AMD Ryzen AI Halo: مراجعة نظامان و200 مليار متغير يصعق DGX Spark

شهدت فئة أجهزة سطح المكتب الصغيرة المخصصة لتشغيل نماذج الذكاء الاصطناعي محليا منافسة جديدة بين AMD وNVIDIA. وكانت AMD قد سبقت منافستها في جانب مهم من هذه التقنية، بعدما قدمت أنظمة مدمجة تعتمد على شريحة “Strix Halo” مع ذاكرة موحدة بسعة 128 جيجابايت. ومع ذلك، كانت NVIDIA هي التي أسست فعليا فئة أجهزة الكمبيوتر المكتبية المخصصة للذكاء الاصطناعي المحلي، عندما وضعت شريحة “Grace Blackwell” الفائقة داخل هيكل بحجم لتر واحد، وأطلقت عليه اسم “DGX Spark”. وكانت الفكرة واضحة، جهاز صغير موجه للمطورين، يوفر ذاكرة موحدة كافية لتشغيل نماذج ذكاء اصطناعي قوية محليا، بدلا من الاعتماد على خدمات الحوسبة السحابية المكلفة. ومن هنا يأتي “AMD Ryzen AI Halo” كاستجابة مباشرة من AMD لهذا التوجه.

أعلنت AMD عن “Ryzen AI Halo” بالتزامن مع سلسلة “Ryzen AI Max PRO 400” في مايو 2026. ثم فتحت الشركة باب الطلب المسبق في يونيو، حصريا عبر متاجر “Micro Center”، على أن يبدأ توفر الجهاز في المتاجر في 10 يوليو. ويأتي الجهاز بتصميم وهيكل مشابهين، إلى جانب ذاكرة موحدة بسعة 128 جيجابايت وسعر يبلغ 3,999 دولارا. ومع ذلك، يقدم “Ryzen AI Halo” مجموعة من الميزات التي تميزه بشكل واضح عن جهاز “DGX Spark”.

وتظهر هذه الاختلافات في فلسفة تصميم كل جهاز وطريقة التعامل مع متطلبات الذكاء الاصطناعي المحلي. فبينما أصبح “DGX Spark” مرجعا مبكرا لهذه الفئة، تتبنى AMD نهجا مختلفا مع “Ryzen AI Halo”. ويظل الهدف الأساسي واحدا، وهو تشغيل النماذج الكبيرة محليا وتقليل الحاجة إلى الحوسبة السحابية. لكن AMD صممت جهازها بطريقة تستهدف احتياجات محددة لدى المطورين والمستخدمين الذين يريدون قدرات ذكاء اصطناعي قوية داخل جهاز مكتبي صغير.

ما هو جهاز AMD Ryzen AI Halo؟

جهاز AMD Ryzen AI Halo هو كمبيوتر مكتبي صغير الحجم وجاهز للاستخدام، طورته شركة معالجات AMD ليكون منصة للمطورين الراغبين في بناء وتشغيل نماذج الذكاء الاصطناعي محليا بسرعة وسهولة، دون الحاجة إلى الاعتماد المستمر على خدمات الحوسبة السحابية. وتصفه AMD بأنه أول منصة لها مخصصة لمطوري الذكاء الاصطناعي، بهدف توفير مسار سريع ومنخفض التعقيد لتطوير وتشغيل تطبيقات الذكاء الاصطناعي محليا.

ويعتمد الجهاز في داخله على معالج Ryzen AI Max+ 395، الذي يضم 16 نواة و32 مسارا مبنية على معمارية “Zen 5”. كما يحتوي على معالج رسومي مدمج Radeon 8060S يضم 40 وحدة حسابية من معمارية RDNA 3.5، إلى جانب وحدة معالجة عصبية XDNA 2 NPU توفر أداء يصل إلى 50 TOPS. وعند جمع قدرات مكونات المنصة، تقول AMD إن Ryzen AI Halo قادر على تقديم ما يصل إلى 126 TOPS من أداء الذكاء الاصطناعي.

مقالة ذات صلة: معالجات AMD Ryzen AI: كل ما تحتاج معرفته عن الجيل الجديد من المعالجات.

ذاكرة ضخمة داخل جهاز مكتبي صغير

يحصل Ryzen AI Halo على 128 جيجابايت من ذاكرة LPDDR5x بسرعة تصل إلى 8000 MT/s، مع عرض نطاق ترددي يبلغ 256 جيجابايت/ثانية. وتعد هذه الذاكرة الموحدة من أهم عناصر الجهاز، لأنها تمنح المعالج والرسوميات ووحدة معالجة الذكاء الاصطناعي إمكانية الوصول إلى مساحة ذاكرة مشتركة كبيرة.

وتشير AMD إلى أن هذا الحجم من الذاكرة يكفي لاستيعاب نماذج يصل عدد معاملاتها إلى 200 مليار معلمة داخل ذاكرة الجهاز. وهذا يجعل الجهاز مختلفا عن أجهزة الكمبيوتر المكتبية التقليدية، خصوصا عند التعامل مع النماذج الكبيرة التي تحتاج إلى مساحة ذاكرة واسعة.

ويعمل الجهاز بالكامل من خلال منفذ USB-C واحد بقدرة 120 واط. وبذلك تحصل على منصة x86 متكاملة في هيكل صغير، تجمع بين قوة المعالجة المركزية والرسوميات ومعالجة الذكاء الاصطناعي في جهاز مكتبي واحد.

Windows يغير طبيعة المنافسة

أهم اختلاف بين Ryzen AI Halo وDGX Spark يظهر في نظام التشغيل. فجهاز Spark يعمل بنظام DGX OS المبني على Linux، بينما يستطيع Ryzen AI Halo الإقلاع باستخدام Windows 11 أو صورة Linux المخصصة للمطورين من AMD، مع استخدام العتاد نفسه.

وتكتسب هذه النقطة أهمية كبيرة للمستخدمين الذين يريدون تشغيل أدوات الذكاء الاصطناعي المحلية ضمن بيئة Windows. كما أن دعم Windows كان، وفقا للتجربة الواردة في المراجعة، أكثر طلب تكرر من الأشخاص المهتمين بجهاز Spark. لذلك لا يمثل نظام التشغيل مجرد اختلاف تقني، بل يوسع الفئة المستهدفة من الجهاز.

وتوجد ثلاثة اختلافات أخرى تفصل Ryzen AI Halo عن Spark. أولها استخدام وحدة تخزين M.2 2280 SSD القياسية بدلا من محرك 2242 الأقل انتشارا الموجود في Spark. وهذا يفتح المجال أمام خيارات أكبر من وحدات التخزين البديلة، بما فيها سعات تصل إلى 8 تيرابايت.

أما الاختلاف الثاني، فيتمثل في ضبط Variable Graphics Memory مسبقا على أعلى سعة متاحة في نظامي Windows وLinux. ونتيجة لذلك، يمكن تحميل النماذج الكبيرة دون الحاجة إلى إجراء إعدادات يدوية للذاكرة.

ويتمثل الاختلاف الثالث في تصميم الهيكل نفسه، إذ يحيط به حلقة إضاءة مخصصة لعرض حالة الجهاز. وهي إضافة بسيطة، لكنها تمثل معالجة لإحدى الملاحظات المتعلقة ببعض وحدات Spark التي وصلت إلى المشترين بهيكل داكن ودون إضاءة، بحسب الشركة المصنعة للجهاز.

