هوش مصنوعی (AI) به سرعت در حال تبدیل گوشی‌های هوشمند به مراکز قدرتمند پردازش اطلاعات است. دیگر لازم نیست برای انجام کارهای هوشمندانه حتماً به اینترنت متصل باشید! با پیشرفت تکنولوژی ساخت چیپ‌های پردازنده، شرکت‌های سازنده در حال بهینه‌سازی این قطعات برای انجام محاسبات هوش مصنوعی به صورت مستقیم و بدون نیاز به ارسال داده‌ها به سرورهای خارجی هستند. این موضوع باعث می‌شود سرعت پردازش اطلاعات بیشتر، امنیت داده‌ها بالاتر و در کل تجربه کاربری بسیار بهتری را شاهد باشیم.
در این مقاله قصد داریم به بررسی دقیق‌تر پیشرفتهای فنی که باعث این انقلاب شده‌اند بپردازیم و ببینیم مهندسان چگونه چیپ‌های تلفن همراه را برای پاسخگویی به نیازهای هوش مصنوعی درون دستگاهی طراحی و تولید می‌کنند. با ما در دیجی رو همراه باشید.
1- چیپ‌های مخصوص هوش مصنوعی، قلب تپنده دستگاه‌های هوشمند
یکی از مهم‌ترین عوامل پیشرفت هوش مصنوعی در گوشی‌های تلفن همراه، استفاده از چیپ‌های خاص برای این کار است. شرکت‌های بزرگ تولید کننده چیپ مانند کوالکام، مدیاتک، سامسونگ و اپل، واحدهای پردازش عصبی (NPU) را در دل تراشه‌های پردازشی خود قرار می‌دهند. NPUها دقیقاً برای انجام محاسبات مربوط به یادگیری ماشین طراحی شده‌اند و در مقایسه با پردازنده‌های مرکزی (CPU) یا پردازنده‌های گرافیکی (GPU) معمولی، انرژی بسیار کمتری مصرف می‌کنند.
به عنوان مثال، تراشه اسنپدراگون 8 الیت شرکت کوالکام و دیمنسیتی 9400 شرکت مدیاتک، هر دو دارای NPUهای بسیار پیشرفتهای هستند که قادرند تریلیون‌ها عملیات را در هر ثانیه انجام دهند. این یعنی می‌توانیم از برنامه‌های هوش مصنوعی پیچیده مانند تولید متن، تصویر و ویدیو به صورت لحظه‌ای و با کمترین مصرف انرژی استفاده کنیم.
یکی از دلایل کم مصرف بودن این چیپ‌ها، استفاده از روش‌های محاسباتی خاص با دقت پایین است که به طور چشمگیری مصرف انرژی را کاهش می‌دهد. این مسئله برای دستگاه‌های قابل حمل مانند گوشی‌های تلفن همراه که عمر باتری در آن‌ها اهمیت زیادی دارد، بسیار حیاتی است.
2- عملکرد بهتر، تجربه‌ای لذت‌بخش‌تر
چیپ‌های هوش مصنوعی جدید با تمرکز ویژه بر افزایش سرعت و بهبود عملکرد ساخته می‌شوند. به عنوان مثال، نسل جدید گوشی‌های هوشمند دارای NPUهایی هستند که می‌توانند بیش از 30 تریلیون عملیات در ثانیه را انجام دهند. این سرعت بالا امکان پردازش سریع و روان وظایف پیچیده هوش مصنوعی مانند عکاسی محاسباتی، پردازش زبان طبیعی و ترجمه همزمان را فراهم می‌کند.
برای نمونه، پلتفرم اسنپدراگون 8 الیت، هوش مصنوعی را مستقیماً در فرایند پردازش تصویر و ویدیو ادغام می‌کند. این کار باعث می‌شود قابلیت‌های پیشرفتهای مانند تقسیم‌بندی نامحدود تصویر برای تجزیه و تحلیل و بهینه‌سازی لایه‌های مختلف یک عکس به وجود بیاید.
همچنین، چیپ دیمنسیتی 9400 مدیاتک با ارائه 50 تریلیون عملیات در ثانیه، از موتور هوش مصنوعی Agentic بهره می‌برد. این موتور امکان آموزش هوش مصنوعی درون دستگاهی و اجرای برنامه‌های هوش مصنوعی خودکار را فراهم می‌کند. به این ترتیب، دستگاه می‌تواند بدون نیاز به ارتباط مداوم با اینترنت، رفتار کاربر را یاد بگیرد و خود را با آن هماهنگ کند.
