6 يناير 2025
وحدة معالجة الرسوميات (بالإنجليزية: Graphics Processing Unit، واختصارًا: GPU) هي دائرة إلكترونية مصممة لتسريع رسومات الحاسوب ومعالجة الصور على أجهزة متنوعة. تشمل هذه الأجهزة بطاقات الفيديو، ولوحات النظام، والهواتف المحمولة، وأجهزة الكمبيوتر الشخصية.
من خلال إجراء العمليات الحسابية الرياضية بسرعة، تقلل وحدة معالجة الرسوميات من الوقت اللازم للكمبيوتر لتشغيل برامج متعددة. وهذا يجعلها عاملًا أساسيًا في تمكين التقنيات الناشئة والمستقبلية مثل التعلم الآلي (ML) والذكاء الاصطناعي (AI) وسلسلة الكتل.
قبل اختراع وحدات معالجة الرسوميات في تسعينيات القرن العشرين، اعتمدت وحدات التحكم في الرسوميات في أجهزة الكمبيوتر الشخصية ووحدات التحكم في ألعاب الفيديو على وحدة المعالجة المركزية (CPU) في الكمبيوتر لتشغيل المهام. منذ أوائل الخمسينيات من القرن الماضي، كانت وحدات المعالجة المركزية (CPU) أهم المعالجات في الكمبيوتر، حيث تقوم بتشغيل جميع التعليمات اللازمة لتشغيل البرامج، مثل المنطق والتحكم والإدخال/الإخراج (I/O).
لكن، مع ظهور الألعاب الشخصية والتصميم بمساعدة الحاسوب (CAD) في تسعينيات القرن الماضي، احتاجت الصناعة إلى طريقة أسرع وأكثر كفاءة لدمج وحدات البكسل بسرعة.
في عام 2007، قامت Nvidia ببناء CUDA™ (Compute Unified Device Architecture)، وهي منصة برمجية وواجهة برمجة تطبيقات (API) منحت المطورين وصولاً مباشرًا إلى قدرات الحوسبة المتوازية لوحدات معالجة الرسوميات (GPUs)، مما مكنهم من استخدام تقنية وحدات معالجة الرسوميات لمجموعة واسعة من الوظائف أكثر من ذي قبل.
في العقد الثاني من القرن الحادي والعشرين، اكتسبت تقنية وحدات معالجة الرسوميات المزيد من القدرات، وربما كان أهمها تتبع الأشعة (إنشاء صور حاسوبية عن طريق تتبع اتجاه الضوء من الكاميرا) ونوى الموترات (المصممة لتمكين التعلم العميق).
فضلًا عن هذه التطورات، لعبت وحدات معالجة الرسوميات (GPUs) أدوارًا مهمة في تسريع الذكاء الاصطناعي ومعالجات التعلم العميق، مما ساعد في تسريع تطوير تطبيقات الذكاء الاصطناعي والتعلم الآلي. بالإضافة إلى تشغيل وحدات تحكم الألعاب وبرامج التحرير، تعمل وحدات معالجة الرسوميات اليوم على تشغيل وظائف حوسبة متطورة ضرورية للعديد من المؤسسات.
تحتوي وحدة معالجة الرسوميات (GPU) على ذاكرة وصول سريع (RAM) خاصة بها، وهي ذاكرة إلكترونية تُستخدم لتخزين التعليمات البرمجية والبيانات التي يمكن للشريحة الوصول إليها وتغييرها حسب الحاجة. عادةً ما تحتوي وحدات معالجة الرسوميات المتقدمة على RAM مصممة لاستيعاب كميات البيانات الكبيرة اللازمة للمهام التي تتطلب قوة حاسوبية عالية مثل تحرير الرسومات أو الألعاب أو حالات استخدام الذكاء الاصطناعي/التعلم الآلي.
اثنان من الأنواع الشائعة لذاكرة وحدات معالجة الرسوميات هما ذاكرة الوصول العشوائي الديناميكية المتزامنة لمعدل البيانات المزدوجة للرسومات 6 (GDDR6) والجيل الأحدث GDDR6X. يستخدم GDDR6X طاقة أقل بنسبة 15% لكل بت منقول مقارنة بـ GDDR6، لكن استهلاكه الكلي للطاقة أعلى لأنه أسرع. يمكن أن تكون وحدات معالجة الرسوميات المدمجة (iGPUs) إما مدمجة في وحدة المعالجة المركزية (CPU) لجهاز الكمبيوتر أو مثبتة في فتحة بجانبها ومتصلة عبر منفذ PCI Express.
