده از مین‌فریم به ابر، بهینه نبودند.
- مطالعه مستندات Arm برای سازگاری برنامه‌های موجود با محیط‌های دوگانه.
اما تأثیر این تراشه‌های ۲ نانومتری بر مصرف انرژی مراکز داده حتی حیاتی‌تر است — به تحلیل ما درباره‌ی بهینه‌سازی مصرف برق در مقیاس سازمانی مراجعه کنید.
گفتگو