پردازنده Arm AGI در پردازش ایجنت‌ها تقریباً دو برابر بهتر از AMD EPYC ظاهر شد

شرکت Arm پردازنده AGI خود را با پردازنده‌های EPYC شرکت AMD مقایسه کرده و مدعی شده است که در پردازش‌های هوش مصنوعی عامل‌محور، عملکرد این تراشه در سطح رک تقریباً دو برابر بهتر است.

با گسترش عرضه تراشه‌های بهینه‌شده برای هوش مصنوعی عامل‌محور، رقابت در این حوزه شدت گرفته است. تقریباً هر هفته یکی از شرکت‌ها نتایج بنچمارک‌هایی را منتشر می‌کند که از برتری محصولاتش نسبت به رقبا حکایت دارند؛ سپس شرکت‌های رقیب نیز با انتشار نتایج آزمایش‌های خود به این ادعاها پاسخ می‌دهند.

آرم در رویداد OCP 2026، اطلاعات تازه‌ای درباره عملکرد پردازنده AGI خود ارائه کرد. این نتایج، آزمایش‌هایی را تکمیل می‌کنند که این شرکت پیش‌تر منتشر کرده بود.

تراشه AGI پردازنده‌ای است که Arm طراحی و اوایل امسال آن را معرفی کرده است. این محصول نخستین پردازنده سرورمحور طراحی‌شده توسط آرم محسوب می‌شود و با تمرکز بر عملکرد بالا، مقیاس‌پذیری و بهره‌وری، برای پردازش‌های هوش مصنوعی عامل‌محور بهینه شده است.

این تراشه از نسل سوم هسته‌های Neoverse شرکت Arm استفاده می‌کند. این هسته‌ها با همکاری چندسطحی ارائه‌دهندگان بزرگ خدمات ابری و مراکز داده عظیم، به‌طور ویژه برای کارهای هوش مصنوعی عامل‌محور بهینه‌سازی شده‌اند.

بخشی از این بهینه‌سازی‌ها شامل کاهش تأخیر حافظه است تا هر هسته بتواند به پهنای باند حافظه بالایی دسترسی داشته باشد. این پردازنده‌ها همچنین برای دستیابی به مقیاس‌پذیری خطی در استقرارهای مبتنی بر رک و مجموعه‌ای از رک‌ها طراحی شده‌اند؛ به‌طوری‌که با افزایش تعداد سرورها، افت عملکرد قابل‌توجهی رخ ندهد و میزان بهره‌برداری به ۹۰ تا ۹۵ درصد برسد.

طراحی این تراشه‌ها همچنین بر محدود نگه داشتن مصرف برق متمرکز است تا نیاز به ظرفیت خنک‌کننده اضافی کاهش پیدا کند. این رویکرد هزینه‌ها را پایین می‌آورد و به شرکت‌های بزرگ ارائه‌دهنده خدمات ابری اجازه می‌دهد تعداد بیشتری هسته پردازشی را در رک‌های خود جای دهند.

برای بررسی عملکرد جدید، مؤسسه تحقیقاتیSignal65پردازنده AGI را در مجموعه‌ای از آزمایش‌ها با استفاده از بنچمارک‌های TerminalBench و SwayBench ارزیابی کرد. این پردازنده با تراشه AMD EPYC Turin مبتنی بر معماری Zen 5 مقایسه شد.

نتایج نشان می‌دهند پردازنده AGI نه‌تنها عملکرد بهتری به‌ازای هر هسته ارائه می‌دهد، بلکه در سطح هر رک نیز توان پردازشی بالاتری دارد.

عملکرد پردازنده AGI در هر تراشه، در میان هفت بارکاری آزمایش‌شده به‌طور میانگین ۱.۲۰ برابر پردازنده EPYC 9755 است. بااین‌حال، AMD در دو آزمایش به‌طور کامل برتری دارد. پردازنده AMD در آزمایش MySQL با ضریب ۰.۸۸ و در Milvus با ضریب ۰.۹۵ نسبت به AGI عملکرد بهتری در سطح هر سوکت نشان می‌دهد.

