‏RTX Spark انویدیا: لپ‌تاپی با ۱۲۸ گیگ حافظهٔ مشترک برای هوش مصنوعی محلی

RTX Spark پلتفرم تراشهٔ جدید انویدیاست که یه پردازندهٔ Grace و یه گرافیک Blackwell سری RTX رو روی یه تکه سیلیکون کنار هم می‌ذاره. این دو تا تا ۱۲۸ گیگابایت unified memory (یعنی حافظه‌ای که هم CPU و هم GPU مستقیم ازش استفاده می‌کنن) رو با هم شریکن. اولین لپ‌تاپی که با این تراشه اومده Microsoft Surface Laptop Ultra هست، یه دستگاه ۱۵ اینچی لمسی که برای برنامه‌نویس‌هایی که مدل هوش مصنوعی رو محلی اجرا می‌کنن، کارای خلاقانه و بازی هم ساخته شده.

تو لپ‌تاپ‌های معمولی حافظه دو بخش جداست: RAM سیستم برای CPU و VRAM روی کارت گرافیک. اگه GPU هشت یا شونزده گیگ VRAM داشته باشه، همین سقف بارگذاری مدله، حتی اگه کلی RAM سیستم بیکار بمونه. مقاله می‌گه مدل‌های زبانی بزرگ معمولاً اول به محدودیت حافظه می‌خورن تا محدودیت پردازش. مدلی که با quantization معقول (یعنی فشرده‌سازی وزن‌ها با دقت کمتر) ۴۰ تا ۶۰ گیگ حافظه می‌خواد، روی بیشتر GPUهای مصرفی جا نمی‌شه. یعنی با این حافظهٔ مشترک بزرگ دیگه مجبور نیستی به مدل‌های کوچیک و خیلی فشرده بسنده کنی.

تو تست عملی، این لپ‌تاپ استنتاج مدل محلی، تدوین ویدیو و بازی Gears of War رو هم‌زمان اجرا کرده و طبق گفتهٔ تستر، خنک و بی‌سروصدا مونده. نویسنده می‌گه این ترکیب معمولاً مجبورت می‌کنه یکی رو فدا کنی: لپ‌تاپ‌های گیمینگ برای کارای طولانی هوش مصنوعی کم میارن و لپ‌تاپ‌های ورک‌استیشن سنگین‌تر و پرسروصداترن و تو بازی ضعیف‌تر.

یه نکتهٔ عملی دیگه اینه که CUDA روی این دستگاه به‌صورت بومی پشتیبانی می‌شه. خیلی از ابزارهای هوش مصنوعی محلی مثل فریم‌ورک‌های quantization و runtimeهای استنتاج روی CUDA ساخته شدن، پس اجرای مدل‌های open-weight بدون دردسر درایور و لایهٔ سازگاری انجام می‌شه. سازندهٔ ویدیو هم از Deepseek V3.1 Flash به‌عنوان یکی از گزینه‌های رایگان قوی برای تست روی این سخت‌افزار اسم برده.

به گفتهٔ نویسنده، زمان‌بندیش هم مهمه: مدل‌های کدنویسی اونقدر خوب و ارزون شدن که ساختن نرم‌افزار شخصی به جای خرید اشتراک برای آدمای عادی هم منطقی شده. این یعنی بار بیشتری روی ماشین محلی، چه برای ایجنت‌های کدنویسی و چه برای کار با مدل‌های open-weight به خاطر حریم خصوصی یا هزینه.

البته همه به ۱۲۸ گیگ حافظه تو لپ‌تاپ نیاز ندارن. برای استفادهٔ گاه‌به‌گاه، سرویس‌های ابری هنوز ساده‌تر و از اول ارزون‌ترن. ولی برای کسی که می‌خواد مدل‌های بزرگ رو محلی اجرا کنه یا هزینهٔ API جلسه‌های طولانی رو نده، این معماری یه گلوگاه واقعی رو برطرف می‌کنه.

نکات کلیدی:

• RTX Spark یه CPU Grace و یه GPU Blackwell رو روی یه تراشه با تا ۱۲۸ گیگ حافظهٔ مشترک ترکیب می‌کنه.
• Microsoft Surface Laptop Ultra با صفحهٔ ۱۵ اینچ لمسی، اولین لپ‌تاپ با این تراشه‌ست.
• مدل‌هایی که ۴۰ تا ۶۰ گیگ حافظه لازم دارن روی GPUهای مصرفی با ۸ تا ۱۶ گیگ VRAM جا نمی‌شن ولی اینجا اجرا می‌شن.
• CUDA به‌صورت بومی پشتیبانی می‌شه و ابزارهای هوش مصنوعی انویدیا مستقیم کار می‌کنن.
• تو تست، استنتاج محلی، تدوین ویدیو و Gears of War هم‌زمان بدون داغ شدن اجرا شدن.
• برای استفادهٔ گاه‌به‌گاه، سرویس ابری هنوز ساده‌تر و ارزون‌تره.