حاسوب صغير مصمم لمشكلة كبيرة
تستهدف تهيئة Framework Desktop المرتقبة عنق زجاجة واضحًا في تشغيل نماذج اللغة الكبيرة محليًا: كيف يمكن تحميل نموذج ضخم في الذاكرة من دون الاعتماد على بطاقة رسومية منفصلة ذات ذاكرة VRAM محدودة؟
تجمع المنظومة بين معالج AMD Ryzen AI Max+ PRO 495 ذي 16 نواة، وما يصل إلى 192 غيغابايت من ذاكرة LPDDR5X-8533 الموحدة، وبعرض نطاق يصل إلى 273 غيغابايت في الثانية. وبالتوازي، تشير تجربة غير معلنة في Windows 11 إلى أن Microsoft قد تمنح المستخدمين تحكمًا أكبر في الجزء المخصص للرسوميات وتطبيقات الذكاء الاصطناعي.
لكن هذه التطورات لا تعني أن الحوسبة السحابية ستختفي. الرسالة الأوضح هي أن الحاسوب المحلي للذكاء الاصطناعي أصبح يعتمد على سعة الذاكرة وعرض نطاقها بقدر اعتماده على المعالج أو وحدة التسريع.
ماذا يقدم إصدار Framework بسعة 192 غيغابايت؟
يعتمد الإصدار الأعلى المرتقب على Ryzen AI Max+ PRO 495، وهو معالج يضم 16 نواة و32 خيط معالجة من معمارية Zen 5، إلى جانب رسوميات Radeon مدمجة ووحدة معالجة عصبية XDNA 2. وتبلغ الذاكرة الموحدة 192 غيغابايت، مع عرض نطاق قدره 273 غيغابايت في الثانية. وتمثل هذه السعة زيادة بنسبة 50% عن تهيئة Ryzen AI Max+ 395 السابقة التي وصلت إلى 128 غيغابايت، بينما يزيد عرض النطاق بنسبة 6.6% عن 256 غيغابايت في الثانية في المنصة السابقة.
1
2
3
16
ولأن المعالج والرسوميات المدمجة يستخدمان مجموعة الذاكرة الفيزيائية نفسها، تقول Framework إن ما يصل إلى 160 غيغابايت يمكن تخصيصه للمعالج الرسومي المدمج. وهذه هي الميزة الأساسية لمستخدمي نماذج اللغة الكبيرة: إبقاء قدر أكبر من أوزان النموذج داخل جهاز واحد، بدل توزيعها بين ذاكرة VRAM محدودة وذاكرة نظام أبطأ.
1
10
مع ذلك، لا ينبغي الخلط بين سعة الذاكرة وسرعة التنفيذ. فـ273 غيغابايت في الثانية رقم كبير بالنسبة إلى حاسوب مكتبي صغير، لكنه أقل بكثير من عرض النطاق في بعض الأنظمة المتقدمة ذات الذاكرة الموحدة. وقد ينجح النموذج في التحميل، لكنه لا يعمل بالسرعة نفسها عند استخدام سياق طويل أو تشغيل تطبيقات أخرى أو خدمة عدة مستخدمين في الوقت ذاته.
ما النماذج التي يمكن تشغيلها؟
استعرضت Framework تشغيل نسخة Q8 مضغوطة من نموذج DeepSeek V4-Flash محليًا، مع بقاء مساحة إضافية للسياق، بحسب تغطية العرض التوضيحي للشركة.
7
14 كما وصفت تقارير أخرى تهيئة 192 غيغابايت بأنها قادرة على استيعاب نموذج يضم نحو 284 مليار معامل داخل الذاكرة، لكن ينبغي فهم ذلك بوصفه ادعاءً متعلقًا بسعة الاستيعاب، لا اختبارًا مستقلًا لسرعة توليد النص.