ما الفرق بين وحدة معالجة الرسوميات (GPU) ووحدة المعالجة المركزية (CPU)؟
تتشارك وحدات المعالجة المركزية (CPUs) ووحدات معالجة الرسوميات (GPUs) تصميمًا مشابهًا، بما في ذلك عدد مماثل من النوى والترانزستورات لمهام المعالجة، ولكن وحدات المعالجة المركزية أكثر عمومية في وظائفها من وحدات معالجة الرسوميات. تميل وحدات معالجة الرسوميات إلى التركيز على مهمة حوسبة فردية ومحددة، مثل معالجة الرسوميات أو التعلم الآلي.
وحدات المعالجة المركزية هي قلب ودماغ نظام الكمبيوتر أو الجهاز. يتلقون تعليمات أو طلبات عامة بخصوص مهمة من برنامج أو تطبيق برمجي. ولدى وحدة معالجة الرسوميات مهمة أكثر تحديدًا—تتضمن عادةً معالجة الصور ومقاطع الفيديو عالية الدقة بسرعة. تقوم وحدات معالجة الرسوميات باستمرار بإجراء عمليات حسابية رياضية معقدة ضرورية لعرض الرسوميات أو وظائف أخرى تتطلب حسابًا مكثفًا لإنجاز مهمتها.
أحد أكبر الاختلافات هو أن وحدات المعالجة المركزية تميل إلى استخدام عدد أقل من النوى وأداء مهامها بترتيب خطي. ومع ذلك، تحتوي وحدات معالجة الرسوميات على مئات—بل آلاف النوى، مما يتيح المعالجة المتوازية التي تحقق قدرات المعالجة السريعة.
تم تصميم وحدات معالجة الرسوميات الأولى لتسريع عرض الرسومات ثلاثية الأبعاد، مما جعل مشاهد الأفلام وألعاب الفيديو تبدو أكثر واقعية وجاذبية. أُصدرت أول شريحة لوحدة معالجة الرسوميات، GeForce من Nvidia، في عام 1999، وسرعان ما تبع ذلك فترة نمو سريعة شهدت توسع قدرات وحدات معالجة الرسوميات لتشمل مجالات أخرى نظرًا لقدراتها العالية على المعالجة المتوازية.
المعالجة المتوازية، أو الحوسبة المتوازية، هي نوع من الحوسبة التي تعتمد على معالجين أو أكثر لإنجاز مجموعات فرعية مختلفة من مهمة الحوسبة الشاملة.
قبل وحدات معالجة الرسوميات، كانت أجهزة الكمبيوتر من الجيل القديم قادرة على تشغيل برنامج واحد فقط في كل مرة، وغالبًا ما تستغرق ساعات لإكمال مهمة ما. تقوم وظيفة المعالجة المتوازية لوحدات معالجة الرسوميات بإجراء العديد من العمليات الحسابية أو المهام في وقت واحد، مما يجعلها أسرع وأكثر كفاءة من وحدات المعالجة المركزية في أجهزة الكمبيوتر القديمة
كن مطلعًا على آخر أخبار السحابة
احصل على نشرة Think الإخبارية الأسبوعية للحصول على إرشادات الخبراء حول تحسين الإعدادات متعددة السحابة في عصر الذكاء الاصطناعي.
هناك ثلاثة أنواع من وحدات معالجة الرسوميات (GPUs:
- وحدات معالجة الرسوميات المنفصلة
- وحدات معالجة الرسوميات المدمجة
- وحدات معالجة الرسوميات الافتراضية
وحدات معالجة الرسوميات المنفصلة
تُعرف وحدات معالجة الرسوميات المنفصلة، أو dGPUs، بأنها معالجات رسومات منفصلة عن وحدة المعالجة المركزية (CPU) للجهاز، حيث يتم استقبال المعلومات ومعالجتها، مما يسمح للكمبيوتر بالعمل. تُستخدم وحدات معالجة الرسوميات المنفصلة عادةً في التطبيقات المتقدمة ذات المتطلبات الخاصة، مثل التحرير أو إنشاء المحتوى أو الألعاب المتطورة. إنها رقائق منفصلة ذات موصلات بلوحات دوائر منفصلة ومثبتة بوحدة المعالجة المركزية باستخدام فتحة سريعة.
تُعد علامة Intel Arc التجارية واحدة من وحدات معالجة الرسوميات المنفصلة الأكثر استخدامًا، وقد صُممت خصيصًا لصناعة ألعاب الكمبيوتر الشخصي.