ومع ذلك، لا تخلو هذه الاختيارات من تنازلات. فعلى الجزء الخلفي من Ryzen AI Halo لا توجد وصلة Fabric عالية السرعة، ويقتصر الاتصال الشبكي على 10GbE. وهذا يضع حدا لقدرات الجهاز عند استخدامه ضمن عناقيد متعددة العقد. لذلك، فإن هذه الاختيارات لا تحدد فقط مواصفات الجهاز، بل تحدد أيضا نوع أعباء العمل التي صمم Ryzen AI Halo للتعامل معها قبل الدخول في نتائج اختبارات الأداء.

سعر Ryzen AI Halo

أما من ناحية السعر، فيبلغ سعر Ryzen AI Halo 3,999 دولارا، مع وحدة تخزين SSD بسعة 2 تيرابايت. وهذا يضعه في نطاق السعر نفسه تقريبا للأنظمة الأساسية من فئة Spark. لكن المقارنة تختلف وفقا لإصدار Spark الذي يتم الاعتماد عليه.

فجهاز NVIDIA DGX Spark المزود بوحدة تخزين أكبر أصبح سعره يقترب من 4,700 دولار، وهو ارتفاع ارتبط بأزمة إمدادات ذاكرة LPDDR5X وشرائح NAND. وفي المقابل، لا تزال أنظمة Grace Blackwell الأساسية من ASUS وغيرها تباع بحوالي 4,000 دولار.

وبالتالي، فإن Ryzen AI Halo لا يعتمد على خفض السعر لمنافسة هذه الأجهزة. بل يصل إلى مستوى سعري مماثل للفئة، وتتمثل حجته الأساسية في خيارات التصميم ونظام التشغيل والذاكرة والتخزين التي يقدمها.

وقد خضع Ryzen AI Halo لاختبارات Wesam Web لمهام الذكاء الاصطناعي المحلي على نظامي Windows وLinux. وتظهر نتائج هذه الاختبارات إلى جانب تحليل التصميم والبرمجيات في مختلف أجزاء هذه المراجعة.

مواصفات AMD Ryzen AI Hal

الفئة	المواصفة	التفاصيل
المعالج	CPU	AMD Ryzen™ AI Max+ 395، ‏16 نواة و32 مسارا، معمارية Zen 5
المعالج الرسومي	GPU	AMD Radeon™ 8060S، ‏40 وحدة حسابية، معمارية RDNA™ 3.5
معالج الذكاء الاصطناعي	NPU	AMD XDNA™ 2 NPU
الذاكرة	النوع	LPDDR5x
الذاكرة	السعة	128 جيجابايت
الذاكرة	السرعة	8000 MT/s
الذاكرة	عرض النطاق الترددي	256 جيجابايت/ثانية
التخزين	SSD	2 تيرابايت M.2 NVMe SSD (SED)
الشبكات	Ethernet	1 × 10GbE
الشبكات	Wi-Fi	Wi-Fi 7
الشبكات	Bluetooth	Bluetooth 5.4
المنافذ	USB	3 × USB-C + ‏1 × USB-C للطاقة
إخراج الشاشة	HDMI	1 × HDMI 2.1b
الطاقة	TDP	120 واط
نظام التشغيل	OS	Linux أو Windows 11
الأبعاد	الحجم	150 × 150 × 45.4 مم
الوزن	الوزن	أقل من 1.2 كجم

تصميم وبنية AMD Ryzen AI Halo

يعتمد جهاز AMD Ryzen AI Halo على هيكل مكتبي صغير الحجم يشبه في تصميمه جهاز NVIDIA Spark، وتبلغ أبعاده 150 × 150 × 45.4 مم، بينما يقل وزنه عن 1.2 كجم. ويأتي الهيكل مصنوعا من الألومنيوم، مع نمط هندسي بارز لفتحات التهوية يمتد عبر الجزء العلوي والأمامي. ولا يمنح هذا التصميم الجهاز مظهرا مميزا فحسب، بل يساعد أيضا على تعزيز تدفق الهواء إلى نظام التبريد.

وعلى الرغم من حجمه الصغير، صممت AMD المنصة لتكون محطة عمل مكتبية متكاملة للذكاء الاصطناعي. لذلك يمكنها التعامل مع تطبيقات محطات العمل، وتشغيل محليا نماذج اللغة الكبيرة (LLM)، إلى جانب أعباء تطوير الذكاء الاصطناعي.

الواجهة الأمامية

تتميز الواجهة الأمامية بتصميم نظيف وبسيط، إذ تشغل شبكة تهوية كبيرة معظم مساحة الواجهة وتمتد عبر عرض الهيكل. وبدلا من وضع المنافذ في المقدمة، خصصت AMD هذه المساحة بالكامل تقريبا لتوفير تدفق هواء أفضل.

وتسمح شبكة السحب الكبيرة والمزودة بنمط هندسي بدخول الهواء البارد إلى نظام التبريد، مع الحفاظ في الوقت نفسه على واجهة أمامية خالية من الفوضى.

ويضيف شريط فضي في الجزء السفلي من الهيكل تباينا بصريا بسيطا مع اللون الأسود المطفي الذي يغطي معظم الجهاز.

المنافذ الخلفية I/O

وضعت AMD جميع منافذ الاتصال الخارجية في الجزء الخلفي من الجهاز. ومن اليسار إلى اليمين، تضم اللوحة الخلفية:

• منفذ USB-C مخصص لإدخال الطاقة.
• منفذ USB-C يدعم DisplayPort Alt Mode.
• منفذا USB-C إضافيان.
• منفذ HDMI 2.1b لإخراج الصورة.
• منفذ RJ45 بسرعة 10GbE للاتصال بالشبكة.
• فتحة قفل أمان Kensington.

ويوفر الجهاز ثلاثة منافذ USB-C لنقل البيانات، إلى جانب منفذ USB-C مخصص للطاقة. وهذا يسمح بتوصيل عدة أجهزة طرفية عالية السرعة وشاشات في الوقت نفسه. كما يوفر HDMI 2.1b إخراجا مباشرا للشاشة، بينما يتيح اتصال 10GbE Ethernet الاستفادة من سرعات الشبكة العالية عند الاتصال بوحدات التخزين الشبكية NAS، ونقل مجموعات بيانات الذكاء الاصطناعي، والعمل ضمن بيئات التطوير المحلية.

التصميم الداخلي والتبريد

يحتوي الجزء السفلي من Ryzen AI Halo على فتحة تهوية كبيرة مثقبة، تسمح بسحب الهواء إلى الداخل لتبريد المكونات المثبتة في الجزء السفلي من اللوحة. كما توجد أربع قواعد مطاطية في الزوايا، تساعد على تثبيت الجهاز بشكل مستقر فوق المكتب أو الرف.

ويؤدي فك المسامير الأربعة التي تثبت اللوحة السفلية إلى كشف فتحة وحدة التخزين M.2 وعدد من مكونات اللوحة السفلية، بما في ذلك موصل بطاقة Wi-Fi. وفي وحدة المراجعة، تحتوي هذه الفتحة على SSD من نوع Micron 4600 بسعة 2 تيرابايت وواجهة Gen5 x4. كما تغطي بقية اللوحة من الأسفل طبقة لاصقة سوداء لحمايتها من الجزء السفلي المكشوف.

