پرش به محتوای اصلی
پرش به محتوای مقاله

پروژه Zenith مایکروسافت: اجرای محلی مدل‌های ۳۰ میلیارد پارامتری برای

·۱۳ شهریور ۱۴۰۵۲ دقیقه مطالعه
تجربه‌ای بدون حواس‌پرتی از ویندوز برای توسعه‌دهندگان در پروژه زنیث مایکروسافت
تجربه‌ای بدون حواس‌پرتی از ویندوز برای توسعه‌دهندگان در پروژه زنیث مایکروسافت
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تغییر استراتژی مایکروسافت از بهینه‌سازی نرم‌افزاری ابری به ایجاد یک تجربه سخت‌افزاری بسته و تخصصی برای اجرای محلی مدل‌های ۳۰ میلیارد پارامتری در ویندوز.

اگر امروز برای استفاده از مدل‌های زبانی بزرگ هزینه‌های ماهانه توکن‌های ابری را می‌پردازید، پروژه Zenith مایکروسافت قصد دارد این صورت‌حساب را به صفر برساند. این ابتکار جدید، تمرکز را از پردازش‌های ابری به اجرای محلی مدل‌هایی با بیش از ۳۰ میلیارد پارامتر (Parameters) — که در واقع همان پیچیدگی و ظرفیت یادگیری مدل هستند — منتقل می‌کند.

به نقل از لوگان آیر، معاون بخش پلتفرم ویندوز، این تجربه تخصصی به برنامه‌نویسان اجازه می‌دهد بدون نگرانی از محدودیت‌های مالی یا سهمیه‌های API، به صورت نامحدود روی مدل‌های محلی آزمایش کنند. این رویکرد در حالی رخ می‌دهد که مایکروسافت تلاش می‌کند ویندوز ۱۱ را برای کاربران حرفه‌ای بهینه‌تر کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی بهینه‌سازی‌های سخت‌افزاری هوش مصنوعی اشاره کردیم، انتقال پردازش به لبه، کلید کاهش تأخیر است.

مایکروسافت پیش از این بر بهره‌وری ابری تمرکز داشت — مانند سیستم MAI-Transcribe-2 که سرعت تبدیل گفتار به متن را ۱۰ برابر کرد — اما پروژه Zenith مستقیماً روی پشته سخت‌افزاری محلی متمرکز است. این سیستم به‌طور خاص برای دستگاه‌هایی طراحی شده که ۶۴ گیگابایت یا بیشتر حافظه یکپارچه دارند.

طبق اعلام رسمی، در ۴ سپتامبر ۲۰۲۶، شرکت AMD نخستین دستگاه مجهز به پروژه Zenith را در نمایشگاه IFA معرفی کرد؛ یک مینی‌پی‌سی قدرتمند که از تراشه‌های Ryzen AI Halo استفاده می‌کند. مایکروسافت تأیید کرده است که در ماه‌های آینده، دستگاه‌های بیشتری با تراشه‌های مختلف وارد بازار خواهند شد.

پیکربندی توسعه‌دهنده-محور

پروژه Zenith تمام عوامل حواس‌پرتی سیستم‌عامل را حذف کرده و ابزارهای ضروری را پیش‌نصب می‌کند:

  • ابزارهای اصلی: Visual Studio Code، GitHub Copilot، PowerToys، WinAppCLI و Windows Dev Skills.
  • بهینه‌سازی‌های سیستم‌عامل: نمایش پیش‌فرض فایل‌های مخفی، پسوندهای فایل و مسیرهای کامل در File Explorer.
  • کاهش نویز: غیرفعال کردن اعلان‌های حساب کاربری، نکات منوی استارت و پیام‌های همگام‌سازی.
  • تنظیمات پیشرفته: فعال‌سازی پیش‌فرض پشتیبانی از مسیرهای طولانی (Long-path) و Command Palette در PowerToys.

پروژه Zenith مایکروسافت: تجربه‌ای بدون حواس‌پرتی از ویندوز برای توسعه‌دهندگان

این تغییر نشان می‌دهد مایکروسافت پذیرفته است که رویکرد «یک اندازه برای همه» در ویندوز ۱۱ برای جامعه برنامه‌نویسان شکست خورده است. مایکروسافت با تبدیل سیستم‌عامل از یک محصول مصرفی به یک ابزار قابل پیکربندی، سعی دارد اعتماد توسعه‌دهندگانی را بازگرداند که اعلان‌های پیش‌فرض ویندوز را مزاحم می‌دانستند. این تلاش برای بهبود تجربه توسعه‌دهندگان در حالی صورت می‌گیرد که بسیاری از آن‌ها پیش‌تر با چالش‌های سخت‌گیرانه در توزیع نرم‌افزارهای خود مواجه بودند؛ برای مثال، برخی اشتباهات رایج در انتشار اپلیکیشن‌های هوش مصنوعی Electron در استور مایکروسافت می‌تواند منجر به رد شدن برنامه‌ها شود.

گام بعدی شما

  • اگر سخت‌افزاری با ۶۴ گیگابایت رم دارید، منتظر به‌روزرسانی‌های مربوط به سازگاری Zenith با نسخه‌های استاندارد ویندوز باشید.
  • بررسی کنید که آیا مدل‌های ۳۰ میلیارد پارامتری مورد نیاز شما با کوانتش (Quantization) روی سخت‌افزارهای فعلی قابل اجرا هستند یا خیر.
  • دنبال کنید که آیا این تجربه سخت‌افزار-محور به لپ‌تاپ‌ها و ورک‌استیشن‌های آینده منتقل می‌شود یا خیر.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و رقابت با AMD مراجعه کنید.

چرا این موضوع مهم است؟

این پروژه با تکیه بر اعتبار سخت‌افزاری AMD و مایکروسافت، پارادایم توسعه AI را از وابستگی مطلق به ابر به سمت رایانش لبه می‌برد. این تغییر باعث می‌شود حریم خصوصی داده‌های کدنویسی حفظ شده و سرعت چرخه آزمایش-خطا برای برنامه‌نویسان به شدت افزایش یابد.

تأثیر برای ایران

به‌دلیل نیاز به سخت‌افزارهای خاص (رم ۶۴ گیگابایت و تراشه‌های Ryzen AI)، دسترسی به این تجربه برای اکثر توسعه‌دهندگان ایرانی محدود است، اما مدل‌های محلی جایگزین در لینوکس همان هدف را دنبال می‌کنند.

·نگاه ما
تحریریه دات‌هوش

مایکروسافت با Zenith در واقع در حال تبدیل ویندوز به یک «سیستم‌عامل توزیع‌شده» است که در آن سخت‌افزار محلی نقش مرکز داده کوچک را ایفا می‌کند. این حرکت نشان می‌دهد که برای مدل‌های متوسط (۳۰ میلیارد پارامتر)، هزینه استنتاج محلی در بلندمدت ارزان‌تر از اجاره توکن‌های ابری است و مایکروسافت می‌خواهد پیش از آنکه توسعه‌دهندگان به سمت لینوکس کوچ کنند، محیطی کاملاً کنترل‌شده و بدون نویز برای آن‌ها بسازد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.