وحدات معالجة الرسوميات المدمجة
وحدة معالجة الرسوميات المدمجة، أو iGPU، مُدمجة في البنية التحتية لجهاز الكمبيوتر أو الجهاز وعادةً ما تكون موضوعة بجوار وحدة المعالجة المركزية. صُمِّمَت وحدات معالجة الرسوميات المدمجة في العقد الثاني من القرن الحادي والعشرين بواسطة Intel، وأصبحت أكثر شيوعًا عندما لاحظ مُصنِّعون مثل MSI، و ASUS، و Nvidia قوة دمج وحدات معالجة الرسوميات مع وحدات المعالجة المركزية بدلًا من مطالبة المستخدمين بإضافة وحدات معالجة الرسوميات بأنفسهم عبر فتحة PCI Express. ولا تزال خيارًا شائعًا لمستخدمي الكمبيوتر المحمول واللاعبين وغيرهم ممن يشغلون برامج تتطلب قوة حاسوبية كبيرة على أجهزة الكمبيوتر الخاصة بهم.
وحدات معالجة الرسوميات الافتراضية
تتمتع وحدات معالجة الرسوميات الافتراضية، أو vGPUs، بنفس قدرات وحدات معالجة الرسوميات المنفصلة أو المدمجة ولكن بدون الأجهزة. إنها نسخ برمجية لوحدات معالجة الرسوميات مصممة للعمل على الحالات السحابية ويمكن استخدامها لتشغيل نفس أحمال التشغيل. أيضًا، نظرًا لعدم وجود أجهزة، فهي أبسط وأرخص في الصيانة من نظيراتها المادية.
تشير وحدة معالجة الرسومات السحابية إلى الوصول إلى وحدة معالجة الرسوميات الافتراضية من خلال مزود الخدمة السحابية. في السنوات الأخيرة، شهد سوق خدمات وحدات معالجة الرسوميات المستندة إلى السحابة نموًا، مدفوعًا بتسارع الحوسبة السحابية وزيادة اعتماد التطبيقات المستندة إلى الذكاء الاصطناعي/التعلم الآلي. في تقرير صادر عن Fortune Business Insights، من المتوقع أن ينمو سوق وحدات معالجة الرسوميات كخدمة (GPUaaS)، الذي بلغت قيمته 3,23 مليار دولار أمريكي في عام 2023، من 4,31 مليار دولار أمريكي في عام 2024 إلى 49,84 مليار دولار أمريكي بحلول عام 2032. 1
تقدم العديد من مزودي خدمات الحوسبة السحابية (CSPs)، بما في ذلك Google Cloud Platform و Amazon Web Services (AWS) و Microsoft و ®IBM Cloud، وصولاً عند الطلب إلى خدمات وحدات معالجة الرسوميات (GPU) قابلة للتوسع لتحسين أداء أحمال التشغيل. يقدم مزودو الخدمات السحابية موارد وحدة معالجة الرسوميات الافتراضية بنظام الدفع حسب الاستخدام في مراكز البيانات الخاصة بها. غالبًا ما يستخدمون أجهزة وخدة معالجة الرسوميات (GPU) من كبار مصنعي وحدات معالجة الرسوميات مثل Nvidia و AMD و Intel لتشغيل بنيتهم التحتية القائمة على الحوسبة السحابية.
عادةً ما تأتي عروض وحدات معالجة الرسوميات (GPU) القائمة على السحابة مع تكوينات مسبقة، ويمكن نشرها بسهولة. تساعد هذه الميزات المؤسسات على تجنب التكاليف الأولية والصيانة المرتبطة بوحدات معالجة الرسوميات الفعلية. فضلًا عن ذلك، بينما تتطلع المؤسسات إلى دمج أحمال تشغيل الذكاء الاصطناعي التوليدي لتنفيذ مهام حسابية متقدمة (على سبيل المثال، إنشاء المحتوى، وتوليد الصور)، أصبحت قابلية التوسع وفعالية التكلفة التي توفرها وحدات معالجة الرسوميات المستندة إلى السحابة حاسمة لأعمال المؤسسات.
توفر معايير أداء وحدة معالجة الرسوميات (GPU) عملية لتقييم الأداء في ظل ظروف مختلفة. تتيح هذه الأدوات البرمجية المتخصصة للمستخدمين (على سبيل المثال، اللاعبين، وفناني الرسوم ثلاثية الأبعاد، ومطوري الأنظمة) اكتساب رؤى حول وحدات معالجة الرسوميات الخاصة بهم ومعالجة مشكلات الأداء مثل الاختناقات، وزمن الانتقال، والتوافق مع البرامج والأجهزة الأخرى.