أما نظام التبريد، فقد اتبعت AMD نهجا مشابها لما تستخدمه NVIDIA في DGX Spark. ويعتمد الجهاز على مروحتين تسحبان الهواء عبر مشتت حراري مزود بزعانف، ثم تدفعانه إلى الخارج من خلال الجزء الخلفي للهيكل.

وعند رفع وحدة التبريد، تظهر اللوحة الرئيسية، حيث يوجد قالب APU في المنتصف، بينما تحيط به حزم الذاكرة من الجانبين. وتمتد دوائر تنظيم الجهد VRM على طول الحافة اليسرى للوحة.

أما المربع الفضي الظاهر على قالب المعالج، فلا يمثل معدنا سائلا أو معجونا حراريا تقليديا. بل هو بقايا وسادة حرارية صلبة أو طبقة طلاء حراري استخدمتها AMD كواجهة بين القالب والمشتت الحراري. وهذا يفسر مظهره الجاف والموحد، بدلا من المظهر الرطب أو الممسوح الذي تتركه عادة المعاجين الحرارية أو المعادن السائلة.

وعند قلب المشتت الحراري، تظهر الجهة السفلية من لوحة التلامس الحرارية (Cold Plate). وتحتوي هذه المنطقة على سطح مصقول يشبه المرآة، يلامس القالب مباشرة. وفي الوقت نفسه، تغطي وسادات حرارية مثبتة مسبقا وبسماكات مختلفة مناطق الذاكرة المحيطة ودوائر توصيل الطاقة.

AMD Ryzen AI Halo – اختبار الأداء

خضع Ryzen AI Halo لاختبارات مكثفة على Windows وLinux، لتقييم أدائه في تطبيقات محطات العمل وأعباء الذكاء الاصطناعي. وفي بيئة Windows، قورن الجهاز مع نظامين تجاريين بمعالج Ryzen AI Max+ PRO 395: HP Z2 Mini G1a، محطة عمل مكتبية مدمجة، وHP ZBook Ultra G1a بشاشة 14 إنشاً، محطة عمل متنقلة.

ولأن الأنظمة الثلاثة تشترك في نفس معمارية المعالج ورسوم Radeon 8060S، فإن هذه المقارنات تكشف كيف يتصرف Halo تحت أظرف حرارية وتصاميم مختلفة. وهذا يمنح الصورة عمقاً، إذ لا يقتصر الاختبار على شريحة واحدة، بل يمتد إلى كيفية تكيف المنصة مع قيود التبريد والتصميم.

أما في بيئة Linux، انتقل التركيز إلى تطوير الذكاء الاصطناعي وأعباء التخزين، حيث قورن Ryzen AI Halo مع NVIDIA DGX Spark. واستهدفت هذه الاختبارات قياس أداء التخزين عبر FIO، واستنتاج النماذج عبر vLLM. وبالتالي، وضعت المقارنة منصة AMD التطويرية وجهاً لوجه أمام نظام NVIDIA المصمم خصيصاً لاستنتاج النماذج اللغوية الكبيرة محلياً.

UL Procyon: اختبار الرؤية الحاسوبية بالذكاء الاصطناعي

يوفر اختبار UL Procyon AI Computer Vision تحليلا دقيقا لأداء محركات استدلال الذكاء الاصطناعي على مستوى الأجهزة الاحترافية. ويعتمد الاختبار على محركات من شركات متعددة، لذلك يقدم درجات تساعد على قياس قدرات الجهاز بشكل واقعي. كما يقارن أداء تسريع الذكاء الاصطناعي عبر أنواع مختلفة من العتاد، بما يشمل CPU وGPU وNPU، مما يتيح تقييم الكفاءة النسبية للجهاز في مجموعة متنوعة من أعباء العمل والظروف.

ولتقريب الاختبار من أعباء الذكاء الاصطناعي الواقعية، يستخدم المعيار ستة نماذج مختلفة للشبكات العصبية. وقد اختير كل نموذج بناء على مدى ارتباطه بمهام الرؤية الحاسوبية الحديثة.

يستخدم MobileNet V3 نموذجا مدمجا موجها للأجهزة المحمولة، ويختص بالتعرف على العناصر داخل الصور. أما Inception V4 فيؤدي المهمة نفسها، لكنه يعتمد على بنية أعمق وأكثر تعقيدا.

ويختص YOLO V3 (You Only Look Once) باكتشاف العناصر في الوقت الفعلي، من خلال تقدير احتمالات ظهور العناصر. بينما يركز DeepLab V3، المبني على MobileNet V2، على تجزئة الصور دلاليا وتجميع وحدات البكسل.

أما Real-ESRGAN فهو الاختبار الأكثر تطلبا من الناحية الحسابية، إذ يعمل على رفع دقة الصور من 250 × 250 إلى 1,000 × 1,000 بكسل. وأخيرا، يستخدم ResNet 50 كنموذج قوي لتصنيف الصور، ويساعد على تدريب الشبكات العصبية العميقة بكفاءة أكبر.

أداء Ryzen AI Halo في الاختبار

قدم Ryzen AI Halo أداء قويا ومتسقا في استدلال الذكاء الاصطناعي ضمن اختبارات المعالج المركزي والرسومي. ففي اختبارات CPU، سجل الجهاز نتيجة إجمالية بلغت 216 نقطة، متأخرا بفارق محدود عن HP Z2 Mini الذي سجل 227 نقطة، بينما تفوق بوضوح على HP ZBook Ultra الذي سجل 186 نقطة.

وكان أداء GPU أكثر إثارة للإعجاب، إذ حصل Ryzen AI Halo على أعلى نتيجة إجمالية بلغت 553 نقطة. وتفوق بذلك على كل من ZBook Ultra وZ2 Mini، اللذين سجلا 528 نقطة لكل منهما.

كما سجل الجهاز أسرع نتيجة في اختبار MobileNet V3 بزمن 0.38 مللي ثانية. وفي اختبار REAL-ESRGAN الأكثر تطلبا، أكمل المهمة خلال 185.08 مللي ثانية، مقارنة بـ 211.76 مللي ثانية لجهاز Z2 Mini و200.40 مللي ثانية لجهاز ZBook Ultra.

وتوضح هذه النتائج أن Ryzen AI Halo لا يعتمد على قوة مكون واحد فقط، بل يقدم أداء استدلال قويا عبر CPU وGPU، مع تفوق واضح في نتائج معالجة الرسوميات ضمن هذا الاختبار.