4
وتؤدي الكمّية أو Quantization دورًا حاسمًا هنا. فتمثيل الأوزان بعدد أقل من البتات يقلل الذاكرة المطلوبة، لكن الاحتياج النهائي يتغير بحسب بنية النموذج، ووقت التشغيل، وطول نافذة السياق، والتطبيقات التي تعمل بالتوازي مع برنامج الاستدلال.
بعبارة أبسط: تحدد السعة ما إذا كان النموذج يمكن تحميله أصلًا، بينما يحدد عرض النطاق والبرمجيات والقدرة الحاسوبية مدى سهولة استخدامه وسرعته.
ماذا تضيف تجربة Microsoft في Windows 11؟
تختبر Microsoft، وفق تقارير، ميزة داخلية في Windows 11 تحمل اسم IntelligentCarveout ضمن الإصدار التجريبي 29648.1000. وتشير نصوص مكتشفة داخل الإصدار إلى عبارات مثل «الذاكرة المحجوزة للمسرّعات» و«الذاكرة للرسوميات وتسريع الذكاء الاصطناعي». ويبدو أن الهدف هو السماح للنظام بحجز جزء محدد من الذاكرة الموحدة للرسوميات والتطبيقات كثيفة الاستخدام للذكاء الاصطناعي، بدل ترك كامل الذاكرة للتخصيص الديناميكي.
33
34
35
قد يفيد ذلك في الأجهزة التي تتنافس فيها تطبيقات Windows وبيئة تشغيل النموذج على الذاكرة نفسها. فمنطقة محجوزة مسبقًا يمكن أن تمنح مهام تشغيل النماذج وصولًا أكثر استقرارًا، وتقلل احتمال فشل التخصيص عندما تستهلك البرامج الأخرى الذاكرة المتاحة.
لكن IntelligentCarveout ليست ذاكرة إضافية، ولا تزيد سرعة ناقل الذاكرة، ولا تضيف مسرّعًا جديدًا. كما أن الذاكرة المحجوزة لن تكون متاحة للتطبيقات العادية؛ فإذا خصص المستخدم مساحة أكبر للذكاء الاصطناعي، فسيترك مساحة أقل لنظام Windows وبرامجه. ولم تؤكد Microsoft الواجهة النهائية أو الأجهزة المدعومة أو موعد الإصدار، بل إن الميزة قد تتغير أو لا تصل إلى النسخة النهائية أصلًا.
36
40
44
قابلية الترقية: ميزة Framework لا تشمل الذاكرة
تقدم Framework Desktop نفسه بوصفه حاسوبًا صغيرًا أكثر قابلية للإصلاح والتعديل من كثير من منافسيه. ومن المتوقع أن تحتفظ التهيئة الجديدة بفتحة توسعة PCIe x4 مفتوحة، ما يمنح المستخدمين خيار إضافة بطاقات أو عتاد متوافق مستقبلًا.
13
أما الذاكرة فقصتها مختلفة. فذاكرة LPDDR5X بسعة 192 غيغابايت مثبتة على اللوحة الأم، وليست وحدات DIMM قابلة للاستبدال. لذلك ينبغي للمشتري التعامل مع السعة المختارة على أنها نهائية؛ والانتقال إلى سعة أكبر سيتطلب غالبًا استبدال اللوحة الأم مستقبلًا، لا إجراء ترقية تقليدية للذاكرة.
13
وتعرض Framework استخدامات موجهة إلى Windows وLinux، مع خيار تحميل Linux مسبقًا.
2 لكن توافق تشغيل النماذج محليًا سيعتمد على بيئة التشغيل ومسار التسريع المستخدم. ويمكن للأنظمة المعتمدة على AMD الاستفادة من برمجيات مثل ROCm أو Vulkan، في حين تعتمد منصات أخرى على Metal وMLX لدى Apple أو CUDA لدى NVIDIA. وهذه المنظومات ليست متطابقة؛ فقد يحتاج النموذج الذي يعمل على منصة إلى بيئة مختلفة على منصة أخرى، أو لا يحظى بالتحسين نفسه.