هناك نوعان رئيسيان من معايير وحدة معالجة الرسوميات: معيار اصطناعي ومعيار واقعي. تختبر المعايير الاصطناعية معيار وحدة معالجة الرسوميات في بيئة موحدة. تختبر المعايير الواقعية أداء وحدة معالجة الرسوميات في تطبيقات محددة.
تعتبر معايير أداء وحدات معالجة الرسوميات (GPU) تنظر إلى مقاييس الأداء مثل السرعات ومعدلات الإطارات وعرض نطاق الذاكرة. هم ينظرون أيضًا إلى الكفاءة الحرارية واستهلاك الطاقة لمساعدة المستخدمين على تحقيق الأداء الأمثل بناءً على الاحتياجات المحددة. تتضمن بعض منصات اختبار أداء وحدات معالجة الرسوميات أيضًا اختبارات تقيس مدى تفاعل محرك الأقراص ذو الحالة الصلبة (SSD) مع وحدة معالجة الرسوميات.
مع تطور وحدات معالجة الرسوميات بمرور الوقت، أدت التحسينات التقنية إلى جعلها أكثر قابلية للبرمجة، وتم اكتشاف المزيد من القدرات. على وجه التحديد، فإن قدرتها على تقسيم المهام عبر أكثر من معالج واحد—المعالجة المتوازية—جعلتها لا غنى عنهم لمجموعة واسعة من التطبيقات، مثل ألعاب الكمبيوتر الشخصي، والحوسبة عالية الأداء (HPC)، ومحطات عمل العرض ثلاثي الأبعاد، وحوسبة مراكز البيانات وغيرها الكثير.
فيما يلي نظرة فاحصة على بعض أهم التطبيقات الحديثة لتقنية وحدة معالجة الرسوميات، بما في ذلك:
- الذكاء الاصطناعي
- التعلم الآلي (ML) والتعلم العميق (DL)
- سلسلة الكتل
- الألعاب
- تحرير الفيديو
- إنشاء المحتوى،
- الحوسبة عالية الأداء (HPC)
- التصور والمحاكاة
يمكن القول إن الذكاء الاصطناعي وتطبيقاته العديدة سيكون مستحيلًا بدون حوسبة وحدات معالجة الرسوميات. إن قدرة وحدات معالجة الرسوميات على حل المشكلات التقنية العالية بشكل أسرع وأكثر كفاءة من وحدات المعالجة المركزية التقليدية تجعلها لا غنى عنها. تُعد وحدات معالجة الرسوميات (GPUs) عناصر أساسية للعديد من الحواسيب الفائقة، وخاصةً حواسيب الذكاء الاصطناعي الفائقة.
تُشغِّل وحدات معالجة الرسومات (GPUs) العديد من تطبيقات الذكاء الاصطناعي الرائدة، مثل حاسوب الذكاء الاصطناعي الفائق السحابي الأصلي Vela من IBM، الذي يتطلب سرعات عالية للتدريب على مجموعات بيانات أكبر فأكبر. تتدرب نماذج الذكاء الاصطناعي وتعمل على وحدات معالجة الرسوميات في مراكز البيانات، والتي تشغلها عادةً مؤسسات تجري أبحاثًا علمية أو مهامًا أخرى كثيفة الحوسبة.
التعلم الآلي، أو ما يُعرف اختصارًا بـ "ML"، يشير إلى فرع مُحدد من فروع الذكاء الاصطناعي يهتم باستخدام البيانات والخوارزميات لتقليد الطريقة التي يتعلم بها البشر. التعلم العميق، أو ما يُعرف اختصارًا بـ "DL"، هو فرع من فروع التعلم الآلي يستخدم الشبكات العصبية لمحاكاة عملية اتخاذ القرار في الدماغ البشري. تعد تقنية وحدة معالجة الرسوميات أمرًا بالغ الأهمية لكلا مجالي التقدم التكنولوجي.
عندما يتعلق الأمر بالتعلم الآلي (ML) والتعلم العميق (DL)، تعمل وحدات معالجة الرسوميات على تعزيز قدرة النماذج على فرز مجموعات البيانات الضخمة واستخلاص الاستدلالات منها بطريقة مشابهة للبشر. تعزز وحدات معالجة الرسوميات (GPUs) بشكل خاص مجالات الذاكرة والتحسين لقدرتها على إجراء العديد من العمليات الحسابية المتزامنة في وقت واحد. أيضًا، تستخدم وحدات معالجة الرسوميات المستخدمة في التعلم الآلي والتعلم العميق موارد أقل من وحدات المعالجة المركزية دون انخفاض في الطاقة أو الدقة.
