جستجوهای پر طرفدار
موبایل
کنسول بازی
موبایل آیفون
قاب گوشی
لپ تاپ
آخرین جستجوهای شما
موردی وجود ندارد
دسته بندی محصولات
  • دسته بندی محصولاتدسته بندی محصولات
مشاهده همه محصولات دسته بندی محصولات

مایکروسافت نسخه ارزان‌تر سرفیس پرو ۱۲ اینچی را با رم ۸ گیگابایتی معرفی کرد

مایکروسافت نسخه جدید و اقتصادی‌تری از تبلت هیبریدی Surface Pro 12 را معرفی کرده است؛ محصولی که همچنان طراحی ۲ در ۱، نمایشگر ۱۲ اینچی و تراشه Snapdragon X Plus را حفظ کرده، اما برای کاهش قیمت، با حافظه رم کمتر عرضه می‌شود.

این مدل جدید برای کاربرانی طراحی شده که به یک دستگاه سبک، قابل حمل و منعطف نیاز دارند؛ دستگاهی که هم بتواند نقش تبلت لمسی را ایفا کند و هم با اتصال کیبورد جداشونده، به یک لپ‌تاپ کوچک و کاربردی تبدیل شود.

نسخه اقتصادی‌تر سرفیس پرو ۱۲ اینچی

سرفیس پرو ۱۲ اینچی پیش‌تر در نسخه پایه با ۱۶ گیگابایت رم و ۲۵۶ گیگابایت حافظه ذخیره‌سازی عرضه می‌شد. آن مدل با قیمت ۱۰۴۹ دلار روانه بازار شده بود و از تراشه Snapdragon X Plus X1P-42-100 و باتری ۳۸ وات‌ساعتی استفاده می‌کرد.

اکنون مایکروسافت نسخه ارزان‌تری از همین دستگاه را با قیمت ۸۴۹ دلار معرفی کرده است. این یعنی کاربران می‌توانند با پرداخت ۲۰۰ دلار کمتر، همچنان به بسیاری از ویژگی‌های اصلی سرفیس پرو ۱۲ دسترسی داشته باشند.

با این حال، این کاهش قیمت بدون تغییر مهم نبوده است. اصلی‌ترین تفاوت نسخه جدید، کاهش حافظه رم از ۱۶ گیگابایت به ۸ گیگابایت است؛ تغییری که می‌تواند روی تجربه کاربری در برخی سناریوها، به‌ویژه اجرای هم‌زمان چند برنامه یا استفاده از ابزارهای سنگین‌تر، تأثیر بگذارد.

نمایشگر ۱۲ اینچی با نرخ نوسازی ۹۰ هرتز

نسخه جدید سرفیس پرو همچنان به نمایشگر ۱۲ اینچی مجهز است. این صفحه‌نمایش از نرخ تازه‌سازی ۹۰ هرتز پشتیبانی می‌کند که باعث می‌شود جابه‌جایی بین صفحات، اسکرول کردن، کار با قلم و تعامل لمسی با دستگاه روان‌تر انجام شود.

حداکثر روشنایی نمایشگر نیز نزدیک به ۵۰۰ نیت اعلام شده است. این میزان روشنایی برای استفاده روزمره، کارهای اداری، مطالعه، وب‌گردی و تماشای محتوا مناسب به نظر می‌رسد.

مایکروسافت با حفظ همین نمایشگر در نسخه ارزان‌تر، تلاش کرده تجربه بصری دستگاه را قربانی کاهش قیمت نکند. بنابراین تفاوت اصلی این نسخه بیشتر در بخش حافظه رم دیده می‌شود، نه کیفیت صفحه‌نمایش یا طراحی کلی دستگاه.

تراشه Snapdragon X Plus همچنان حفظ شده است

یکی از نکات مثبت نسخه جدید این است که مایکروسافت همچنان از همان تراشه Snapdragon X Plus X1P-42-100 استفاده کرده است. این پردازنده از خانواده تراشه‌های مبتنی بر معماری ARM محسوب می‌شود و برای دستگاه‌های سبک، کم‌مصرف و قابل حمل طراحی شده است.

