بوسگیم با اتصال هفت مینی‌پی‌سی M5 AI، مدل DeepSeek-V3.1 با ۶۷۱ میلیارد پارامتر را به‌صورت محلی اجرا کرد

iXBTRussia3 دقیقه مطالعه۱۴۰۵/۰۶/۰۴ ساعت ۲۱:۰۰

تصویر مرتبط با خبر: Семь мини-ПК объединили в кластер и запустили модель DeepSeek-V3.1 с 671 млрд параметров. Такой фокус показала Bosgame
تصویر مرتبط با خبر: Семь мини-ПК объединили в кластер и запустили модель DeepSeek-V3.1 с 671 млрд параметров. Такой фокус показала Bosgame
خلاصه سریع

اصل خبر در چند خط

شرکت بوسگیم با استفاده از هفت مینی‌پی‌سی M5 AI موفق به اجرا کردن مدل DeepSeek-V3.1 با ۶۷۱ میلیارد پارامتر شد. این مینی‌پی‌سی‌ها بر پایه پردازنده Ryzen AI Max+ 395 ساخته شده‌اند و در نسخه برتر دارای ۱۲۸ گیگابایت رم هستند. اتصال مستقیم از طریق USB4 امکان ایجاد یک خوشه قدرتمند با ۸۹۶ گیگابایت حافظه یکپارچه و ۶۷۲ گیگابایت حافظه GPU را فراهم می‌کند. این راهکار هزینه و مصرف انرژی را به‌صورت قابل‌توجهی کاهش می‌دهد. بوسگیم امکان مقیاس‌پذیری سیستم را با اضافه کردن دستگاه‌های بیشتر فراهم کرده است. قیمت نسخه برتر این مینی‌پی‌سی از ۱۷۰۰ دلار در زمان معرفی به ۲۸۰۰ دلار افزایش یافته است.

متن خبر

شرح خبر

شرکت بوسگیم با استفاده از هفت دستگاه مینی‌پی‌سی قدرتمند M5 AI موفق شد مدل هوش مصنوعی DeepSeek-V3.1 با ۶۷۱ میلیارد پارامتر را به‌صورت محلی و بدون نیاز به سرورهای مرکزی اجرا کند. این مینی‌پی‌سی‌ها که بر پایه پردازنده Ryzen AI Max+ 395 ساخته شده‌اند، در نسخه برتر خود دارای ۱۲۸ گیگابایت رم هستند. با اتصال مستقیم از طریق USB4، هفت دستگاه به یک خوشه واحد تبدیل می‌شوند که ۸۹۶ گیگابایت حافظه یکپارچه و تا ۶۷۲ گیگابایت حافظه اختصاصی برای GPU فراهم می‌کند. این راهکار علاوه بر کاهش قابل‌توجه هزینه‌ها در مقایسه با خوشه‌های سروری مشابه، مصرف انرژی را نیز به‌صورت معقولی پایین نگه می‌دارد. بوسگیم تاکید می‌کند که کاربران می‌توانند با خرید یک دستگاه شروع کنند و سپس در صورت نیاز، دستگاه‌های بیشتری اضافه کنند تا قدرت سیستم را افزایش دهند. شرکت بوسگیم با استفاده از هفت مینی‌پی‌سی M5 AI موفق به اجرا کردن مدل DeepSeek-V3.1 با ۶۷۱ میلیارد پارامتر شد. این مینی‌پی‌سی‌ها بر پایه پردازنده Ryzen AI Max+ 395 ساخته شده‌اند و در نسخه برتر دارای ۱۲۸ گیگابایت رم هستند. اتصال مستقیم از طریق USB4 امکان ایجاد یک خوشه قدرتمند با ۸۹۶ گیگابایت حافظه یکپارچه و ۶۷۲ گیگابایت حافظه GPU را فراهم می‌کند. این راهکار هزینه و مصرف انرژی را به‌صورت قابل‌توجهی کاهش می‌دهد. بوسگیم امکان مقیاس‌پذیری سیستم را با اضافه کردن دستگاه‌های بیشتر فراهم کرده است. قیمت نسخه برتر این مینی‌پی‌سی از ۱۷۰۰ دلار در زمان معرفی به ۲۸۰۰ دلار افزایش یافته است. این دستاورد نشان می‌دهد که اجرای مدل‌های بزرگ هوش مصنوعی تنها محدود به سرورهای گران‌قیمت نیست و می‌توان با استفاده از سخت‌افزارهای مصرفی و اتصال آن‌ها به یکدیگر، به قدرت پردازشی قابل‌توجهی دست یافت. این رویکرد می‌تواند راه را برای توسعه‌دهندگان و پژوهشگران کوچک‌تر هموار کند تا بدون نیاز به سرمایه‌گذاری کلان، به منابع محاسباتی مورد نیاز خود دسترسی پیدا کنند. علاوه بر این، مقیاس‌پذیری سیستم امکان انعطاف‌پذیری بیشتری را برای کاربران فراهم می‌کند تا بتوانند بر اساس نیازهای خود، قدرت پردازشی را افزایش دهند. این فناوری می‌تواند بازار مینی‌پی‌سی‌ها را دگرگون کند و تقاضا برای سخت‌افزارهای مقیاس‌پذیر را افزایش دهد. شرکت‌هایی که به دنبال راهکارهای اقتصادی برای اجرای مدل‌های هوش مصنوعی هستند، ممکن است به این نوع راهکارها روی آورند. همچنین، این رویکرد می‌تواند رقابت را در بازار سخت‌افزارهای هوش مصنوعی تشدید کند و شرکت‌های دیگر را به ارائه راهکارهای مشابه ترغیب کند. در ایران، که دسترسی به سخت‌افزارهای پیشرفته و سرورهای قدرتمند با چالش‌های زیادی همراه است، این نوع راهکارها می‌تواند فرصت‌های جدیدی را برای پژوهشگران و استارت‌آپ‌ها فراهم کند. امکان اجرای محلی مدل‌های بزرگ هوش مصنوعی با هزینه کمتر می‌تواند به توسعه پروژه‌های هوش مصنوعی در کشور کمک کند و وابستگی به سخت‌افزارهای خارجی را کاهش دهد. این فناوری می‌تواند چالش‌های حقوقی جدیدی را در زمینه مالکیت فکری و استفاده از سخت‌افزارهای متصل به هم ایجاد کند. همچنین، ممکن است نیاز به تنظیم مقررات جدیدی برای استفاده از چنین سیستم‌هایی در محیط‌های تجاری و پژوهشی باشد. از طرف دیگر، این رویکرد می‌تواند به توسعه استانداردهای جدیدی برای اتصال و همگام‌سازی سخت‌افزارها منجر شود. چین و آمریکا به عنوان پیشگامان حوزه هوش مصنوعی، ممکن است این فناوری را به عنوان یک تهدید یا فرصت برای رقابت در بازار سخت‌افزارهای هوش مصنوعی در نظر بگیرند. همچنین، کشورهایی که دسترسی محدودی به فناوری‌های پیشرفته دارند، می‌توانند از این راهکار برای کاهش وابستگی به واردات سخت‌افزار استفاده کنند. فناوری و نوآوری در سخت‌افزارهای هوش مصنوعی بوسگیم با اتصال هفت مینی‌پی‌سی M5 AI، مدل DeepSeek-V3.1 را به‌صورت محلی و با هزینه کمتر اجرا کرد. این راهکار مصرف انرژی را نیز کاهش می‌دهد.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.