سلسلة الكتل، وهي دفتر الأستاذ المستخدم لتسجيل المعاملات وتتبع الأصول في شبكات الأعمال، تعتمد بشكل كبير على تكنولوجيا وحدات معالجة الرسوميات، خاصة عندما يتعلق الأمر بخطوة تسمى "إثبات العمل". في العديد من سلاسل الكتل واسعة الاستخدام، مثل العملات المشفرة، تعتبر خطوة إثبات العمل حيوية للتحقق من صحة المعاملة، مما يسمح بإضافتها إلى سلسلة الكتل.
استفادت صناعة الألعاب لأول مرة من قوة وحدات معالجة الرسوميات في التسعينيات لتحسين تجربة الألعاب بشكل عام بمزيد من السرعة والدقة الرسومية. اليوم، تعد الألعاب الشخصية كثيفة الحوسبة بسبب السيناريوهات الواقعية والتفاعلات في الوقت الفعلي والعوالم الشاسعة والغامرة داخل اللعبة.
تعتمد التوجهات في مجال الألعاب مثل الواقع الافتراضي (VR) ومعدلات التحديث الأعلى وشاشات الدقة العالية بشكل كبير على وحدات معالجة الرسوميات (GPUs) لتقديم الرسوميات بسرعة في بيئات حوسبة أكثر تطلبًا. تشمل وحدات معالجة الرسوميات للألعاب AMD Radeon و Intel Arc و Nvidia GeForce RTX.
تقليديًا، لطالما كانت أوقات المعالجة الطويلة عائقًا كبيرًا في تطبيقات برامج التحرير الاستهلاكية والاحترافية على حد سواء. منذ اختراعها، قللت وحدات معالجة الرسوميات (GPUs) باستمرار أوقات المعالجة وموارد الحوسبة في منتجات تحرير الفيديو مثل Final Cut Pro و Adobe Premiere.
اليوم، تعمل وحدات معالجة الرسوميات المزودة بالمعالجة المتوازية والذكاء الاصطناعي على تسريع القدرات بشكل كبير لكل شيء بدءًا من مجموعات التحرير وحتى تطبيقات الهواتف الذكية.
لقد جعلت التحسينات في المعالجة والأداء وجودة الرسومات وحدات معالجة الرسوميات (GPUs) ضرورية لتحويل صناعة إنشاء المحتوى. اليوم، يستطيع صنّاع المحتوى المُجهّزون ببطاقة رسومات فائقة الأداء وإنترنت فائق السرعة إنشاء محتوى واقعي، وتعزيزه بالذكاء الاصطناعي والتعلم الآلي، وتحريره وبثه لجمهور مباشر بسرعة لم يسبق لها مثيل—كل ذلك يعود الفضل فيه إلى حد كبير إلى التطورات في تكنولوجيا وحدات معالجة الرسوميات.
في أنظمة الحوسبة عالية الأداء (HPC) ، تستخدم وحدات معالجة الرسوميات (GPUs) قدرات المعالجة المتوازية لتسريع المهام كثيفة الحوسبة، مثل العمليات الحسابية الرياضية المعقدة وتحليل البيانات الضخمة في مجالات مثل اكتشاف الأدوية وإنتاج الطاقة والفيزياء الفلكية.
تشهد وحدات معالجة الرسوميات طلبًا مرتفعًا في العديد من الصناعات لتعزيز تجربة وقدرات التدريب للتطبيقات الاحترافية المعقدة، بما في ذلك عروض المنتجات التوضيحية ورسومات CAD والتصوير الطبي والزلزالي أو الجيوفيزيائي. تُعد وحدات معالجة الرسوميات بالغة الأهمية في التصورات المتقدمة (مثل التدريب المهني لرجال الإطفاء ورواد الفضاء والمعلمين) باستخدام الرسوم المتحركة ثلاثية الأبعاد والذكاء الاصطناعي والتعلم الآلي، والتقديم المتقدم، والواقع الافتراضي (VR) فائق الواقعية وتجارب الواقع المعزز (AR).