استفاده از این تراشه باعث می‌شود سرفیس پرو ۱۲ اینچی جدید بتواند در کاربری‌های روزمره مانند مرور وب، کار با اسناد، تماس ویدیویی، یادداشت‌برداری، استفاده آموزشی و اجرای نرم‌افزارهای سبک عملکرد مناسبی ارائه دهد.

البته باید توجه داشت که کاهش رم به ۸ گیگابایت، این دستگاه را بیشتر به گزینه‌ای برای استفاده سبک تا نیمه‌سنگین تبدیل می‌کند. کاربرانی که قصد اجرای پروژه‌های سنگین، نرم‌افزارهای تخصصی یا کار هم‌زمان با چند ابزار حرفه‌ای را دارند، احتمالاً همچنان نسخه ۱۶ گیگابایتی را انتخاب بهتری خواهند دانست.

حذف سازگاری با استاندارد Copilot+

یکی از پیامدهای مهم کاهش رم در این نسخه، حذف سازگاری دستگاه با استاندارد Copilot+ PC است. مایکروسافت برای دستگاه‌های Copilot+ حداقل‌هایی در نظر گرفته و یکی از این پیش‌نیازها، مقدار مشخصی از حافظه رم است.

به همین دلیل، نسخه ۸ گیگابایتی سرفیس پرو ۱۲ دیگر در دسته دستگاه‌های Copilot+ قرار نمی‌گیرد. این موضوع برای کاربرانی اهمیت دارد که قصد استفاده از قابلیت‌های پیشرفته‌تر هوش مصنوعی ویندوز را دارند.

بنابراین اگر هدف اصلی کاربر استفاده از امکانات جدید Copilot+، پردازش‌های AI روی دستگاه یا قابلیت‌های هوشمند ویندوز باشد، مدل ارزان‌تر گزینه کاملی محسوب نمی‌شود. اما برای کاربری‌های روزمره، آموزشی و اداری، همچنان می‌تواند انتخابی منطقی باشد.

حافظه ذخیره‌سازی ۲۵۶ گیگابایتی

سرفیس پرو ۱۲ اینچی جدید به ۲۵۶ گیگابایت حافظه ذخیره‌سازی مجهز شده است. این مقدار برای کاربری عمومی، نصب نرم‌افزارهای متداول، ذخیره اسناد، فایل‌های کاری و استفاده ابری مناسب است.

با این حال، طبق اطلاعات منتشرشده، حافظه ذخیره‌سازی این مدل قابل ارتقا نیست. بنابراین کاربرانی که فایل‌های حجیم زیادی نگهداری می‌کنند یا به فضای ذخیره‌سازی بیشتری نیاز دارند، باید از همان ابتدا به این محدودیت توجه کنند.

برای استفاده بهتر از این دستگاه، احتمالاً ترکیب حافظه داخلی با سرویس‌های ابری مانند OneDrive می‌تواند راهکار مناسبی باشد.

طراحی ۲ در ۱؛ تبلت و لپ‌تاپ در یک دستگاه

یکی از ویژگی‌های اصلی خانواده سرفیس پرو، طراحی هیبریدی آن است. نسخه جدید سرفیس پرو ۱۲ نیز از همین فلسفه پیروی می‌کند. این دستگاه در حالت عادی یک تبلت لمسی سبک و قابل حمل است، اما با اتصال کیبورد جداشونده می‌تواند مانند یک لپ‌تاپ کوچک مورد استفاده قرار گیرد.

این طراحی برای دانشجویان، کاربران اداری، مدیران، تولیدکنندگان محتوای سبک و افرادی که زیاد جابه‌جا می‌شوند، کاربردی است. کاربر می‌تواند هنگام مطالعه، یادداشت‌برداری یا تماشای محتوا از حالت تبلت استفاده کند و هنگام تایپ، کار با اسناد یا مدیریت ایمیل‌ها، کیبورد را به دستگاه متصل کند.

آیا نسخه ارزان‌تر سرفیس پرو ارزش خرید دارد؟

نسخه ۸ گیگابایتی سرفیس پرو ۱۲ اینچی را می‌توان گزینه‌ای اقتصادی‌تر برای کسانی دانست که به طراحی سرفیس، نمایشگر باکیفیت، تراشه Snapdragon X Plus و قابلیت حمل بالا علاقه دارند، اما نمی‌خواهند هزینه نسخه گران‌تر را پرداخت کنند.