استنتاج الرؤية الحاسوبية بالذكاء الاصطناعي

UL Procyon: استدلال رؤية الحاسوب بالذكاء الاصطناعي (الأقل أفضل)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
أوقات المعالج
النتيجة الإجمالية للذكاء الاصطناعي في مجال رؤية الحاسوب (الأعلى أفضل)	216	227	186
موبايل نت الإصدار الثالث	0.73 مللي ثانية	0.75 مللي ثانية	1.09 مللي ثانية
ريسنت 50	6.02 مللي ثانية	5.99 مللي ثانية	6.84 مللي ثانية
إنسبشن الإصدار الرابع	17.18 مللي ثانية	17.12 مللي ثانية	19.80 مللي ثانية
ديب لاب الإصدار الثالث	29.21 مللي ثانية	21.20 مللي ثانية	28.27 مللي ثانية
YOLO V3	35.60 مللي ثانية	36.58 مللي ثانية	41.64 مللي ثانية
ريال إزجان	1931.13 مللي ثانية	1892.10 مللي ثانية	2138.97 مللي ثانية
أوقات وحدة معالجة الرسومات
النتيجة الإجمالية للذكاء الاصطناعي في مجال رؤية الحاسوب (الأعلى أفضل)	553	528	583
موبايل نت الإصدار الثالث	0.38 مللي ثانية	0.42 مللي ثانية	0.46 مللي ثانية
ريسنت 50	4.04 مللي ثانية	3.85 مللي ثانية	3.27 مللي ثانية
إنسبشن الإصدار الرابع	13.26 مللي ثانية	15.15 مللي ثانية	11.62 مللي ثانية
ديب لاب الإصدار الثالث	12.72 مللي ثانية	10.98 مللي ثانية	10.72 مللي ثانية
YOLO V3	11.17 مللي ثانية	12.64 مللي ثانية	10.57 مللي ثانية
ريال إزجان	185.08 مللي ثانية	211.76 مللي ثانية	200.40 مللي ثانية

UL Procyon: توليد النصوص بالذكاء الاصطناعي

يبسط اختبار توليد النصوص بواسطة Procyon AI قياس أداء النماذج اللغوية الكبيرة، إذ يوفر طريقة موحدة ومختصرة للتقييم. ويتيح اختبارات متكررة عبر نماذج متعددة، مع تقليل تعقيد أحجام النماذج الكبيرة والعوامل المتغيرة. وقد طور بالتعاون مع رواد عتاد الذكاء الاصطناعي، لتحسين استخدام المسرعات المحلية وتقديم تقييمات أكثر موثوقية. والنتائج أدناه قيسSS باستخدام TensorRT.

وتصدر AMD Ryzen AI Halo جميع النماذج المختبرة في هذا الاختبار. إذ حقق أعلى نتيجة إجمالية في Phi عند 1192، مقابل 965 لـ HP Z2 Mini و922 لـ HP ZBook Ultra. وسار Mistral على النهج نفسه بنتيجة 998، متقدماً على 850 و829، بينما أنهى Llama3 عند 847، متفوقاً على 766 و756 على التوالي.

كما خفض Halo زمن أول رمز في كل نموذج، منتجاً أول رمز Phi في 0.996 ثانية فقط، أي ما يقارب نصف زمن الاستجابة لدى أنظمة HP. ورغم أن معدل توليد الرموز تفوق أحياناً لصالح Z2 Mini، فإن زمن البدء الأقل بكثير لدى Halo أدى إلى أفضل نتائج إجمالية في الاختبار.

توليد النصوص بواسطة Procyon AI	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
النتيجة الإجمالية لـ Phi	1192	965	922
وقت إخراج Phi لأول رمز مميز	0.996 ثانية	1.898 ثانية	1.956 ثانية
عدد الرموز المميزة الناتجة من Phi في الثانية	55.271 رمزًا/ثانية	68.967 رمزًا/ثانية	64.986 رمزًا/ثانية
المدة الإجمالية لـ Phi	56.237 ثانية	52.666 ثانية	55.501 ثانية
النتيجة الإجمالية لميسترال	998	850	829
وقت إخراج ميسترال لأول رمز مميز	1.603 ثانية	2.734 ثانية	2.783 ثانية
إنتاج ميسترال من الرموز المميزة في الثانية	35.027 رمزًا/ثانية	43.358 رمزًا/ثانية	41.992 رمزًا/ثانية
المدة الإجمالية لميسترال	88.582 ثانية	81.716 ثانية	84.065 ثانية
النتيجة الإجمالية للاما 3	847	766	756
وقت إخراج Llama3 لأول رمز مميز	1.963 ثانية	2.545 ثانية	2.578 ثانية
عدد الرموز المميزة الناتجة من Llama3 في الثانية	34.630 رمزًا/ثانية	36.752 رمزًا/ثانية	36.243 رمزًا/ثانية
مدة لاما 3 الإجمالية	92.026 ثانية	91.987 ثانية	93.200 ثانية
النتيجة الإجمالية للاما 2	غير متوفر	936	929
وقت إخراج Llama2 لأول رمز مميز	غير متوفر	3.813 ثانية	3.860 ثانية
عدد الرموز المميزة الناتجة من Llama2 في الثانية	غير متوفر	24.685 رمزًا/ثانية	24.619 رمزًا/ثانية
مدة لاما 2 الإجمالية	غير متوفر	136.077 ثانية	136.720 ثانية

UL Procyon: توليد الصور بالذكاء الاصطناعي

يوفر Procyon AI Image Generation Benchmark طريقة موحدة ودقيقة لقياس أداء استدلال الذكاء الاصطناعي على الأجهزة، بدءا من وحدات NPU منخفضة استهلاك الطاقة ووصولا إلى معالجات GPU عالية الأداء. ويضم الاختبار ثلاثة اختبارات رئيسية، هي Stable Diffusion XL (FP16) لمعالجات GPU المتطورة، وStable Diffusion 1.5 (FP16) لمعالجات GPU متوسطة الأداء، وStable Diffusion 1.5 (INT8) للأجهزة منخفضة استهلاك الطاقة.

ويستخدم المعيار محرك الاستدلال الأنسب لكل نظام، مما يساعد على تقديم نتائج أكثر عدلا وقابلية للمقارنة بين الأجهزة المختلفة.

أثبت توليد الصور أنه من أقوى أعباء العمل التي تعامل معها Ryzen AI Halo. ففي اختبار Stable Diffusion 1.5 FP16، حققت المنصة نتيجة إجمالية بلغت 937 نقطة، مقارنة بـ725 نقطة لجهاز Z2 Mini و648 نقطة لجهاز ZBook Ultra.

كما خفض Ryzen AI Halo زمن توليد الصور إلى 106.7 ثانية، مقابل 137.8 ثانية لجهاز Z2 Mini و154.2 ثانية لجهاز ZBook Ultra. وهذا يعني أن الجهاز لم يتفوق في النتيجة الإجمالية فقط، بل قدم أيضا زمن توليد أسرع بوضوح.

وأظهر اختبار Stable Diffusion XL تفوقا قويا أيضا. فقد أنهى Ryzen AI Halo الاختبار خلال 878.5 ثانية، أي أسرع بحوالي 174 ثانية من Z2 Mini، وبأكثر من 450 ثانية من ZBook Ultra.

كما أكمل الجهاز اختبار Stable Diffusion 1.5 INT8 بنتيجة إجمالية بلغت 9,158 نقطة. وتكتسب هذه النتيجة أهمية إضافية، لأن هذا الاختبار غير متاح على أي من جهازي HP المستخدمين للمقارنة.

وتؤكد هذه النتائج أن توليد الصور بالذكاء الاصطناعي يمثل إحدى نقاط القوة الرئيسية في AMD Ryzen AI Halo، خصوصا عند مقارنته بأجهزة محطة العمل المستخدمة في هذا الاختبار.

