ارزیابی رایانه‌های مجهز به NPU در مقابل معماری‌های استاندارد برای به‌روزرسانی ناوگان سازمانی

در تاریخ ۲۰ مه ۲۰۲۴، مایکروسافت با الزامی کردن واحد پردازش عصبی (NPU) با توان ۴۰ ترافلاپس (TOPS) برای نام‌گذاری «Copilot+»، تعریف پایه سخت‌افزاری ویندوز را تغییر داد و چرخه‌های خرید سازمانی را یک شبه دگرگون کرد. پیش از آن تاریخ، لپ‌تاپ‌ها برای انجام وظایف محاسباتی کاملاً به پردازنده‌های مرکزی و کارت‌های گرافیک متکی بودند. معرفی یک بلوک سیلیکونی اختصاصی برای ضرب ماتریسی، بخش‌های فناوری اطلاعات را مجبور کرد تا چرخه‌های به‌روزرسانی سخت‌افزاری خود را بازنگری کنند. اکنون، با آغاز فصل خرید ۲۰۲۶، مدیران ناوگان با بازاری متلاشی مواجه هستند: یا هزینه اضافی برای سیلیکون مجهز به NPU بپردازند، یا به معماری‌های استانداردی که به‌طور قابل اعتمادی جریان‌های کاری سازمانی را پشتیبانی کرده‌اند، پایبند بمانند.[1]

زبان بازاریابی پیرامون این دستگاه‌ها به شدت بر اصطلاح «رایانه شخصی هوش مصنوعی» (AI PC) تکیه دارد و جهشی اساسی در نحوه عملکرد رایانه‌ها را القا می‌کند. در واقعیت، NPU صرفاً یک مدار مجتمع کاربرد-خاص (ASIC) است که برای انجام محاسبات ۸ بیتی صحیح (INT8) با کارایی بالا طراحی شده است. شبکه‌های عصبی، که فناوری زیربنایی یادگیری ماشین مدرن هستند، برای پردازش داده‌ها به میلیون‌ها مورد از این محاسبات ساده نیاز دارند. در حالی که یک CPU استاندارد می‌تواند این محاسبات را انجام دهد، اما این کار را به شکلی ناکارآمد، با مصرف برق قابل توجه و تولید گرما انجام می‌دهد.[2][4]

قابلیت اصلی که NPU ارائه می‌دهد، عملکرد جدیدی نیست، بلکه بهره‌وری انرژی برای بارهای کاری مداوم پس‌زمینه است. در وایت‌پیپر معماری Core Ultra اینتل آمده است: «NPU به طور خاص برای بارهای کاری هوش مصنوعی با شدت کم و مداوم طراحی شده است تا بار را از روی CPU و GPU بردارد و عمر باتری را حفظ کند.» هنگامی که کاربر پس‌زمینه خود را در یک تماس ویدیویی محو می‌کند، NPU می‌تواند مدل بینایی کامپیوتری را مدیریت کند در حالی که بین ۲ تا ۵ وات برق مصرف می‌کند. یک کارت گرافیک موبایل مجزا که دقیقاً همان کار را انجام می‌دهد، ممکن است بین ۲۰ تا ۱۱۵ وات برق بکشد و باتری لپ‌تاپ را به سرعت تخلیه کند.