Ryzen AI Max Plus 395؛ وقتی سقف VRAM برداشته میشه
هوش مصنوعیخلاصهٔ کاملتر
تو این مقاله اومده که Ryzen AI Max Plus 395 تراشهٔ AMD برای خط ورکاستیشنهای «Ryzen AI Halo» ـه و حول یه ایدهٔ واحد ساخته شده: بهجای اینکه CPU رو با یه GPU مجزا و VRAM ثابت جفت کنه، به هردوشون یه استخر مشترک ۱۲۸ گیگابایتی از حافظهٔ LPDDR5X میده. کنارش ۱۶ هستهٔ CPU و یه GPU رادئون 8060S حدود ۶۰ ترافلاپس در FP16 هست.
برای اینکه بفهمیم چرا این مهمه، باید به مشکل قدیمی نگاه کرد. تو یه ورکاستیشن معمولی، GPU حافظهٔ اختصاصی خودشو داره (مثلاً ۳۲ گیگ) و رم سیستم جداست و از مسیری خیلی کندتر وصل میشه. تا وزنهای مدل از ظرفیت VRAM بزنه بیرون، لایههای اضافی روی رم سیستم offload میشن و سرعت تولید توکن بهشدت میافته. کوانتیزیشن هم سقف داره: هیچ فشردهسازیای یه مدل ۱۲۰ میلیارد پارامتری رو با کیفیت قابلقبول تو ۳۲ گیگابایت جا نمیکنه.
حافظهٔ یکپارچه همین دیوار رو برمیداره. کاربر خودش تصمیم میگیره چقدر از استخر مشترک به GPU برسه — تو تستها تقسیم پیشفرض ۷۵ درصد به GPU بوده — و چون بیشتر اپلیکیشنهای AI رم سیستمی سنگین نمیخوان، عمدهٔ ۱۲۸ گیگ میتونه صرف لودکردن وزنهای مدل بشه.
معاملهٔ این وسط روشنه: حافظهٔ مشترک به سرعت GDDR6 یا HBM روی یه کارت اختصاصی نمیرسه. یعنی روی مدلهای کوچیکی که خودشون تو ۳۲ گیگ جا میشن، کارت مجزا معمولاً توکن بیشتری در ثانیه میده. مزیت Halo دقیقاً جاییه که کارتهای مجزا اصلاً به بازی راه ندارن.
اعداد تست هم همینو نشون میده و به معماری مدل بستگی داره: یه مدل dense نهمیلیاردی با درفتر multi-token-predictor کمی زیر ۴۰ توکن بر ثانیه، یه مدل MoE از خانوادهٔ Qwen 3.6 با ۳۵ میلیارد پارامتر کل ولی فقط ۳ میلیارد پارامتر فعال بالای ۵۰ توکن بر ثانیه، و GPT-OSS 120B حدود ۳۰ توکن بر ثانیه. جالبیش اینه که مدل MoE با اینکه در مجموع بزرگتره، از مدل dense سریعتره چون هر توکن فقط کسری از وزنها رو فعال میکنه.
از نظر نرمافزاری، دستگاه تو دو نسخهٔ ویندوزی و لینوکسی عرضه میشه. نسخهٔ لینوکس با ROCm، PyTorch، LM Studio، Llama.cpp و ComfyUI از پیش تنظیمشده میاد و خبری از پارتیشنبندی دستی درایو نیست. یه اپلیکیشن «AI Developer Center» هم هست که نسخهٔ نرمافزارهای نصبشده رو نشون میده، تخصیص حافظه رو کنترل میکنه، از SSH پشتیبانی میکنه و کتابخونهای از پلیبوکهای سطحبندیشده داره.
یه بخش از تراشه فعلاً روی زمین مونده: NPU حدود ۵۰ TOPS که کنار CPU و GPU نشسته، ولی بیشتر استکهای استنتاج LLM هنوز کار رو از مسیرش رد نمیکنن. نویسنده تأکید میکنه این یه شکاف نرمافزاریه نه محدودیت سختافزاری، و بستگی داره AMD و نگهدارندههای ابزارهایی مثل Llama.cpp و ONNX Runtime چقدر زود پشتیبانی اضافه کنن.
جمعبندی اینه که ارزش این ماشین به تعریف خریدار از «AI محلی» برمیگرده. اگه سقف کارتهات همیشه ظرفیت VRAM بوده و میخوای GPT-OSS 120B یا چند مدل میانرده رو همزمان بالا بیاری، این استخر ۱۲۸ گیگی مشکل واقعیای رو حل میکنه. اعلام نسخهٔ Pro 395 با تا ۱۹۲ گیگابایت هم نشون میده AMD این رویکرد رو یه استراتژی پلتفرمی میبینه، نه یه محصول تکافتاده.
نکات کلیدی:
- استخر مشترک ۱۲۸ گیگابایتی LPDDR5X جای VRAM ثابت رو میگیره و تقسیمش دست کاربره
- مدلهای بالای ۱۰۰ میلیارد پارامتر مثل GPT-OSS 120B قابل اجرا میشن
- سرعتها: حدود ۴۰ توکن بر ثانیه برای dense نهمیلیاردی، بالای ۵۰ برای MoE کوئن، حدود ۳۰ برای 120B
- نسخهٔ لینوکس با ROCm، PyTorch، LM Studio، Llama.cpp و ComfyUI از پیش پیکربندیشده میاد
- پهنای باند حافظهٔ یکپارچه به VRAM اختصاصی نمیرسه؛ مزیت اصلی ظرفیته
- NPU پنجاه TOPS بهخاطر نبود پشتیبانی نرمافزاری فعلاً استفاده نمیشه
