٩. فهم الفروق بين وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU) ووحدة معالجة التنسور (TPU) ووحدة معالجة الشبكات العصبية (NPU) في أنظمة الذكاء الاصطناعي الحديثة

١. الذكاء الاصطناعي،, والحوسبة السحابية, ٢. ، وأجهزة الحافة الذكية تعيد تحديد طريقة تصميم أنظمة الحوسبة. ومصطلحات مثل وذاكرة, ٥. وحدة معالجة الرسومات, ٨. وحدة معالجة التنسور (TPU), ٢٩.‏ ، و ٤. وحدة معالجة عصبية (NPU) ٣. أصبحت الآن مركزية في المناقشات المتعلقة بتدريب النماذج، وكفاءة الاستنتاج، وأداء النظام.

٤. وعلى الرغم من أن جميع هذه المكونات الأربعة تعالج البيانات، فإنها مُحسَّنة لأحمال عمل مختلفة. ويوضّح هذا الدليل الفروقات المعمارية بينها، وتركيزها على الأداء، وتطبيقاتها العملية في أنظمة الذكاء الاصطناعي الحديثة.

★ ٥. ما هو وحدة المعالجة المركزية (CPU)؟

٦. التحكم والحساب العام الغرض

٣٩. إنَّ وذاكرة ٧. هي المعالج العام الغرض الأساسي في أنظمة الحوسبة. وتُركِّز على ٨. التنفيذ ذي زمن الوصول المنخفض, ٩. ، والمنطق المعقد للفرعية، وتنسيق النظام.

١٠. الخصائص الرئيسية

• ١١. خط أنابيب متعدد المراحل والتنبؤ بالفرعيات

• ١٢. تسلسل هرمي كبير لذاكرة التخزين المؤقت

• ١٣. مُحسَّن لأحمال العمل المتسلسلة والمختلطة

• ١٤. يتعامل مع أنظمة التشغيل، وإدخال/إخراج البيانات، والتخطيط، والمنطق التطبيقي العام

٢٧. مثالي لـ

• ١٥. تنسيق النظام ومهمات نظام التشغيل

• ١٦. عمليات قواعد البيانات ومنطق واجهات برمجة التطبيقات (API)

• ١٧. المعالجة المسبقة/المؤخرة لنماذج الذكاء الاصطناعي

• ١٨. مكدس الشبكات ومستوى التحكم

٢. القيود

• ١٩. إنتاجية أقل في المعالجة المتوازية مقارنةً بوحدات معالجة الرسومات (GPUs) والمعجلات

• ٢٠. تكلفة أعلى لكل عملية ذكاء اصطناعي

★ ٢١. ما هي وحدة معالجة الرسومات (GPU)؟

٢٢. الحوسبة عالية التوازي لتدريب التعلُّم الآلي

٢٣. وبُنيت في الأصل للرسومات،, ٨. وحدات معالجة الرسومات (GPUs) ٢٤. فهي تتفوق في ٢٥. العمليات العائمة المتوازية الضخمة, ٢٦. ، مما يجعلها المسيطرة في تدريب التعلُّم العميق.

١٠. الخصائص الرئيسية

• ٢٧. آلاف وحدات المنطق الحسابي (ALUs) ذات التعليمات الفردية لمجموعة بيانات متعددة (SIMD/SIMT)

• ٢٨. إنتاجية عالية في العمليات العائمة نصف الدقة (FP16) والدقة الكاملة (FP32)

• ٢٩. فعالة جدًّا في أحمال العمل المبنية على المصفوفات وال tenors

٣٥. الأنسب لـ

• ٣٠. تدريب نماذج التعلُّم العميق

• الحوسبة عالية الأداء (HPC)

• ٣١. العرض المرئي، والمحاكاة، وتسريع الفيديو

٢. القيود

• ٣٢. استهلاك عالٍ للطاقة

• ٣٣. أقل كفاءة في المنطق غير المتوازي

• ٣٤. تتطلب أطر عمل ووظائف أساسية (kernels) مُحسَّنة

★ ٣٥. ما هو وحدة معالجة التنسور (TPU)؟

٣٦. معجِّل الذكاء الاصطناعي الخاص بشركة جوجل

A ٢٢. وحدة معالجة التنسور (TPU) ٣٧. هي دائرة متكاملة مخصصة للذكاء الاصطناعي (ASIC) طورتها شركة جوجل لـ ٣٨. ضرب المصفوفات وعمليات التنسور, ٣٩. ، وتُستخدم بكثافة في تدريب واستنتاج التعلُّم الآلي على نطاق واسع.

٤٠. السمات المعمارية الرئيسية

• ٤١. وحدات حسابية على شكل شبكة انقباضية (Systolic array)

• ٤٢. ذاكرة داخلية عالية النطاق الترددي

• ٤٣. مُحسَّنة لإطار عمل TensorFlow والنماذج التحويلية (transformer) الكبيرة

٣٥. الأنسب لـ

• ٤٤. الذكاء الاصطناعي على نطاق السحابة وتدريب النماذج اللغوية الكبيرة (LLMs)

• ٤٥. الاستنتاج عالي الإنتاجية

• ٤٦. أنظمة التوصيات، ونماذج الكلام والرؤية

٢. القيود

• ١. متوفر بشكل رئيسي عبر Google Cloud

• ٢. أقل مرونةً من وحدات معالجة الرسومات (GPUs) للمهام غير المتعلقة بالذكاء الاصطناعي

★ ٣. ما هو وحدة المعالجة العصبية (NPU)؟

٤. استنتاج الذكاء الاصطناعي الفعّال على الجهاز

٣٨. أَنْ ٤. وحدة معالجة عصبية (NPU) ٥. يُسرّع استنتاج التعلّم العميق في ٦. بيئات الحواف منخفضة الطاقة. ٧. . وقد أصبحت الآن قياسيةً في أنظمة شرائح الهواتف المحمولة (SoCs)، ورقاقات الذكاء الاصطناعي للسيارات، ومعالجات إنترنت الأشياء الصناعي (IoT).