با این حال، کاهش رم به ۸ گیگابایت یک نکته مهم است. این دستگاه بیشتر برای استفاده روزمره، وب‌گردی، کلاس آنلاین، کار با فایل‌های آفیس، تماس ویدیویی و مصرف محتوا مناسب است. اما برای کارهای حرفه‌ای‌تر یا استفاده سنگین، نسخه ۱۶ گیگابایتی انتخاب مطمئن‌تری خواهد بود.

جمع‌بندی

مایکروسافت با معرفی نسخه ارزان‌تر Surface Pro 12 تلاش کرده این تبلت ۲ در ۱ را برای کاربران بیشتری قابل دسترس کند. این مدل با قیمت ۸۴۹ دلار عرضه می‌شود و همچنان از نمایشگر ۱۲ اینچی ۹۰ هرتزی، تراشه Snapdragon X Plus و طراحی تبدیل‌شونده بهره می‌برد.

در مقابل، کاهش رم از ۱۶ به ۸ گیگابایت باعث شده این دستگاه دیگر با استاندارد Copilot+ سازگار نباشد و برای کاربری‌های سنگین گزینه ایده‌آلی محسوب نشود.

در مجموع، نسخه جدید سرفیس پرو ۱۲ برای کاربرانی مناسب است که یک دستگاه سبک، قابل حمل، خوش‌ساخت و کاربردی برای کارهای روزمره می‌خواهند؛ اما اگر قدرت پردازشی بیشتر، رم بالاتر و قابلیت‌های هوش مصنوعی Copilot+ اهمیت دارد، بهتر است سراغ نسخه ۱۶ گیگابایتی رفت.

انویدیا با سیستم خنک‌کننده مایع جدید، مصرف آب دیتاسنترهای هوش مصنوعی را به صفر می‌رساند

انویدیا از یک فناوری خنک‌کننده مایع جدید برای نسل آینده تراشه‌های هوش مصنوعی خود رونمایی کرده است؛ سیستمی که به‌طور ویژه برای تراشه‌های Rubin طراحی شده و می‌تواند یکی از جدی‌ترین چالش‌های دیتاسنترهای هوش مصنوعی، یعنی مصرف بالای آب و برق، را تا حد زیادی کاهش دهد.

با رشد سریع هوش مصنوعی، دیتاسنترها به زیرساخت‌هایی بسیار پرمصرف تبدیل شده‌اند. تراشه‌های قدرتمند AI هنگام پردازش مدل‌های بزرگ، حرارت زیادی تولید می‌کنند و همین مسئله باعث می‌شود سیستم‌های خنک‌کننده نقش حیاتی‌تری نسبت به گذشته داشته باشند. حالا انویدیا تلاش کرده با طراحی یک سیستم خنک‌کننده مایع با دمای کاری بالاتر، مصرف انرژی و آب را در دیتاسنترها بهینه‌تر کند.

خنک‌کننده‌ای با ترکیب آب و پروپیلن گلیکول

سیستم جدید انویدیا از یک مایع خنک‌کننده مخصوص استفاده می‌کند که ترکیب آن شامل ۷۵ درصد آب و ۲۵ درصد پروپیلن گلیکول است. پروپیلن گلیکول ماده‌ای رایج در سیستم‌های انتقال حرارت محسوب می‌شود و در بسیاری از تجهیزات صنعتی برای کنترل دما به کار می‌رود.

نکته جالب اینجاست که دمای این مایع هنگام ورود به سیستم حدود ۴۵ درجه سانتی‌گراد است. در نگاه اول شاید چنین دمایی برای خنک‌کردن تراشه‌های قدرتمند هوش مصنوعی عجیب به نظر برسد، اما انویدیا می‌گوید همین دما برای کنترل حرارت تراشه‌های Rubin کافی است.

پس از عبور از سیستم و جذب حرارت تراشه‌ها، دمای مایع به حدود ۵۵ درجه سانتی‌گراد می‌رسد. این بازه دمایی باعث می‌شود سیستم بدون نیاز به خنک‌سازی شدید و چیلرهای پرمصرف بتواند عملیات دفع حرارت را انجام دهد.

