روابط سريعة
مع انتشار الذكاء الاصطناعي (AI)، أصبحت وحدة المُعالجة العصبية (NPU) أحد الاعتبارات المُهمة عند التسوق لشراء كمبيوتر شخصي أو كمبيوتر محمول من الجيل التالي. ولكن هل تعرف الفرق بين NPU و GPU؟
يُعتبر الاختلاف بين وحدة المُعالجة العصبية (NPU) ووحدة مُعالجة الرسومات (GPU) موضوعًا حيويًا. تلعب كل من هذه الوحدات دورًا أساسيًا في عدة تطبيقات تكنولوجية مثل الذكاء الاصطناعي، وتعلم الآلة، والألعاب الحاسوبية، والحوسبة الرسومية. من خلال هذه المقالة، سنقوم بفحص الاختلافات الرئيسية بين NPU و GPU، وكيفية تأثير هذه الاختلافات على أدائهما في التطبيقات المُختلفة. سنلقي الضوء على القدرات المُتخصصة لكل منهما وكيفية تعزيز الأداء وتحسين الكفاءة في مجالاتهما الخاصة. تحقق من ما هي أجهزة الكمبيوتر المدعومة بالذكاء الاصطناعي، وما الذي يجعلها مختلفة؟
ما هي NPU؟
وحدة NPU هي مُعالج مُتخصص يستخدم لتسريع عمليات الشبكة العصبية، بما في ذلك مهام مُعالجة الذكاء الاصطناعي وتعلم الآلة (ML). حيث تتضمن تحسينات مُحددة للأجهزة تجعلها أكثر أداءً مع الاستمرار في تحقيق كفاءة عالية في استخدام الطاقة.
تتمتع وحدات NPU بقدرات مُعالجة متوازية (قادرة على تنفيذ عمليات متعددة في وقت واحد)، ومع تحسينات بنية الأجهزة، يُمكنها أداء مهام الذكاء الاصطناعي وتعلم الآلة بكفاءة مثل الاستدلال والتدريب. يُمكن استخدام وحدات NPU لأداء مهام الذكاء الاصطناعي المُختلفة، مثل التعرف على الوجه، وحتى تدريب أنظمة الذكاء الاصطناعي.
إذا كنت ترغب في معرفة المزيد، راجع مقالتنا حول ماهية NPU وكيفية فك مواصفاتها.
ما هي وحدة معالجة الرسومات؟
وحدة معالجة الرسومات (GPU) عبارة عن معالج خاص يستخدم لتسريع المهام الرسومية مثل معالجة الصور/الفيديو وعرضها. على غرار وحدات NPU، تدعم وحدات معالجة الرسومات المعالجة المُتوازية ويُمكنها إجراء تريليونات من العمليات في الثانية.
تم استخدامها في البداية لتسريع معالجة الرسومات ومهام العرض مثل تعديل الصور/الفيديو والألعاب، تُستخدم وحدات معالجة الرسومات الآن لمجموعة واسعة من المهام الحسابية. نظرًا لإنتاجيتها العالية، تقوم وحدات معالجة الرسومات بعمليات كثيفة البيانات مثل معالجة البيانات واسعة النطاق والحسابات المُعقَّدة مثل تعدين العملات المُشفرة.
لنفس السبب، تُستخدم وحدات معالجة الرسومات أيضًا لتدريب الشبكات العصبية الكبيرة. على سبيل المثال، تستخدم شركات التكنولوجيا وحدات معالجة الرسومات H-100 من فئة المؤسسات من Nvidia لتدريب نماذج اللغات الكبيرة (LLM). يتعمق شرحنا لوحدة معالجة الرسومات (GPU) في تعريف وحدات GPU وكيف تعمل.
مقارنة بين NPU و GPU
يتمثل الاختلاف الحاسم بين وحدة NPU ووحدة GPU في أنَّ الأولى تعمل على تسريع أعباء عمل الذكاء الاصطناعي وتعلم الآلة بينما تعمل الأخيرة على تسريع معالجة الرسومات ومهام العرض. بمعنى آخر، كل منها عبارة عن مُعالج مُتخصص لوظيفة مُحددة على جهازك.
علاوة على وظيفتها المتخصصة، تُستخدم وحدات معالجة الرسومات أيضًا بشكل متزايد في المهام الحسابية العامة الأخرى، بما في ذلك تدريب أنظمة الذكاء الاصطناعي واستدلال التعلم العميق. ولكن إذا كان من المُمكن أيضًا استخدام وحدة معالجة الرسومات لمهام الذكاء الاصطناعي/تعلم الآلة، فلماذا تهتم الشركات بالحصول على معالج مُخصص لهذه الاستخدامات؟ الجواب القصير هو الأداء والكفاءة.
يُطلق على استخدام معالج مُخصص في أجهزة الكمبيوتر لمهمة محددة (عادةً لتسريع أداء المهمة) اسم تسريع الأجهزة. فهو يساعد على تحسين الأداء لأن المُكوِّنات المُختلفة مُصممة لأداء مهام محددة بشكل أكثر كفاءة من استخدام مُكوِّن للأغراض العامة مثل وحدة المعالجة المركزية لكل شيء.
ونتيجة لذلك، يعد تسريع الأجهزة أمرًا قياسيًا جدًا في أجهزة الكمبيوتر الحديثة. على سبيل المثال، ستجد وحدة معالجة الرسومات (GPU) لمعالجة الرسومات وبطاقة صوت للصوت.
يتم قياس أداء كل من GPU و NPU من حيث عدد تريليونات العمليات التي يُمكن للمعالج تنفيذها في الثانية. يُشار إلى هذا عادةً بـ Tera (أو تريليون) عملية في الثانية (TOPS). على سبيل المثال، تتميز شرائح Snapdragon X Elite من Qualcomm بما يصل إلى 45 TOPS (من وحدة NPU وحدها)، في حين أنَّ وحدة معالجة الرسوميات GeForce RTX 4090 من NVIDIA لديها أكثر من 1300 TOPS.
يمكن أن تكون وحدات معالجة الرسومات مُنفصلة (منفصلة عن المُعالج) أو مدمجة (مدمجة في المُعالج). حتى وقت كتابة هذا التقرير، تم دمج وحدات NPU في وحدة المعالجة المركزية. على سبيل المثال، تحتوي معالجات Apple-Series و M-Series على وحدة NPU (ما يُسمى Apple Neural Engine) مُدمجة في المُعالج. ومع ذلك، فإنَّ بعض وحدات NPU منفصلة، مثل قبعة NPU الرسمية لـ Raspberry Pi.
في الختام، وحدة NPU هي معالج يعمل على تسريع المعالجة العصبية، في حين أن وحدة معالجة الرسومات هي معالج مُتخصص لمعالجة الرسومات. ونظرًا لبنية المعالجة المتوازية الخاصة بهما، يمكن لكل منهما إجراء تريليونات من العمليات في الثانية.
في حين أنَّ وحدات NPU متخصصة فقط في مهام الذكاء الاصطناعي وتعلم الآلة، فقد توسعت حالات استخدام وحدة معالجة الرسومات في السنوات الأخيرة إلى ما هو أبعد من الرسومات. كما يتم استخدامها أيضًا في تطبيقات أخرى ذات أغراض عامة، خاصة في العمليات كثيفة البيانات مثل تدريب نماذج الذكاء الاصطناعي وتعدين العملات المشفرة. يُمكنك الإطلاع الآن على هل تُواجه إختناق أداء المُعالج أو بطاقة الرسومات؟ كيف تتحقق (وأيهما أسوأ).