رقم ۱.۹۹ برابر از مدل توان مصرفی اسمی سرورهای Arm به دست می‌آید. بر اساس این مدل، در یک رک ۲۴ کیلوواتی می‌توان ۲۱ تا ۲۳ سرور مجهز به AGI را جای داد؛ درحالی‌که این رک تنها ظرفیت ۱۳ سرور EPYC 9755 را دارد. در نتیجه، تعداد هسته‌های فیزیکی در سیستم‌های Arm به ۵۷۱۲ تا ۵۸۸۸ هسته می‌رسد، درحالی‌که این تعداد برای سیستم‌های AMD برابر با ۳۳۲۸ هسته است. دلیل این تفاوت آن است که توان مصرفی اسمی سرور AGI بین ۹۵۰ تا ۱۰۵۰ وات است، اما یک سیستم دو‌سوکته مجهز به EPYC به ۱۷۰۰ وات نیاز دارد.

با ضرب نتایج عملکرد هر تراشه در ضریب تراکم ۱.۶۲ تا ۱.۷۷ برابری، ارقام عملکرد در سطح رک به دست می‌آیند. تحلیل حساسیت همین گزارش نیز نکته مهمی را نشان می‌دهد: در این آزمایش‌ها برای هر رشته پردازشی سخت‌افزاری ۴ گیگابایت حافظه در نظر گرفته شده است. این روش باعث می‌شود رک مجهز به EPYC که از فناوری SMT پشتیبانی می‌کند، به‌ازای هر سرور حدود ۲ ترابایت حافظه داشته باشد؛ درحالی‌که این مقدار برای AGI برابر با یک ترابایت است. اگر ظرفیت حافظه بر اساس تعداد هسته‌های فیزیکی محاسبه شود، میانگین برتری AGI در هفت بارکاری از ۱.۹۹ برابر به حدود ۱.۸۱ برابر کاهش می‌یابد.

Arm AGI در بارکاری‌های عامل‌محور، عملکرد بیشتری در سطح رک ارائه می‌دهد. این پردازنده در هر سه دسته عملکردی هوش مصنوعی عامل‌محور، در مقایسه با EPYC 9755 برتری دارد. میانگین برتری آن در ابزارهای مورد استفاده عامل‌های هوش مصنوعی ۱.۷ برابر، در گردش‌کارهای کامل عامل‌محور ۲ برابر و در استدلال و برنامه‌ریزی ۲.۲ برابر است. این عملکرد درحالی به دست می‌آید که توان مصرفی اسمی سرورهای AGI از سرورهای دو‌سوکته AMD EPYC 9755 کمتر است: ۹۵۰ تا ۱۰۵۰ وات در برابر ۱۷۰۰ وات.

پردازنده AGI زمان ساخت محیط‌های ایزوله یا سندباکس را کاهش می‌دهد. در مقایسه با یک سیستم دو‌سوکته مجهز به AMD EPYC 9965، پردازنده AGI در هر سه محیط اجرای سندباکس در بنچمارک Sandbench، یعنی runc ،Firecracker و gVisor، سریع‌تر عمل کرده است. این پردازنده زمان راه‌اندازی سرد را ۴۵ درصد و راه‌اندازی گرم را ۲۷ درصد کاهش داده است. این بهبودها سربار ایجاد محیط‌های اجرای عامل‌های هوش مصنوعی را کمتر می‌کنند.

تراشه‌سازان به‌طور مداوم تلاش می‌کنند عملکرد هر هسته را افزایش دهند. هرچند افزایش تعداد هسته‌ها همچنان برای طیف گسترده‌ای از بارکاری‌ها ضروری است، عامل‌های هوش مصنوعی به هسته‌های سریع‌تری نیاز دارند و به همین دلیل، سازندگان تمرکز بیشتری بر این بخش گذاشته‌اند.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.