3- مدیریت انرژی و گرما، کلید عمر طولانی باتری
یکی از جنبه‌های کلیدی در هوش مصنوعی درون دستگاهی، بهینه‌سازی مصرف انرژی است. سازندگان تراشه‌های پردازشی با استفاده از روش‌های نوآورانه تلاش می‌کنند تا مصرف انرژی را در محصولات خود به حداقل برسانند. استفاده از محاسبات با دقت پایین، تنظیم ولتاژ به صورت پویا و معماری‌های حافظه کارآمد از جمله تکنیک‌هایی هستند که به کاهش مصرف انرژی کمک می‌کنند.
به عنوان مثال، حافظه LPDDR5X DRAM سامسونگ که نازک‌ترین چیپ حافظه در صنعت با ضخامت تنها 0.65 میلی متر است، علاوه بر بهبود مدیریت حرارت، تا 25 درصد راندمان انرژی را افزایش می‌دهد. این یعنی می‌توانیم از قابلیت‌های هوش مصنوعی پیشرفته بدون نگرانی از تمام شدن زودهنگام باتری استفاده کنیم. شرکت‌های سازنده گوشی‌های هوشمند همچنین از محفظه‌های بخار بزرگ‌تر در گوشی‌ها برای کنترل گرمای تولید شده توسط این چیپ‌ها استفاده می‌کنند.
4- حفظ حریم خصوصی و امنیت با پردازش محلی داده‌ها
یکی از مزایای بزرگ استفاده از چیپ‌های هوش مصنوعی درون دستگاهی، امکان پردازش اطلاعات حساس به صورت محلی است. دیگر لازم نیست اطلاعات شخصی خود را برای پردازش به سرورهای ابری ارسال کنیم. این مسئله باعث افزایش حریم خصوصی و امنیت کاربران می‌شود و گوشی‌های هوشمند را برای استفاده در برنامه‌هایی که با داده‌های شخصی سر و کار دارند، مطمئن‌تر می‌سازد. برای مثال، موتور داده‌های شخصی سامسونگ از هوش مصنوعی برای جمع‌آوری و پردازش داده‌های کاربر به طور کامل روی خود دستگاه استفاده می‌کند. به این ترتیب، کاربران می‌توانند از یک تجربه شخصی شده بدون نگرانی از به خطر افتادن حریم خصوصی خود لذت ببرند.
علاوه بر این، چیپ‌هایی مانند دیمنسیتی 9400 از فناوری Low-rank Adaptation یا به اختصار LoRA استفاده می‌کنند. این فناوری به مدل‌های هوش مصنوعی اجازه می‌دهد بدون نیاز به ذخیره داده‌های حساس، روی خود دستگاه تنظیم و بهینه شوند. این نوآوری‌ها نشان دهنده حرکت به سمت استفاده از هوش مصنوعی به صورت محلی و کاملاً امن است.
5- آینده هوش مصنوعی درون دستگاهی؛ قابلیت‌های بیشتر در دستان شما
آینده هوش مصنوعی درون دستگاهی در توسعه قابلیت‌های چندوجهی و مولد آن نهفته است. چیپ‌ها به تدریج قادر به پشتیبانی از وظایف پیچیده‌تری مانند ویرایش بلادرنگ ویدیو، واقعیت افزوده و تصمیم‌گیری خودکار خواهند بود. پردازنده Oryon شرکت کوالکام و پیشرفتهای مدیاتک در زمینه رهگیری پرتو برای بازی‌ها، مرزهای توانایی‌های گوشی‌های هوشمند را جابجا می‌کنند.
همچنین، ادغام ترانسفورمرها و مدل‌های چندوجهی بزرگ (LMM) در دستگاه‌های جدید، کاربردهای جدیدی را در زمینه‌های مختلف مانند خودروسازی، بهداشت و درمان و اینترنت اشیا امکان‌پذیر می‌سازد. این مدل‌ها که برای مصرف بهینه انرژی و عملکرد درون دستگاهی بهینه‌سازی شده‌اند، نویدبخش کاهش تأخیر، افزایش حریم خصوصی و بهبود مقیاس‌پذیری هستند.
نتیجه‌گیری
چیپ‌های تلفن همراه در خط مقدم انقلاب هوش مصنوعی درون دستگاهی قرار دارند. آن‌ها با ترکیب سخت‌افزار تخصصی، راهکارهای حافظه پیشرفته و بهینه‌سازی‌های نوآورانه مدل‌های هوش مصنوعی، دستگاه‌هایی هوشمندتر و توانمندتر را به ارمغان می‌آورند.
با پیشرفت این فناوری‌ها، گوشی‌های هوشمند به تعریف دوباره تجربه کاربری ادامه خواهند داد و قابلیت‌های سریع‌تر، امن‌تر و همه‌کاره‌تری را بر پایه هوش مصنوعی ارائه می‌دهند. با پیشگامی شرکت‌های بزرگی مانند کوالکام، مدیاتک، سامسونگ و اپل در این مسیر، آینده هوش مصنوعی موبایل بسیار امیدوار کننده به نظر می‌رسد.