بالإضافة إلى ذلك، يستخدم المهندسون وعلماء المناخ تطبيقات المحاكاة المدعومة بوحدات معالجة الرسوميات للتنبؤ بأحوال الطقس، وديناميكيات السوائل، والفيزياء الفلكية، وكيفية سلوك المركبات في ظروف معينة. تعد Nvidia RTX واحدة من أقوى وحدات معالجة الرسوميات المتاحة للتصور العلمي واستكشاف الطاقة.
وحدات معالجة الرسوميات (GPUs) مقابل وحدات المعالجة العصبية (NPUs) مقابل مصفوفات البوابات القابلة للبرمجة الميدانية (FPGAs)
تزامنًا مع انتشار تطبيقات الذكاء الاصطناعي والذكاء الاصطناعي التوليدي، يجدر بنا فحص جهازي معالجة متخصصين آخرين وكيف يقارنان بوحدات معالجة الرسوميات (GPUs). تستخدم الشركات المؤسسية اليوم جميع أنواع المعالجات—وحدات المعالجة المركزية ووحدات معالجة الرسوميات ومصفوفات البوابات القابلة للبرمجة الميدانية—اعتمادًا على احتياجاتها الخاصة.
ما وحدة المعالجة العصبية (NPU)؟
وحدة المعالجة العصبية (NPU) هي معالج دقيق حاسوبي متخصص مصمم لمحاكاة وظيفة المعالجة في الدماغ البشري. تُعرف أيضًا باسم مُسرِّع الذكاء الاصطناعي، أو شريحة الذكاء الاصطناعي أو معالج التعلم العميق، فإن وحدة المعالجة العصبية (NPU) عبارة عن مُسرِّع أجهزة مُصمم لتسريع شبكات الذكاء الاصطناعي العصبية والتعلم العميق والتعلم الآلي.
تعمل وحدات المعالجة العصبية (NPUs) ووحدات معالجة الرسوميات (GPUs) على تحسين وحدة المعالجة المركزية (CPU) للنظام، ومع ذلك لديهما اختلافات ملحوظة. تحتوي وحدات معالجة الرسوميات على آلاف النوى لتحقيق المهام الحسابية السريعة والدقيقة اللازمة لعرض الرسوميات والألعاب. صُممت وحدات المعالجة العصبية لتسريع أحمال تشغيل الذكاء الاصطناعي والذكاء الاصطناعي التوليدي، مع إعطاء الأولوية لتدفق البيانات وتسلسل الذاكرة في الوقت الفعلي، مع انخفاض استهلاك الطاقة وزمن الانتقال.
ما هي مصفوفة البوابة القابلة للبرمجة الميدانية (FPGA)؟
تُعد وحدات معالجة الرسوميات عالية الأداء مناسبة تمامًا لتطبيقات التعلُّم العميق أو الذكاء الاصطناعي لأنها تستطيع التعامل مع حجم كبير من العمليات الحسابية في أنوية متعددة مع كميات كبيرة من الذاكرة المتاحة. تُعد مصفوفات البوابات القابلة للبرمجة الميدانية (FPGAs) أنواعًا متعددة الاستخدامات من الدوائر المتكاملة التي يمكن إعادة برمجتها لأداء وظائف مختلفة. بالمقارنة مع وحدات معالجة الرسوميات (GPUS)، فإن البوابات القابلة للبرمجة الميدانية (FPGAs) يمكن أن توفر المرونة وكفاءة التكلفة لتقديم أداء أفضل في تطبيقات التعلم العميق التي تتطلب زمن انتقال قصير مثل التصوير الطبي وحوسبة الحافة.
الحواشي
تؤدي كل الروابط إلى صفحات خارج IBM.
1 GPU as a Service Market Size, Share & Industry Analysis, Fortune Business Insights, Fortune Business Insights, December 9, 2024
الموارد
IBM Cloud Virtual Server for VPC هي مجموعة من الخوادم الافتراضية Intel x86 وIBM Z وIBM LinuxONE القائمة على السحابة الخاصة الافتراضية IBM Cloud Virtual Private Cloud.
توفر خوادم IBM السحابية المخصصة حلاً لاستضافة الويب قابل للتوسع مع حركة مرور للبيانات غير محدودة بدون تكلفة وخيارات تخصيص واسعة النطاق.
أطلق العنان للقدرات الجديدة وحفِّز مرونة الأعمال من خلال خدمات الاستشارات السحابية من IBM. اكتشف كيفية المشاركة في إنشاء الحلول وتسريع التحول الرقمي وتحسين الأداء من خلال إستراتيجيات السحابة الهجينة والشراكات مع الخبراء.