درون معماری تراشه‌های اپل؛ چرا مک‌ها برای هوش مصنوعی محلی ایده‌آل شدند

یک دستگاه M6 Mac mini با ۳۲ گیگابایت رم، اکنون با قیمتی حدود ۱۷۰۰ دلار می‌تواند بارهای کاری سنگین هوش مصنوعی را مدیریت کند که پیش از این به ردیف‌های عظیمی از سرورها نیاز داشت. طبق گزارش ۲۲ سپتامبر ۲۰۲۶ از ZDNET، این تغییر، مک را از یک ابزار حرفه‌ای فراموش‌شده به یک اسب کاری برای هوش مصنوعی محلی تبدیل کرده است.

برای سال‌ها، کاربران حرفه‌ای می‌ترسیدند که اکوسیستم مک فضای کافی برای محاسبات سنگین نداشته باشد. این اضطراب در سال ۲۰۱۸ به اوج رسید؛ زمانی که به‌روزرسانی‌های سخت‌افزاری متوقف شده بود. در آن زمان، برخی کاربران تقریباً تسلیم شده بودند که مک‌ها هرگز به‌روز نشوند. آن‌ها برای پروژه‌های خاص خود به زیرساخت‌های ویندوز و لینوکس پناه می‌بردند و در عین حال نگران بودند که مهاجرت کامل از مک تجربه‌ای ناخوشایند باشد.

زمینه رکود سخت‌افزاری

پیش از انتقال به تراشه‌های داخلی، چرخه‌های به‌روزرسانی اپل به‌شدت کند و بدنام بود. این شرکت زمانی چهار سال بین به‌روزرسانی‌های مک مینی و فاصله خیره‌کننده شش سال بین نسخه‌های مک پرو انداخت. این عدم تداوم باعث شد کاربران حرفه‌ای احساس کنند با سخت‌افزاری رها شده‌اند که نمی‌توانست با بارهای کاری در حال تکامل پیش برود.

همان‌طور که در تحلیل قبلی ما درباره‌ی روش‌های اپل برای تأیید عکس‌ها با امضاهای کوانتومی اشاره کردیم، این شرکت حالا از تأمین امنیت داده‌ها به سمت فراهم کردن توان محاسباتی خام برای پردازش محلی حرکت کرده است. تضاد این وضعیت با گذشته آشکار است؛ اپل اکنون مک‌های بدون نمایشگر خود را تقریباً با همان سرعت آیفون‌هایش به‌روز می‌کند.

همه چیز در سال ۲۰۲۰ با عرضه پردازنده M1 Apple Silicon تغییر کرد. اپل برخلاف رایانه‌های شخصی سنتی، از طراحی سیستم روی تراشه (SoC) — شبیه به یک شهر کوچک که تمام ادارات و خدمات در یک محله جمع شده‌اند تا زمان رفت‌وآمد حذف شود — استفاده می‌کند. در این معماری، CPU، GPU و RAM همگی روی یک ویفر سیلیکونی واحد قرار دارند.

مکانیسم SoC

این ساختار، گلوگاه‌های مربوط به قطعات مجزا و مشکلات گرمایشی رایج در سیستم‌های مبتنی بر اینتل را از بین می‌برد. همچنین هزینه بالای قطعات تکی را کاهش می‌دهد. اگرچه کاربران حرفه‌ای در ابتدا از عدم امکان تعویض GPU یا ارتقای RAM ناراضی بودند، اما همین یکپارچگی است که این پلتفرم را به یک هیولای هوش مصنوعی تبدیل کرد.

مزیت سخت‌افزاری

عملکرد هوش مصنوعی اپل به همکاری سه جزء داخلی وابسته است که به‌صورت هماهنگ عمل می‌کنند:

• CPU: محاسبات پایه و ریاضیات با دقت بالا را از طریق افزونه‌های تخصصی مدیریت می‌کند.
• GPU: پردازش آرایه‌های حجیم داده را بر عهده دارد. چون هوش مصنوعی به پردازش‌های آرایه‌ای گسترده نیاز دارد — شبیه به محاسبات گرافیکی سنگین — فشار زیادی روی GPU است و این قطعه برای بارهای کاری AI بسیار مورد تقاضاست.
• Neural Engine: تراشه‌ای اختصاصی که برای اجرای وظایف خاص هوش مصنوعی با مصرف انرژی بسیار کم طراحی شده است، مانند بازشناسی گفتار و طبقه‌بندی تصاویر.

از آنجا که هوش مصنوعی نیازهای معماری مشابهی با گرافیک‌های پیشرفته دارد، سخت‌افزار اپل به‌طور تصادفی برای انفجار هوش مصنوعی بهینه شد. احتمالاً اپل در سال ۲۰۲۰ چنین جهشی را پیش‌بینی نکرده بود، اما طراحی آن‌ها برای بارهای کاری گرافیکی، حالا اپل سیلیکون را بسیار جلوتر از معماری اینتل قرار داده است که پیش‌تر به آن وابسته بود.

