اگر امروز یک توسعه‌دهنده هستید که مدل‌های زبانی را به‌صورت محلی اجرا می‌کنید، گلوگاه اصلی شما دیگر رم یا گرافیک نیست، بلکه نحوه مدیریت ریاضیات سنگین در قلب پردازنده است. در ۱۵ ژوئن ۲۰۲۶، گروه مشورتی اکوسیستم x86 (x86 Ecosystem Advisory Group) از مشخصات فنی ACE (AI Compute Extensions) پرده برداشت تا شتاب‌دهنده یادگیری ماشین را مستقیماً در معماری x86 جاسازی کند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی رایانش لبه اشاره کردیم، انتقال مدل‌ها از ابر به دستگاه‌های کاربر، نیاز به روش‌هایی دارد که محاسبات متراکم را بدون اتلاف انرژی انجام دهد. استنتاج (Inference) — که شبیه به لحظهٔ واقعی آشپزی است، نه دوره‌ی آموزش آشپز — در این استاندارد با بهینه‌ترین حالت ممکن پیاده شده است. این حرکت تلاش x86 برای حفظ سلطه در برابر رقبای مبتنی بر ARM است.
طبق مستندات x86ecosystem.org، استاندارد ACE بر چهار محور فنی متمرکز است:
- ایجاد حالت‌های جدید ثبات ACE، شامل ثبات‌های مقیاس بلوکی و کاشی.
- عملیات پردازش داده که از ورودی‌های Thبات AVX برای کار روی حالت‌های ثبات کاشی استفاده می‌کند.
- عملیات انتقال داده اختصاصی برای جابه‌جایی سریع اطلاعات بین ثبات‌های ACE و AVX.
- ادغام مدیریت سیستم و تبدیل فرمت‌ها در چارچوب AVX10.
به گزارش این گروه، ترکیب تراکم محاسباتی پردازش‌های کاشی با انعطاف‌پذیری بردارهای AVX، اجازه می‌دهد پردازنده هسته‌ی ضرب ماتریسی — که شالوده تمام مدل‌های هوش مصنوعی است — را با بازدهی بسیار بیشتری اجرا کند. برای یک صاحب کسب‌وکار، این یعنی کاهش تأخیر در عامل‌های (Agents) محلی و وابستگی کمتر به GPUهای گران‌قیمت برای کارهای پایه.
گام بعدی شما
- هنگام خرید پردازنده‌های نسل جدید، در لیست مشخصات فنی به دنبال عبارت «ACE Compatible» بگردید.
- اگر از کتابخانه‌های ریاضی در سطح C++ استفاده می‌کنید، مستندات AVX10 را برای بهره‌برداری از این ثبات‌ها دنبال کنید.
اما این تغییر در سطح دستورالعمل‌ها، تنها بخشی از یک تغییر بزرگ‌تر در طراحی سیلیکون است؛ برای درک اینکه سخت‌افزارها چگونه در حال تغییر هستند، به بررسی ما درباره معماری‌های NPU مراجعه کنید.
گفتگو