هیولای ۴۰۰۰ دلاری AMD برای نابود کردن انویدیا از راه رسید
این سیستم در ابتدای عرضه خود به پردازندههای Ryzen AI Max 300 مجهز خواهد بود.
AMD در نمایشگاه CES از مینی پیسی جدیدی با عنوان «Ryzen AI Halo PC» رونمایی کرده بود که ابعادی مشابه مکمینی دارد. حالا این شرکت رسماً اعلام کرده که این دستگاه با قیمت پایه ۳۹۹۹ دلار روانه بازار خواهد شد و همچنین از پردازندههای جدید Ryzen AI Max 400 نیز رونمایی کرده است.
طبق اعلام AMD، این سیستم در ابتدای عرضه خود به پردازندههای Ryzen AI Max 300 مجهز خواهد بود، اما در آینده مدلهای مجهز به تراشههای قدرتمندتر و جدید Ryzen AI Max 400 نیز در دسترس قرار خواهند گرفت. فرایند پیشخرید این محصول نیز از ماه ژوئن (خرداد/تیر ۱۴۰۵) آغاز میشود.
AMD تأکید کرده که هرچند برچسب قیمت ۴ هزار دلاری برای یک کاربر عادی توجیهپذیر بهنظر نمیرسد، اما این دستگاه برای توسعهدهندگان توجیه اقتصادی دارد. برای مثال، ممکن است توسعهدهندهای ماهانه حدود ۷۷۳ دلار برای استفاده از ۶ میلیون توکن هوش مصنوعی هزینه کند، اما AMD میگوید هزینه خرید این سیستم طی ۶ ماه جبران خواهد شد.
این منطق برای کارهای سنگینتر نیز مطرح شده است. برای مثال، برای پروژههای حرفهای که ماهانه ۲۲۵۳ دلار هزینه خدمات ابری دارند، استفاده از کارت گرافیک Radeon R9700 Pro (با قیمت ۴۰۰۰ دلار) این مینی پیسی باعث میشود هزینههای پردازشی کاربر در عرض تنها سه ماه به صفر برسد.
مشخصات تراشههای جدید Ryzen AI Max 400
درخصوص تراشههای جدید Ryzen AI Max 400، مدل پرچمدار این سری با نام «AI Max+ Pro 495» با ۱۶ هسته پردازشی، فرکانس بوست ۵.۲ گیگاهرتز، واحد پردازش عصبی ۵۵ TOPS و گرافیک Radeon 8065S قدرتمندترین نسخه است. این تراشهها از حداکثر ۱۹۲ گیگابایت حافظه یکپارچه پشتیبانی میکنند که امکان اختصاص ۱۶۰ گیگابایت حافظه اختصاصی (VRAM) به پردازنده گرافیکی را فراهم میسازد. سری Ryzen AI Max 400 در سهماهه سوم سال ۲۰۲۶ عرضه خواهد شد.
این دستگاه مستقیماً با «DGX Spark AI PC» محصول انویدیا رقابت میکند. برخلاف محصول انویدیا که تنها از لینوکس پشتیبانی میکند، Ryzen AI Halo به دلیل بهرهگیری از معماری x64، قادر به اجرای ویندوز و لینوکس است. علاوهبراین، سیستم AMD از یک واحد پردازش عصبی با قدرت ۵۰ TOPS و پردازنده گرافیکی رادئون با ۴۰ واحد محاسباتی بهره میبرد. هر دو سیستم نیز دارای ۱۲۸ گیگابایت حافظه یکپارچه هستند که برای اجرای مدلهای بزرگ ضروری است.