نتائج UL Procyon لتوليد الصور بالذكاء الاصطناعي:

الاختبار	AMD Ryzen AI Halo	HP Z2 Mini G1a	HP ZBook Ultra G1a 14"
Stable Diffusion 1.5 (FP16)، النتيجة الإجمالية	937	725	648
Stable Diffusion 1.5 (FP16)، الزمن الإجمالي	106.7 ثانية	137.815 ثانية	154.203 ثانية
Stable Diffusion 1.5 (FP16)، سرعة توليد الصورة	6.670 ثانية/صورة	8.613 ثانية/صورة	9.638 ثانية/صورة
Stable Diffusion 1.5 (INT8)، النتيجة الإجمالية	9,158	غير متاح	غير متاح
Stable Diffusion 1.5 (INT8)، الزمن الإجمالي	27.298 ثانية	غير متاح	غير متاح
Stable Diffusion 1.5 (INT8)، سرعة توليد الصورة	3.412 ثانية/صورة	غير متاح	غير متاح
Stable Diffusion XL (FP16)، النتيجة الإجمالية	682	570	451
Stable Diffusion XL (FP16)، الزمن الإجمالي	878.493 ثانية	1,052.468 ثانية	1,329.592 ثانية
Stable Diffusion XL (FP16)، سرعة توليد الصورة	54.906 ثانية/صورة	65.779 ثانية/صورة	83.100 ثانية/صورة

ملاحظة: يعتمد Ryzen AI Halo في الجدول على Ryzen AI Max+ 395 وRadeon 8060S، بينما يعتمد الجهازان الآخران على Ryzen AI Max+ PRO 395 وRadeon 8060S.

محطة عمل SPEC 4

يعد معيار SPECworkstation 4.0 أداة شاملة لتقييم جميع الجوانب الأساسية لأداء محطات العمل. إذ يوفر قياساً واقعياً لأداء المعالج والرسوميات والمسرعات والأقراص، مما يمنح المحترفين البيانات اللازمة لاتخاذ قرارات مدروسة بشأن استثماراتهم في الهاردوير. كما يتضمن مجموعة مخصصة من الاختبارات المركزة على أعباء الذكاء الاصطناعي والتعلم الآلي، مثل مهام علوم البيانات واختبارات الاستدلال المبنية على ONNX Runtime، وهو ما يعكس الأهمية المتزايدة للذكاء الاصطناعي في بيئات محطات العمل. وبالتالي، يغطي المعيار سبعة قطاعات صناعية وأربعة أنظمة هاردوير فرعية، مما يوفر قياساً دقيقاً وملائماً لأداء محطات العمل الحالية.

وفي هذا السياق، أبرز SPECworkstation 4 قدرات متوازنة لدى Ryzen AI Halo. حيث حقق أعلى الدرجات في الخدمات المالية (2.92)، والوسائط والترفيه (2.97)، وتصميم المنتجات (2.22)، والإنتاجية والتطوير (1.27)، متفوقاً على HP Z2 Mini وHP ZBook Ultra في تلك الفئات. وفي المقابل، حافظ Z2 Mini على تقدم طفيف في الطاقة (2.50 مقابل 2.35) وعلوم الحياة (2.60 مقابل 2.33). وبشكل عام، أظهر Halo أداءً قوياً عبر أعباء العمل المهنية، وظل منافساً في كل فئة اختبرت.

SPECworkstation 4.0.0 (الإصدار الأحدث أفضل)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
طاقة	2.35	2.50	2.20
الخدمات المالية	2.92	2.35	1.60
علوم الحياة	2.33	2.60	2.20
الإعلام والترفيه	2.97	2.22	1.90
تصميم المنتج	2.22	2.00	1.74
الإنتاجية والتطوير	1.27	1.00	1.03

Luxmark

يعد Luxmark اختبارا لأداء معالج الرسوميات، ويعتمد على LuxRender، وهو محرك مفتوح المصدر لتصيير المشاهد باستخدام تقنية تتبع الأشعة. ويستخدم الاختبار مشاهد ثلاثية الأبعاد عالية التفاصيل لتقييم قدرات النظام في معالجة الرسوميات والتصيير.

ويعد هذا الاختبار مفيدا عند تقييم أداء الخوادم ومحطات العمل، خصوصا في تطبيقات المؤثرات البصرية والتصور المعماري، حيث تمثل محاكاة الإضاءة الدقيقة عاملا مهما في جودة النتائج.

أظهرت نتائج Luxmark فروقا محدودة للغاية بين منصات Ryzen AI Max+ 395 الثلاث. وحقق نظام AMD Ryzen AI Halo المرجعي أعلى نتيجة في اختبار Food، مسجلا 4,158 نقطة، متقدما بفارق محدود على Z2 Mini الذي سجل 3,943 نقطة، وZBook Ultra الذي سجل 3,915 نقطة.

أما في اختبار Hallbench، فقد سجل Ryzen AI Halo نتيجة بلغت 8,014 نقطة. وتراجع بذلك قليلا أمام Z2 Mini الذي حقق 8,477 نقطة، لكنه ظل متقدما على ZBook Ultra الذي سجل 7,833 نقطة.

وبشكل عام، تشير النتائج إلى أن الأنظمة التي تعتمد على Radeon 8060S تقدم مستوى متقاربا جدا من أداء تتبع الأشعة، بغض النظر عن اختلاف تصميم الجهاز أو حجمه.

Luxmark (الأعلى أفضل)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
Hallbench	8014	8477	7833
Food	4158	3943	3915

ضغط 7-Zip

يقيم اختبار 7-Zip Compression أداء المعالج أثناء الضغط وفك الضغط، إذ يقيس الأداء بوحدة GIPS (مليار تعليمة في الثانية) واستهلاك المعالج. وبالتالي، يشير ارتفاع GIPS وكفاءة استهلاك المعالج إلى أداء متفوق.

وتصدر Ryzen AI كل فئة رئيسية في اختبار 7-Zip. حيث حقق تصنيف ضغط بلغ 176.7 GIPS، مقابل 139.3 GIPS لـ HP Z2 Mini و139.6 GIPS لـ ZBook Ultra. كما بقي أداء فك الضغط قوياً بالمثل عند 191.6 GIPS، متجاوزاً 164.0 GIPS لـ Z2 Mini و174.0 GIPS لـ ZBook Ultra. وبشكل مجمع، حقق Halo أعلى تصنيف إجمالي عند 184.2 GIPS، متفوقاً على الأنظمة المنافسة بنحو 20%، مما يظهر إنتاجية ممتازة في التعليمات الصحيحة لأعباء إنشاء الأرشيف واستخراجه.

معيار ضغط 7-Zip (الأعلى أفضل)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
ضغط
استخدام وحدة المعالجة المركزية الحالي	2741%	2734%	2868%
التقييم/الاستخدام الحالي	6.370 GIPS	5.136 GIPS	4.883 GIPS
التصنيف الحالي	174.589 GIPS	140.405 GIPS	140.061 GIPS
استخدام وحدة المعالجة المركزية الناتج	2751%	2718%	2855%
التقييم/الاستخدام الناتج	6.424 GIPS	5.126 GIPS	4.890 GIPS
التقييم الناتج	176.742 GIPS	139.298 GIPS	139.617 GIPS
تخفيف الضغط
استخدام وحدة المعالجة المركزية الحالي	2568%	2343%	2904%
التقييم/الاستخدام الحالي	7.670 GIPS	6.805 GIPS	6.029 GIPS
التصنيف الحالي	196.986 GIPS	159.451 GIPS	175.104 GIPS
استخدام وحدة المعالجة المركزية الناتج	2469%	2414%	2887%
التقييم/الاستخدام الناتج	7.766 GIPS	6.793 GIPS	6.028 GIPS
التقييم الناتج	191.645 GIPS	163.969 GIPS	174.046 GIPS
التقييم الإجمالي
إجمالي استخدام وحدة المعالجة المركزية	2610%	2566%	2871%
التقييم/الاستخدام الإجمالي	7.095 GIPS	5.959 GIPS	5.459 GIPS
التقييم الإجمالي	184.194 GIPS	151.634 GIPS	156.832 GIPS

اختبار أداء Blender

يعد Blender تطبيقاً مفتوح المصدر للنمذجة ثلاثية الأبعاد. وقد أجري هذا الاختبار باستخدام أداة Blender Benchmark، حيث تقاس النتيجة بعدد العينات في الدقيقة، وتشير القيم الأعلى إلى أداء أفضل.