 

چرا این فناوری برای دیتاسنترها مهم است؟

در بسیاری از دیتاسنترهای سنتی، سیستم‌های خنک‌کننده وابستگی زیادی به چیلرها دارند. چیلرها برای کاهش دمای آب یا هوا به برق زیادی نیاز دارند و در برخی موارد بخش قابل‌توجهی از مصرف انرژی کل دیتاسنتر را به خود اختصاص می‌دهند.

برخی برآوردها نشان می‌دهد سیستم‌های سرمایشی سنتی می‌توانند تا حدود ۴۰ درصد از برق مصرفی دیتاسنترها را مصرف کنند. این عدد در مقیاس دیتاسنترهای هوش مصنوعی که هزاران تراشه قدرتمند را در کنار هم قرار می‌دهند، اهمیت بسیار زیادی پیدا می‌کند.

راهکار جدید انویدیا با بالا بردن دمای کاری سیستم خنک‌کننده، نیاز به خنک‌سازی شدید را کاهش می‌دهد. به بیان ساده‌تر، به جای اینکه دیتاسنتر انرژی زیادی برای رساندن دمای مایع به سطح بسیار پایین مصرف کند، سیستم می‌تواند با مایعی گرم‌تر نیز حرارت تراشه‌ها را مدیریت کند.

کاهش مصرف آب تا ۱۰۰ درصد

یکی از مهم‌ترین مزایای سیستم جدید انویدیا، استفاده از یک مدار بسته است. در این طراحی، مایع خنک‌کننده تنها یک‌بار وارد سیستم می‌شود و سپس در همان مدار بسته برای تمام عمر دیتاسنتر گردش می‌کند.

این موضوع باعث می‌شود مصرف آب عملیاتی دیتاسنتر به صفر برسد؛ زیرا برخلاف برخی سیستم‌های سرمایشی سنتی، خبری از تبخیر مداوم آب یا نیاز به جایگزینی پیوسته آن نیست.

این قابلیت می‌تواند برای مناطقی که با کمبود منابع آبی مواجه هستند یا نسبت به ساخت دیتاسنترهای عظیم حساسیت دارند، اهمیت زیادی داشته باشد. در سال‌های اخیر، مصرف بالای آب توسط دیتاسنترها به یکی از موضوعات بحث‌برانگیز در برخی کشورها تبدیل شده و حتی در مواردی باعث توقف یا محدودیت پروژه‌های جدید شده است.

کاهش هزینه برق با دمای کاری بالاتر

طبق تخمین‌های ارائه‌شده از سوی شرکت Vertiv، افزایش دمای کاری سیستم‌های خنک‌کننده از محدوده رایج حدود ۲۱ تا ۲۴ درجه سانتی‌گراد به دمای پیشنهادی انویدیا یعنی ۴۵ درجه سانتی‌گراد می‌تواند هزینه‌های برق را به شکل قابل‌توجهی کاهش دهد.

دلیل این موضوع ساده است: هرچه سیستم خنک‌کننده نیاز کمتری به کاهش شدید دما داشته باشد، انرژی کمتری مصرف می‌کند. این مسئله در دیتاسنترهای هوش مصنوعی که تراشه‌های گران‌قیمت و بسیار پرمصرف را به‌صورت شبانه‌روزی به کار می‌گیرند، می‌تواند تأثیر اقتصادی بزرگی داشته باشد.

تراشه‌های Rubin و آینده دیتاسنترهای هوش مصنوعی

تراشه‌های Rubin نسل آینده محصولات هوش مصنوعی انویدیا محسوب می‌شوند و انتظار می‌رود در زیرساخت‌های پیشرفته AI به کار گرفته شوند. این تراشه‌ها احتمالاً توان پردازشی بسیار بالایی خواهند داشت و همین موضوع نیاز به سیستم‌های خنک‌کننده کارآمدتر را جدی‌تر می‌کند.

با افزایش توان پردازشی تراشه‌ها، چالش دفع حرارت نیز پیچیده‌تر می‌شود. بنابراین شرکت‌هایی مانند انویدیا دیگر فقط روی قدرت پردازنده تمرکز ندارند، بلکه طراحی زیرساخت خنک‌سازی، مصرف انرژی، مدیریت گرما و بهره‌وری دیتاسنتر نیز به بخشی از رقابت اصلی تبدیل شده است.