19
24
السعر والتوافر ما زالا مجهولين
حتى 31 أغسطس 2026، كانت Framework تدرج إصدار Desktop المزود بـRyzen AI Max+ PRO 495 وذاكرة 192 غيغابايت تحت عبارة «قريبًا». ولم تعلن الشركة سعرًا أو موعدًا للطلب المسبق أو الشحن أو التوافر الواسع.
2
10
11
لذلك من المبكر إصدار حكم نهائي على الأداء والقيمة. فالمنتج لا يزال في مرحلة المعاينة، والعروض المنشورة لا تغني عن اختبارات مستقلة لسرعة التوليد، ودرجات الحرارة، واستهلاك الطاقة، وتوافق النماذج، والأداء المستمر تحت الأحمال الطويلة.
6
كيف تقارن هذه الفكرة بالأنظمة المنافسة؟
لا تخترع Framework مفهوم الذاكرة الموحدة، بل تنضم إلى اتجاه قائم. تستخدم أجهزة Apple Silicon ذاكرة مشتركة بين المعالج والرسوميات، وتوفر بعض تهيئاتها عرض نطاق أعلى بكثير، من بينها تهيئة M4 Max بذاكرة 128 غيغابايت وعرض نطاق يبلغ 546 غيغابايت في الثانية.
17
20
كما توفر حواسيب صغيرة تعتمد على Ryzen AI Max+ 395، مثل أجهزة GMKtec وBeelink، بدائل بذاكرة مشتركة تصل إلى 128 غيغابايت، بينما تركز أنظمة من فئة NVIDIA DGX Spark على توافق CUDA في حجم صغير وسعة ذاكرة مرتفعة.
19
24
وعند مقارنة هذه الأجهزة، تبرز خمسة عوامل أساسية:
- السعة: تحدد ما إذا كان النموذج المضغوط يمكن تحميله من دون نقل جزء كبير منه إلى ذاكرة أبطأ.
- عرض النطاق: يؤثر بقوة في سرعة نقل بيانات النموذج أثناء الاستدلال.
- البرمجيات: تحدد بيئات التشغيل والنوى البرمجية وأدوات تقديم النماذج التي تعمل بكفاءة.
- قابلية الترقية: مهمة لأن ذاكرة LPDDR5X الموحدة تكون عادة مثبتة عند الشراء.
- السعر والتوافر: يحولان المنتج المعروض في مؤتمر أو معاينة إلى خيار شراء عملي، أو يبقيانه مجرد وعد.
الدرس الأوسع لحواسيب الذكاء الاصطناعي
ليست مواصفة Framework الأهم هي رقم أداء وحدة NPU، بل مجموعة الذاكرة المشتركة الكبيرة. كما تعزز تجربة Microsoft المرتقبة الفكرة نفسها: كلما بدأت الحواسيب بتشغيل نماذج أكبر محليًا، أصبحت إدارة الذاكرة داخل نظام التشغيل جزءًا من تجربة الذكاء الاصطناعي ذاتها.
هذا لا يعني أن الحواسيب المحلية ستحل محل الاستدلال السحابي. فالأنظمة الصغيرة ذات الذاكرة الموحدة جذابة لمن يريد تشغيل نموذج على جهاز واحد، أو العمل دون اتصال، أو إبقاء البيانات داخل بيئته الخاصة. لكن البنية السحابية تظل أنسب للنماذج الأضخم، والقدرة المرنة، والعمل التعاوني، والمهام التي تحتاج إلى إنتاجية أعلى عبر عدة وحدات رسومية.
الاستنتاج الأكثر واقعية هو أن مفهوم «حاسوب الذكاء الاصطناعي» يتوسع. فهو لم يعد يعني جهازًا يضم NPU لمساعد ذكي فحسب؛ إذ يمكن لحاسوب مكتبي صغير بذاكرة موحدة كافية أن يتحول إلى خادم نماذج محلي. لكن قبل الشراء، سيظل على المستخدم فحص عرض النطاق، ودعم البرمجيات، وثبات الذاكرة، والاختبارات الحقيقية، وتأكيد السعر والتوافر.