تحلیل تحریریه

ابعاد مهم خبر

چرا مهم است؟

این دستاورد نشان می‌دهد که اجرای مدل‌های بزرگ هوش مصنوعی تنها محدود به سرورهای گران‌قیمت نیست و می‌توان با استفاده از سخت‌افزارهای مصرفی و اتصال آن‌ها به یکدیگر، به قدرت پردازشی قابل‌توجهی دست یافت. این رویکرد می‌تواند راه را برای توسعه‌دهندگان و پژوهشگران کوچک‌تر هموار کند تا بدون نیاز به سرمایه‌گذاری کلان، به منابع محاسباتی مورد نیاز خود دسترسی پیدا کنند. علاوه بر این، مقیاس‌پذیری سیستم امکان انعطاف‌پذیری بیشتری را برای کاربران فراهم می‌کند تا بتوانند بر اساس نیازهای خود، قدرت پردازشی را افزایش دهند.

اثر کسب‌وکاری

این فناوری می‌تواند بازار مینی‌پی‌سی‌ها را دگرگون کند و تقاضا برای سخت‌افزارهای مقیاس‌پذیر را افزایش دهد. شرکت‌هایی که به دنبال راهکارهای اقتصادی برای اجرای مدل‌های هوش مصنوعی هستند، ممکن است به این نوع راهکارها روی آورند. همچنین، این رویکرد می‌تواند رقابت را در بازار سخت‌افزارهای هوش مصنوعی تشدید کند و شرکت‌های دیگر را به ارائه راهکارهای مشابه ترغیب کند.

اثر احتمالی برای ایران

در ایران، که دسترسی به سخت‌افزارهای پیشرفته و سرورهای قدرتمند با چالش‌های زیادی همراه است، این نوع راهکارها می‌تواند فرصت‌های جدیدی را برای پژوهشگران و استارت‌آپ‌ها فراهم کند. امکان اجرای محلی مدل‌های بزرگ هوش مصنوعی با هزینه کمتر می‌تواند به توسعه پروژه‌های هوش مصنوعی در کشور کمک کند و وابستگی به سخت‌افزارهای خارجی را کاهش دهد.

ارتباط با LegalTech

این فناوری می‌تواند چالش‌های حقوقی جدیدی را در زمینه مالکیت فکری و استفاده از سخت‌افزارهای متصل به هم ایجاد کند. همچنین، ممکن است نیاز به تنظیم مقررات جدیدی برای استفاده از چنین سیستم‌هایی در محیط‌های تجاری و پژوهشی باشد. از طرف دیگر، این رویکرد می‌تواند به توسعه استانداردهای جدیدی برای اتصال و همگام‌سازی سخت‌افزارها منجر شود.

زاویه رسانه/کشور منبع

فناوری و نوآوری در سخت‌افزارهای هوش مصنوعی

برچسب‌ها