١٠. الخصائص الرئيسية

• ٨. خطوط تنفيذ عصبية مخصصة

• ٩. دعم الحساب الكمّي (INT8/INT4)

• ١٠. أداء عالٍ لكل واط في مهام الذكاء الاصطناعي

٣٥. الأنسب لـ

• ١١. الذكاء الاصطناعي المحمول (الرؤية، والكلام، والواقع المعزز/الواقع الافتراضي)

• ١٢. الكاميرات الذكية والروبوتات

• ٤٢. السيارات ٤٣. أنظمة مساعدة السائق المتقدمة (ADAS) ١٣. الحوسبة

• ١٤. النماذج اللغوية الكبيرة المحلية (LLM) واستنتاج الحواف

٢. القيود

• ١٥. غير مناسبة للتدريب على نطاق واسع

• ١٦. مرونة أضيق في نوع المهام مقارنةً بـ CPU/GPU

★ ١٧. جدول المقارنة: CPU مقابل GPU مقابل TPU مقابل NPU

١٨.‏ الميزة	وذاكرة	٥. وحدة معالجة الرسومات	٨. وحدة معالجة التنسور (TPU)	٤. وحدة معالجة عصبية (NPU)
١٨. المحور الأساسي	١٩. التحكم والمنطق	١. الحوسبة المتوازية	٩. الحوسبة التنسورية	٢٠. استنتاج الحواف
٢١. نمط الحوسبة	٢٢. تسلسلي + متوازي مختلط	٢٣. متوازي ضخم	٢٤. مصفوفة سايلوتية (systolic) للعمليات الرياضية	٢٥. خطوط تنفيذ عصبية
٤٣. المجال الذي تتفوق فيه	٦. المرونة	٢٦. التدريب والحوسبة عالية الأداء (HPC)	٢٧. الذكاء الاصطناعي على نطاق واسع	٢٨. الذكاء الاصطناعي منخفض الطاقة
٢٩. الموقع الأمثل	٣٠. الخوادم، وأجهزة الكمبيوتر الشخصية	٣١. محطات العمل، والسحابة	٣٢. Google Cloud	٣٣. أجهزة الحواف

★ ١. سيناريوهات النشر في العالم الحقيقي

٢٠. مراكز البيانات

• ٣٤. GPU / TPU ٣٥. للتدريب على الشبكات العصبية الكبيرة

• وذاكرة ٣٦. لمستوى التحكم، والتخطيط، وإدخال/إخراج البيانات

٣٧. الحواف والمدمَّجة

• ٤. وحدة معالجة عصبية (NPU) ٣٨. للاستنتاج الفوري

• وذاكرة ٣٩. يدير نظام التشغيل، ومهمات النظام، والحوسبة الاحتياطية

٤٠. استراتيجية الذكاء الاصطناعي الهجينة

٤١. تدمج مكدّسات الحوسبة الحديثة بشكل متزايد ٤٢. CPU + GPU/TPU + NPU ٤٣. لتحسين التكلفة، والتأخير، وكفاءة استهلاك الطاقة.

★ ٤٤. الاتصال وبنيّة التحتية المادية

٤٥. تتطلب منصات الحوسبة عالية الأداء شبكات قوية وإدخال/إخراج فعّال. وتضمن واجهات الاتصال المادية الموثوقة سلامة البيانات بين الخوادم، ووحدات التسريع، وأجهزة الحواف.

٤٦. المكوّنات المادية ذات الصلة من ٤٠. LINK-PP

• عالية السرعة ٢. موصلات RJ45 ٤٧. (1 جيجابت/ثانية، 2.5 جيجابت/ثانية، 10 جيجابت/ثانية، مع دعم طاقة عبر الإيثرنت PoE)

• ٤٨. مغناطيسات الإيثرنت ٧. محولات شبكة LAN

• ٤٩. وحدات الإرسال والاستقبال الضوئي (SFP/QSFP) ٥٠. لشبكات مجموعات الذكاء الاصطناعي

• ٥١. مكونات إيثرنت مضمنة من الدرجة الصناعية لبوابات الذكاء الاصطناعي الحوائية

٥٢. تدعم هذه المكونات نقل البيانات عالي السعة ومنخفض التأخير — وهي أمرٌ بالغ الأهمية لأنظمة الذكاء الاصطناعي الموزَّعة.

★ ٢٨.‏ الخلاصة

٥٣. المعالج	١٢.‏ الدور الرئيسي	أفضل استخدام
وذاكرة	٥٤. الحوسبة العامة الغرض	٥٥. التحكم بالنظام، والحوسبة المختلطة
٥. وحدة معالجة الرسومات	٥٦. محرك الحوسبة المتوازي	٥٧. تدريب الذكاء الاصطناعي، ومهام الحوسبة عالية الأداء (HPC)
٨. وحدة معالجة التنسور (TPU)	٥٨. مسرّع التنسور	٥٩. الحوسبة السحابية للنماذج اللغوية الكبيرة (LLM) والتعلّم العميق
٤. وحدة معالجة عصبية (NPU)	٦٠. استنتاج الذكاء الاصطناعي على الحواف	٦١. الذكاء الاصطناعي المحمول والمدمج والسيارات

٦٢. ومع توسع أنظمة الذكاء الاصطناعي عبر السحابة، والحواف، والأجهزة المدمجة، فإن المستقبل يكمن في ٦٣. هندسات الحوسبة الهجينة حيث يعمل كل نوع من المعالجات في مجاله الأمثل.