وفي هذا السياق، كانت عملية العرض باستخدام المعالج المركزي مجالاً آخر تفوقت فيه منصة Ryzen AI Halo. ففي مشهد Monster، حققت المنصة 244.7 عينة في الدقيقة، متفوقة بذلك على جهازي HP Z2 Mini (224.3) وHP ZBook Ultra (189.3). وجاء مشهد Junkshop تالياً بمعدل 159.4 عينة في الدقيقة، مقارنة بـ 149.5 و129.4 للجهازين الآخرين. بينما سجل مشهد Classroom معدل 131.6 عينة في الدقيقة، متفوقاً على Z2 Mini (116.3) بنسبة تقارب 13% وعلى ZBook Ultra (94.1) بنسبة تقارب 40%. وبالتالي، تظهر هذه النتائج أن معالج Ryzen AI Max+ 395 يقدم أداءً ممتازاً في العرض متعدد المسارات رغم صغر حجم الجهاز.

اختبار أداء وحدة المعالجة المركزية لبرنامج بلندر (عدد العينات في الدقيقة، كلما زاد العدد كان ذلك أفضل)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
Monster	244.7 عينة/م	224.3 عينة/م	189.29 عينة/م
Junkshop	159.4 عينة/م	149.5 عينة/م	129.42 عينة/م
Classroom	131.6 عينة/م	116.3 عينة/م	94.14 عينة/م

أما نتائج العرض باستخدام معالج الرسوميات فكانت أكثر تقارباً بين الأنظمة المختلفة. إذ قامت منصة Halo المرجعية بمعالجة مشهد Monster بمعدل 704.2 عينة في الدقيقة، لتأتي خلف Z2 Mini (745.6) ولكن متقدمة على ZBook Ultra (661.5). وفي مشهد Junkshop، كان الأداء متساوياً عملياً بين منصة Halo (366.6) وجهاز Z2 Mini (366.5). وفي الوقت نفسه، سجل نظام Halo أعلى نتيجة في مشهد Classroom بمعدل 361.5 عينة في الدقيقة، متجاوزاً بفارق ضئيل كلاً من Z2 Mini (359.0) وZBook Ultra (333.3). وهكذا، تشير النتائج إلى أن معالج Radeon 8060S يوفر أداءً ثابتاً ومتميزاً في العرض عبر معالجات الرسوميات في مختلف الأنظمة.

اختبار أداء برنامج Blender لوحدة معالجة الرسومات (عدد العينات في الدقيقة، كلما زاد العدد كان ذلك أفضل)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
Monster	704.2 عينة/م	745.55 عينة/م	661.50 عينة/م
Junkshop	366.6 عينة/م	366.54 عينة/م	341.92 عينة/م
Classroom	361.51 عينة/م	359.01 عينة/م	333.26 عينة/م

AMD Ryzen AI Halo: اختبار y-cruncher لحساب الثوابت الرياضية

يعد y-cruncher برنامجاً متعدد المسارات وقابلاً للتوسع، قادراً على حساب Pi وثوابت رياضية أخرى إلى تريليونات الأرقام. ومنذ إطلاقه في 2009، أصبح أداة شائعة للقياس والاختبار الإجهادي لدى محبي كسر السرعة وعشاق الهاردوير. وقد خضع AMD Ryzen AI Halo لهذا الاختبار إلى جانب منصتين من HP.

وانقسمت نتائج y-cruncher وفق حجم الحساب. ففي تشغيلات 1 مليار و2.5 مليار رقم، أنهت الأنظمة الثلاثة خلال أجزاء من الثانية من بعضها، مع تقدم طفيف لأنظمة HP. ومع توسع العبء، انفصل Halo عن المنافسة، مكملاً حساب 5 مليارات رقم في 71.948 ثانية، مقابل 75.021 ثانية لـ Z2 Mini و78.19 ثانية لـ ZBook Ultra. وعند 10 مليارات رقم، أنهى Halo في 151.409 ثانية، متقدماً بنحو 6% على Z2 Mini و12% على ZBook Ultra، مما يشير إلى أن هيكل سطح المكتب يحافظ على الأحمال متعددة المسارات الثقيلة بشكل أفضل مع امتداد أوقات التشغيل.

Y-Cruncher (إجمالي وقت الحساب)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
مليار	13.193 ثانية	12.965 ثانية	12.93 ثانية
2.5 مليار	34.578 ثانية	34.533 ثانية	34.91 ثانية
5 مليارات	71.948 ثانية	75.021 ثانية	78.19 ثانية
10 مليارات	151.409 ثانية	160.252 ثانية	171.72 ثانية

Geekbench 6

يعد Geekbench 6 معياراً متعدد المنصات يقيس الأداء العام للنظام. وقد خضع AMD Ryzen AI Halo لهذا الاختبار إلى جانب منصتين من HP.

وعزز Geekbench 6 ملف الأداء المتوازن لمنصة Halo. إذ حقق أعلى نتيجة أحادية النواة عند 2986، متقدماً على HP Z2 Mini (2862) وZBook Ultra (2825). كما تصدر الأداء متعدد النوى المقارنة عند 18068. وسجل Radeon 8060S أعلى نتيجة OpenCL للرسوميات عند 92883، متجاوزاً بفارق ضئيل Z2 Mini (91591) وبتفوق مريح على ZBook Ultra (85337). وبالتالي، توضح التقدمات المتسقة في اختبارات المعالج والرسوميات الأداء المتكامل لمنصة Ryzen AI Max+ 395.

Geekbench 6 (الأعلى أفضل)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
وحدة المعالجة المركزية أحادية النواة	2986	2862	2825
وحدة المعالجة المركزية متعددة النوى	18,068	17210	17,562
وحدة معالجة الرسومات OpenCL	92,883	91,591	85,337

Cinebench R23

يعد Cinebench R23 معياراً واسع الانتشار لتقييم أداء المعالج في أعباء العرض ثلاثي الأبعاد. ويعتمد على محرك Cinema 4D، حيث يقيس كفاءة المعالج في المهام أحادية الخيط ومتعددة الخيوط، مما يمنح رؤية للاستجابة العامة وقدرات المعالجة المتوازية. وقد خضع AMD Ryzen AI Halo لهذا الاختبار إلى جانب منصتين من HP.

وأظهر Cinebench R23 سباقاً متقارباً بين تطبيقي Ryzen AI Max+ 395 المكتبيين. إذ سجلت منصة Halo نتيجة متعددة النوى عند 37316، متقدمة بفارق طفيف على HP Z2 Mini (37156)، بينما تجاوز كلاهما بفارق مريح HP ZBook Ultra (29112). وسار الأداء أحادي النواة على النهج نفسه، حيث سجلت منصة Halo 2047، مقابل 2020 لـ Z2 Mini و1984 لـ ZBook Ultra. ورغم أن الفوارق أمام Z2 Mini كانت صغيرة، إلا أن نظام Halo أنهى الاختبار في المقدمة باستمرار.