محدودیت‌ها و چالش‌های باقی‌مانده

با وجود مزایای مهم این فناوری، سیستم جدید انویدیا تمام مشکلات پایداری دیتاسنترهای هوش مصنوعی را حل نمی‌کند. درست است که مصرف آب در این مدل به‌شدت کاهش می‌یابد، اما تراشه‌های هوش مصنوعی همچنان برق بسیار زیادی مصرف می‌کنند.

در بسیاری از مناطق، برق مورد نیاز دیتاسنترها هنوز از منابع فسیلی تأمین می‌شود. بنابراین حتی اگر مصرف آب کاهش پیدا کند، مسئله انتشار کربن و فشار روی شبکه برق همچنان باقی می‌ماند.

از طرف دیگر، پیاده‌سازی این فناوری در دیتاسنترهای فعلی نیز ساده و فوری نیست. بسیاری از مراکز داده قدیمی بر اساس معماری‌های خنک‌کننده سنتی طراحی شده‌اند و تبدیل آن‌ها به سیستم‌های خنک‌کننده مایع بسته می‌تواند زمان‌بر و پرهزینه باشد.

جمع‌بندی

سیستم خنک‌کننده مایع جدید انویدیا برای تراشه‌های Rubin می‌تواند گام مهمی در بهینه‌سازی دیتاسنترهای هوش مصنوعی باشد. این فناوری با استفاده از مایع خنک‌کننده‌ای شامل آب و پروپیلن گلیکول، دمای کاری بالاتر و مدار بسته، امکان کاهش چشمگیر مصرف آب و برق را فراهم می‌کند.

مهم‌ترین مزیت این سیستم، حذف مصرف آب عملیاتی در طول عمر دیتاسنتر است؛ موضوعی که می‌تواند نگرانی‌های زیست‌محیطی درباره توسعه مراکز داده هوش مصنوعی را تا حدی کاهش دهد.

با این حال، چالش اصلی همچنان پابرجاست: تراشه‌های هوش مصنوعی برای عملکرد خود به انرژی بسیار زیادی نیاز دارند. بنابراین آینده دیتاسنترهای AI فقط به خنک‌سازی بهتر وابسته نیست، بلکه به تولید برق پاک‌تر، طراحی بهینه‌تر تراشه‌ها و مدیریت هوشمند مصرف انرژی نیز بستگی دارد.

چین با LineShine صدرنشین TOP500 شد؛ سریع‌ترین ابرکامپیوتر جهان از آمریکا عبور کرد

چین بار دیگر توجه دنیای فناوری را به خود جلب کرده است. ابرکامپیوتر جدید این کشور با نام LineShine توانسته در تازه‌ترین رتبه‌بندی جهانی TOP500 جایگاه نخست سریع‌ترین ابررایانه‌های جهان را به دست آورد و عنوانی را که پیش‌تر در اختیار ابرکامپیوتر آمریکایی El Capitan بود، از آن خود کند.

این اتفاق از چند جهت اهمیت دارد. نخست اینکه LineShine با استفاده از تراشه‌های بومی چین ساخته شده و همین موضوع نشان می‌دهد پکن در مسیر کاهش وابستگی به فناوری‌های خارجی، به‌ویژه در حوزه پردازش‌های سنگین و زیرساخت‌های محاسباتی، گام جدی‌تری برداشته است. دوم اینکه این موفقیت، رقابت تکنولوژیک میان چین و آمریکا را وارد مرحله تازه‌ای می‌کند؛ رقابتی که فقط به گوشی‌های هوشمند، تراشه‌ها یا هوش مصنوعی محدود نیست، بلکه حالا به سطح ابررایانه‌های ملی و مراکز پردازشی فوق‌پیشرفته رسیده است.

LineShine؛ ابرکامپیوتر جدید چین با تراشه‌های داخلی

ابرکامپیوتر LineShine در مرکز ملی شنژن چین مستقر شده و بر اساس اطلاعات منتشرشده، از تراشه‌هایی استفاده می‌کند که در داخل چین طراحی شده‌اند. همین مسئله باعث شده این پروژه برای چین فقط یک موفقیت فنی نباشد، بلکه به نوعی نمایش قدرت در مسیر خودکفایی فناوری نیز تبدیل شود.