اجرای محلی هوش مصنوعی مزیت عظیمی برای توسعه‌دهندگان و کسب‌وکارها دارد. با اجرای یک مدل زبانی بزرگ (LLM) در سطح پیشرو — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — به‌صورت محلی، کاربران از پرداخت هزینه توکن خلاص می‌شوند و نگرانی‌های مربوط به حاکمیت داده‌ها را حذف می‌کنند. شما به‌سادگی مدل را روی دستگاه می‌ریزید و با تمام توان از آن استفاده می‌کنید.

تکرار سریع و مقیاس‌پذیری

تکرارهای سریع سخت‌افزاری این روند را شتاب داده است. اپل اکنون مک‌های بدون نمایشگر مثل مک مینی و مک استودیو را تقریباً با همان سرعت آیفون‌ها به‌روز می‌کند. این امر به این دلیل ممکن است که هر دو دستگاه از یک فناوری پردازنده داخلی مشترک استفاده می‌کنند و این موضوع به اپل کنترل کامل روی معماری‌اش را می‌دهد.

نمونه‌های سخت‌افزاری و ارتقاها

این خط تولید به‌سرعت گسترش یافت و تراشه‌های M5 Max و M5 Ultra را شامل شد. این سرعت انتشار، نقطه مقابل دوران سال ۲۰۱۸ است. برای مثال، یک کاربر می‌تواند مک استودیو M1 Max با ۶۴ گیگابایت رم را با مدل M4 Max با ۱۲۸ گیگابایت رم جایگزین کند تا به عنوان دستگاه اصلی (Daily Driver) باشد و مدل قدیمی را برای کارهای آزمایشگاهی نگه دارد. در همین راستا، عرضه حافظه ۵۱۲ گیگابایتی در تراشه M5 Ultra گامی بلند برای تبدیل مک استودیو به یک ایستگاه کاری واقعی برای مدل‌های محلی پیشرو بود.

تناقض عجیبی در وضعیت فعلی اپل وجود دارد. در حالی که Apple Intelligence (نرم‌افزار هوش مصنوعی اپل) توسط برخی یک شکست تلقی می‌شود، سخت‌افزاری که برای گرافیک طراحی شده بود، اکنون بر دنیای هوش مصنوعی تسلط دارد. سخت‌افزار اپل بازار را می‌گیرد، در حالی که نرم‌افزارش به‌سختی در برنامه‌های کاربران جای پیدا کرده است.

برای کاربر، این یعنی یک M1 Mac Studio چهارساله هنوز می‌تواند بارهای کاری اصلی هوش مصنوعی را در یک آزمایشگاه خانگی اجرا کند. طول عمر این سخت‌افزار نیاز به ارتقاهای گران‌قیمت و مداوم را کم می‌کند، که تفاوت زیادی با محدودیت‌های سال ۲۰۱۸ دارد. اگر در سال ۲۰۱۸ به کاربران می‌گفتند مک‌های کوچک چنان قدرتی می‌گیرند که نیازی به ارتقای سریع به محض عرضه مدل جدید ندارند، احتمالاً می‌خندیدند.

این چرخش نشان می‌دهد ارزشمندترین بخش اکوسیستم اپل، نه ویژگی‌های نرم‌افزاری، بلکه خودِ سیلیکون است. پردازنده‌ها احتمالاً اهمیت بیشتری نسبت به Apple Intelligence دارند.

باید منتظر ماند و دید جامعه توسعه‌دهندگان چگونه از سری M6 برای اجرای مدل‌های محلی بزرگ‌تر استفاده می‌کنند. نبرد واقعی دیگر بر سر این نیست که چه کسی بهترین دستیار هوش مصنوعی را دارد، بلکه این است که چه کسی کارآمدترین توان محاسباتی محلی را در اختیار دارد.

گام بعدی شما

• اگر صاحب مک‌های سری M هستید، ابزارهایی مثل Ollama را برای اجرای محلی مدل‌های Llama 3 امتحان کنید.
• در خرید سخت‌افزار جدید، اولیت را به مقدار RAM (حافظه یکپارچه) بدهید تا بتوانید مدل‌های بزرگ‌تر را لود کنید.
• بررسی کنید که آیا گردش کارهای شما می‌تواند از پردازش ابری به پردازش محلی منتقل شود تا هزینه‌های API را حذف کنید.

اما نبرد واقعی دیگر بر سر این نیست که چه کسی بهترین دستیار هوش مصنوعی را دارد، بلکه این است که چه کسی کارآمدترین توان محاسباتی محلی را در اختیار دارد؛ به تحلیل ما درباره تراشه‌های Blackwell برای مقایسه با قدرت سرورها مراجعه کنید.