Cinebench R23 (كلما ارتفع الرقم كان ذلك أفضل)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
متعدد النوى	37,316	37156	29112
أحادي النواة	2047	2020	1984

AMD Ryzen AI Halo: Cinebench 2024

يبني Cinebench 2024 على أساس R23 من خلال إدخال اختبارات عرض معتمدة على معالج الرسوميات، مع الحفاظ على تركيزه على أداء المعالج. وفي هذا القسم، نفحص نتائج المعالج فقط، والتي تقدم رؤية محدثة لكيفية تعامل كل نظام مع مهام العرض ثلاثي الأبعاد الحديثة.

وعكس Cinebench 2024 الأحدث نتائج R23. إذ سجل AMD Ryzen AI Halo أعلى نتيجة متعددة النوى عند 1916، متقدماً بفارق ضئيل على HP Z2 Mini (1906)، مع الحفاظ على تقدم كبير على HP ZBook Ultra (1579). كما مال الأداء أحادي النواة لصالح منصة Halo، حيث سجل 116 نقطة مقابل 112 لـ Z2 Mini و111 لـ ZBook Ultra. ورغم أن الفوارق بين أنظمة سطح المكتب بقيت صغيرة، إلا أن النتائج تعزز قدرة Ryzen AI Max+ 395 على تقديم أداء عرض متسق ومن الطراز الأول.

Cinebench 2024 (الأعلى أفضل)	AMD Ryzen AI Halo (Ryzen AI Max+ 395 | Radeon 8060S)	HP Z2 Mini G1a (Ryzen AI Max+ PRO 395 | Radeon 8060S)	HP ZBook Ultra G1a 14″ (Ryzen AI Max+ PRO 395 | Radeon 8060S)
متعدد النوى	1916	1906	1579
أحادي النواة	116	112	111

معايير Phoronix في AMD Ryzen AI Halo

تعد Phoronix Test Suite منصة مفتوحة المصدر وآلية للقياس، تدعم أكثر من 450 ملف اختبار و100 مجموعة عبر OpenBenchmarking.org. وتتولى كل شيء من تثبيت التبعيات إلى تشغيل الاختبارات وجمع النتائج، مما يجعلها مثالية لمقارنات الأداء، والتحقق من الهاردوير، والتكامل المستمر. وسننظر في الأداء عبر اختبارات Stream و7-Zip وLLVM.

وبالنظر إلى مجموعة Phoronix، لاحظنا انقساماً متوازناً بين منصة AMD Ryzen AI Halo وNVIDIA DGX Spark. إذ تصدر نظام Ryzen AI Halo باستمرار أعباء المعالج، متفوقاً على DGX Spark بنسبة 11% في ضغط 7-Zip، و38% في فك الضغط، وأكمل اختبار ترجمة LLVM أسرع بنسبة 14%. في المقابل، أظهر DGX Spark نطاقاً ترددياً مستداماً للذاكرة، متقدماً في اختبارات STREAM Scale وTriad وAdd بنسب 17% و13% و15% على التوالي. وحافظ Halo على أفضلية بنسبة 18% في اختبار STREAM Copy، مما يوضح أنه رغم قدرة النظامين العالية، فإن منصة Ryzen AI Halo تفضل أداء الحوسبة عامة الأغراض، بينما يظهر DGX Spark إنتاجية أعلى في أعباء نطاق الذاكرة.

الاختبار	AMD Ryzen AI Halo	NVIDIA DGX Spark	الفائز
7-Zip Compression (MIPS)	186,921	169,052	Halo (+11%)
7-Zip Decompression (MIPS)	146,109	106,084	Halo (+38%)
STREAM Copy (MB/s)	145,363	123,730	Halo (+18%)
STREAM Scale (MB/s)	110,611	128,970	Spark (+17%)
STREAM Triad (MB/s)	107,105	121,433	Spark (+13%)
STREAM Add (MB/s)	107,022	122,815	Spark (+15%)
LLVM Compile (Make, Seconds)	431.8	504.3	Halo (14% Faster)

معيار أداء FIO

لقياس أداء التخزين عبر مقاييس الصناعة الشائعة، نستخدم fio. واختبار SSD التقليدي لدينا يهيئ كل قرص بعمليتي ملء كاملتين كقرص ثانوي، لكننا هنا اختبرنا كل قرص داخل النظام عبر نظام الملفات. وسبق أن اختبرنا أنظمة NVIDIA بـ GDSIO، لكن AMD لا تقدم اختبار تخزين مباشر عبر معالج الرسوميات مماثلاً، لذلك فإن تشغيل fio على مستوى نظام الملفات على المنصتين يضعهما على أرضية متكافئة، وهو أمر يهم أكثر من قياس الأقراص بشكل منفصل.

ويأتي كل من NVIDIA DGX Spark (نسخة Founders) وAMD Ryzen AI Halo بقرص PCIe Gen5، لذا فإن المنصتين تملكان نظرياً سقوفاً متطابقة لعرض النطاق الخام. وعملياً، يعمل قرص Halo بسرعات PCIe Gen4 في هذا النظام، مما يحد من عرض النطاق المتاح إلى أقل بكثير مما يستطيعه القرص نفسه. ويستحق هذا القيد في سرعة الوصلة التذكر طوال هذا القسم، إذ يفسر جزءاً معتبراً من فجوة عرض النطاق بين المنصتين.

وفي هذا القسم، نركز على معايير FIO التالية:

• 128K Sequential
• 64K Random
• 16K Sequential
• 16K Random
• 4K Random

128K Sequential Read

في قراءة تسلسلية بحجم 128K وطابور عميق وخيط واحد (64/1)، سجل NVIDIA DGX Spark 13399.6 MB/s، أي ما يقارب ضعف ما حققه AMD Ryzen AI Halo عند 6897.5 MB/s. وسار زمن الاستجابة على النهج نفسه، إذ بلغ متوسط زمن الاستجابة لدى Spark 0.597 ms، بينما تخلف Halo عند 1.159 ms، أي ما يقارب ضعف البطء لكل طلب رغم نقل نصف البيانات. وهذه أوضح فجوة في السلسلة كاملة، مما يشير إلى أن منظومة تخزين Spark مبنية على إنتاجية تسلسلية مستدامة أعلى عند حجم الكتلة هذا.

كتابة متسلسلة 128K Sequential Write

يحكي أداء الكتابة قصة مماثلة. عند IODepth 16/1، وصلت سرعة Spark إلى 2,984.4 ميجابايت/ثانية مقارنة بـ Halo البالغة 1,392.4 ميجابايت/ثانية، مما يمنح NVIDIA ميزة بنسبة 114%. فضل الكمون أيضًا Spark، حيث سجل 0.67 مللي ثانية مقابل 1.436 مللي ثانية لـ Halo. كما هو الحال مع نتائج القراءة، كان الاختبار المتسلسل البالغ 128 ألفًا بمثابة أقوى عرض لـSpark ضد Halo.