در رتبه‌بندی ژوئن ۲۰۲۶ فهرست TOP500، LineShine توانست عملکردی بالاتر از El Capitan ثبت کند؛ ابررایانه‌ای که در آزمایشگاه ملی لارنس لیورمور آمریکا قرار دارد و از آن برای پروژه‌های بسیار حساس، از جمله شبیه‌سازی‌ها و نگهداری زیرساخت‌های مرتبط با زرادخانه هسته‌ای ایالات متحده استفاده می‌شود.

این نخستین بار در چند سال اخیر است که یک ابررایانه چینی دوباره در صدر فهرست TOP500 قرار می‌گیرد. چین پیش‌تر نیز در سال‌های گذشته بارها در این رتبه‌بندی حضوری جدی داشت، اما پس از محدودیت‌های صادراتی آمریکا در حوزه تراشه‌ها و تجهیزات پیشرفته، مدتی از ارائه عمومی نتایج عملکرد برخی سیستم‌های خود فاصله گرفته بود.

آیا LineShine واقعاً سریع‌ترین سیستم هوش مصنوعی جهان است؟

با وجود صدرنشینی LineShine در فهرست TOP500، باید به یک نکته مهم توجه کرد: این رتبه‌بندی لزوماً به معنای برتری مطلق در حوزه هوش مصنوعی نیست.

فهرست TOP500 بر پایه بنچمارک‌های سنتی ابررایانه‌ها تنظیم می‌شود. این تست‌ها بیشتر برای ارزیابی توان سیستم‌ها در پردازش‌های علمی، محاسبات عددی سنگین، شبیه‌سازی‌های فیزیکی، تحلیل‌های مهندسی و مسائل مشابه طراحی شده‌اند. به همین دلیل، جایگاه نخست در TOP500 الزاماً نشان نمی‌دهد که یک سیستم برای آموزش مدل‌های عظیم هوش مصنوعی یا پردازش‌های مدرن AI بهترین عملکرد را دارد.

بر اساس گزارش‌ها، LineShine در یک آزمون مرتبط با پردازش‌های نزدیک به کاربردهای هوش مصنوعی، جایگاه چهارم را کسب کرده است. این یعنی ابرکامپیوتر چینی از نظر توان محاسباتی سنتی در سطح بسیار بالایی قرار دارد، اما در رقابت مستقیم با زیرساخت‌های عظیم هوش مصنوعی، تصویر پیچیده‌تر است.

تفاوت ابررایانه‌های سنتی با دیتاسنترهای هوش مصنوعی

در گذشته، ابررایانه‌ها بیشتر برای پروژه‌های علمی و تحقیقاتی ساخته می‌شدند. این سیستم‌ها هزاران پردازنده را به یکدیگر متصل می‌کردند تا محاسبات بسیار پیچیده‌ای مانند شبیه‌سازی واکنش‌های اتمی، مدل‌سازی آب‌وهوا، تحلیل‌های فیزیکی یا پژوهش‌های دانشگاهی را انجام دهند.

اما در سال‌های اخیر، شرکت‌هایی مانند گوگل، مایکروسافت، آمازون، متا و xAI زیرساخت‌هایی ساخته‌اند که تمرکز اصلی آن‌ها روی هوش مصنوعی است. این سیستم‌ها معمولاً بر پایه پردازنده‌های گرافیکی بسیار قدرتمند، شتاب‌دهنده‌های AI و معماری‌های اختصاصی دیتاسنتری طراحی می‌شوند.

نکته مهم اینجاست که بسیاری از این شرکت‌ها سیستم‌های خود را در فهرست TOP500 ثبت نمی‌کنند. بنابراین ممکن است برخی دیتاسنترهای خصوصی هوش مصنوعی از نظر توان پردازش AI قدرتمندتر از ابررایانه‌های حاضر در این رتبه‌بندی باشند، اما نام آن‌ها در لیست رسمی TOP500 دیده نشود.

چرا این موفقیت برای چین اهمیت دارد؟

صدرنشینی LineShine فقط یک رکورد عددی نیست. این اتفاق برای چین اهمیت راهبردی دارد، زیرا نشان می‌دهد این کشور همچنان در حال سرمایه‌گذاری گسترده روی محاسبات پیشرفته، طراحی تراشه و زیرساخت‌های پردازشی مستقل است.

در سال‌های گذشته، آمریکا محدودیت‌های سنگینی بر صادرات تراشه‌های پیشرفته و تجهیزات ساخت تراشه به چین اعمال کرده است. این محدودیت‌ها با هدف کند کردن رشد چین در حوزه‌هایی مثل هوش مصنوعی، ابررایانش، صنایع نظامی، تحلیل داده و فناوری‌های پیشرفته اجرا شده‌اند.

با این حال، چین تلاش کرده با توسعه تراشه‌های داخلی و ساخت زیرساخت‌های بومی، بخشی از این فشارها را جبران کند. LineShine را می‌توان یکی از نمادهای همین مسیر دانست؛ سیستمی که شاید هنوز در همه زمینه‌ها، مخصوصاً هوش مصنوعی، جایگزین کامل پیشرفته‌ترین فناوری‌های غربی نباشد، اما نشان می‌دهد چین در حال بستن فاصله‌هاست.

El Capitan؛ رقیب قدرتمند آمریکایی

ابرکامپیوتر El Capitan پیش از LineShine عنوان سریع‌ترین ابررایانه جهان را در اختیار داشت. این سیستم در آمریکا توسعه یافته و یکی از مهم‌ترین پروژه‌های محاسباتی دولت ایالات متحده محسوب می‌شود.

کاربرد El Capitan بیشتر در حوزه‌های امنیتی، شبیه‌سازی‌های علمی، تحلیل‌های بسیار سنگین و پروژه‌های مرتبط با زیرساخت‌های دفاعی آمریکا تعریف شده است. شکست خوردن چنین سیستمی در رتبه‌بندی TOP500، حتی اگر فقط در یک بنچمارک مشخص باشد، از نظر سیاسی و فناوری اهمیت بالایی دارد.

رقابت چین و آمریکا وارد مرحله تازه‌ای شده است

رقابت چین و آمریکا دیگر فقط درباره تولید تراشه یا فروش محصولات مصرفی نیست. اکنون این رقابت به حوزه‌هایی رسیده که آینده فناوری جهانی را تعیین می‌کنند؛ از هوش مصنوعی و رایانش ابری گرفته تا ابررایانه‌ها، نیمه‌هادی‌ها، دیتاسنترها و زیرساخت‌های پردازشی ملی.

LineShine نشان می‌دهد چین قصد ندارد در این رقابت صرفاً مصرف‌کننده فناوری‌های خارجی باشد. این کشور می‌خواهد در بخش‌هایی مثل طراحی تراشه، ساخت ابررایانه و پردازش‌های سنگین، جایگاهی مستقل و قابل اتکا داشته باشد.

در مقابل، آمریکا نیز همچنان با شرکت‌های بزرگی مانند انویدیا، AMD، اینتل، گوگل، مایکروسافت و آمازون، بر بخش بزرگی از بازار پردازش پیشرفته و هوش مصنوعی تسلط دارد. بنابراین صدرنشینی LineShine اگرچه یک موفقیت مهم برای چین است، اما به معنای پایان برتری آمریکا در زیرساخت‌های هوش مصنوعی یا تراشه‌های پیشرفته نیست.

جمع‌بندی

ابرکامپیوتر LineShine چین با کسب رتبه نخست در فهرست TOP500، یک دستاورد مهم برای صنعت فناوری این کشور رقم زده است. استفاده از تراشه‌های بومی در این سیستم، پیام روشنی دارد: چین در مسیر خودکفایی در حوزه پردازش‌های پیشرفته جدی‌تر از همیشه حرکت می‌کند.

با این حال، باید بین سریع‌ترین ابررایانه در بنچمارک‌های سنتی و قدرتمندترین سیستم برای هوش مصنوعی تفاوت قائل شد. LineShine در TOP500 صدرنشین شده، اما این موضوع الزاماً به معنای برتری کامل چین در زیرساخت‌های هوش مصنوعی نیست.

آنچه مسلم است، رقابت محاسباتی میان چین و آمریکا وارد مرحله‌ای حساس‌تر شده است؛ مرحله‌ای که در آن تراشه‌ها، ابررایانه‌ها و دیتاسنترهای هوش مصنوعی نقش تعیین‌کننده‌ای در آینده فناوری جهان خواهند داشت.