قراءة عشوائية بحجم 64 كيلوبايت

هنا يظهر تفوق Halo الحقيقي في زمن الاستجابة عند العمق المنخفض. عند 1/1، أجاب Halo في 0.051 ms فقط، مقابل 0.275 ms لـ Spark، أي أسرع بأكثر من 5 أضعاف لطلب واحد معلق. وتستمر هذه الفجوة عبر الأعماق المنخفضة والمتوسطة، حيث يبقى AMD Ryzen AI Halo أقل من 0.2 ms، بينما يتذبذب Spark بين 0.2 و0.45 ms في معظم الاختبار.

لكن القصة تنقلب عند التوسع. مع تجاوز عمق الطابور نحو 16/4، ينفصل عرض نطاق Spark. يستقر حول 9.8 GB/s من 8/16 فصاعداً. يبلغ ذروته عند 10019.1 MB/s (160.3K IOPS) عند 32/8. أما Halo فلا يصل إلى هذا السقف. يشبع في نطاق 6.0–6.9 GB/s. ذروته عند 6926.5 MB/s (110.8K IOPS) عند 4/8. ومنحنى عرض النطاق لديه أكثر تذبذباً. يتأرجح بين 2 و6.8 GB/s حسب توليفة العمق والخيوط. بدلاً من الصعود بسلاسة.

زمن الاستجابة عند التشبع الكامل يميل أيضاً لصالح Spark. عند 32/16، يتضخم متوسط زمن الاستجابة لدى Halo إلى 5.185 ms، مقابل 3.204 ms لـ Spark. وهذا يعني أن Halo يدفع ثمن استجابته عند العمق المنخفض بسلوك أسوأ عند امتلاء الطابور.

64K Random Write

عرض نطاق الكتابة العشوائية بحجم 64K أقرب بين المنصتين من القراءة. لكن أشكال المنحنيين مختلفة جداً. منحنى Halo أكثر تذبذباً، إذ يقفز فوق 2.5 GB/s مراراً (ذروة عند 2929.1 MB/s / 46.9K IOPS عند 32/4). ثم يهبط إلى نطاق 1.1–1.5 GB/s عند التوليفات المجاورة. أما Spark فأكثر ثباتاً، يستقر في نطاق 1.7–2.0 GB/s لمعظم الاختبار. وتبلغ ذروته 2106.6 MB/s (33.7K IOPS) عند 2/16.

زمن الاستجابة يعكس نمط قراءة 64K. Halo أسرع بوضوح عند العمق المنخفض (0.054 ms عند 1/1 مقابل 0.217 ms لـ Spark). ويتدهور كلا القرصين بحدة مع ارتفاع العمق والخيوط إلى خانتين عشريتين. عند التشبع الكامل (32/16)، يبلغ زمن استجابة Halo 19.611 ms، مقابل 17.857 ms لـ Spark. ومن الواضح أن كلا القرصين تحت ضغط تضخيم الكتابة عند هذه النقطة، مع أسوأية طفيفة لـ AMD Ryzen AI Halo عند قمة المنحنى.

عمليات القراءة المتسلسلة بحجم 16 كيلوبايت في AMD Ryzen AI Halo

• عرض النطاق يبقى مرتفعاً في معظم الاختبار.
• يتأرجح القرصان بين 1–8 GB/s حسب توليفة العمق والخيوط.
• يتفوق Spark بقمة أعلى عند 8069.3 MB/s (516.4K IOPS) عند 32/1.
• يبلغ Halo ذروته عند 6715.8 MB/s (429.8K IOPS) عند 8/4.

• زمن الاستجابة يميل لصالح Halo في كل المواضع إلا عند قمة الطابور.
• عند 1/1، يجيب Halo في 0.027 ms مقابل 0.214 ms لـ Spark.
• ويحافظ Halo على زمن استجابة أقل في معظم الاختبار.
• وفقط عند التوليفات الأعمق تضيق الفجوة.
• عند 32/16، يبلغ متوسط زمن استجابة Halo 1.441 ms، أقل بقليل من 1.599 ms لـ Spark.
• وهذه إحدى النقاط القليلة التي لا يتجاوز فيها منحنى Halo منحنى Spark عند التشبع.

الكتابة المتسلسلة بحجم 16 كيلوبايت

تتقارب معدلات النقل (النطاق الترددي) هنا أيضاً؛ إذ يصل محرك Spark إلى ذروة تبلغ 2,141.6 ميجابايت/ثانية (137.1 ألف عملية إدخال/إخراج في الثانية – IOPS) عند إعدادات 16/1، بينما يليه محرك Halo بفارق بسيط مسجلاً 1,970.9 ميجابايت/ثانية (126.1 ألف IOPS) عند إعدادات 1/8.

وهنا يظهر التباين الكبير بين المحركين فيما يتعلق بزمن الاستجابة (Latency). يبدأ محرك Halo بأداء متفوق بوضوح عند مستويات منخفضة لعمق قائمة الانتظار (0.022 مللي ثانية عند 1/1 مقابل 0.231 مللي ثانية لمحرك Spark)، إلا أن منحنى زمن الاستجابة الخاص به يرتفع بسرعة مع امتلاء قائمة الانتظار.

وعند الوصول إلى إعدادات 32/16، ارتفع متوسط ​​زمن الاستجابة لجهاز Halo ليصل إلى 6.967 مللي ثانية، متجاوزاً بذلك بشكل ملحوظ زمن استجابة محرك Spark البالغ 4.306 مللي ثانية عند نفس الإعدادات. كما يتسم منحنى أداء Halo بكونه أقل استقراراً وقابلية للتنبؤ، حيث يشهد قفزات حادة ومفاجئة عند مستويات متوسطة متنوعة، في حين يظل منحنى أداء Spark مستقراً وثابتاً إلى حد كبير.

قراءة عشوائية 16K (16K Random Read)

هذه إحدى أفضل نتائج AMD Ryzen AI Halo. يحقق ذروة أعلى عند 6609.4 MB/s (423.0K IOPS) عند 32/16. مقابل 6082.6 MB/s (389.3K IOPS) لـ Spark عند نفس التوليفة.

زمن الاستجابة يبدأ لصالح Halo (0.047 ms عند 1/1 مقابل 0.222 ms لـ Spark). لكن منحنى Halo أكثر تقلباً عبر الاختبار. قفزاته الحادة عند 8/1 و16/1 و8/4 و8/8 تتجاوز بكثير منحنى Spark الأكثر سلاسة. عند قمة الطابور، تبلغ ذروة Halo 1.971 ms عند 16/16. تتجاوز ذروة Spark 1.315 ms عند 32/16. إذن يقايض Halo الاتساق مقابل سرعة عند العمق المنخفض.

كتابة عشوائية 16K (16K Random Write)

عرض النطاق يميل لصالح Spark هنا. يبلغ 2074.1 MB/s (132.7K IOPS) عند 32/1. مقابل 1503.5 MB/s (96.2K IOPS) لـ Halo عند 8/4. ومنحنى Spark أكثر ثباتاً. يبقى في نطاق 1.6–2.0 GB/s لمعظم الاختبار بعد الصعود الأولي. في المقابل، يتأرجح Halo بعنف بين 0.1 و1.5 GB/s من توليفة لأخرى.

زمن الاستجابة هو ما يميز هذا الاختبار. يبدأ Halo أقل عند 1/1 (0.154 ms مقابل 0.224 ms). لكن عند 8/16، يقفز متوسط زمن استجابته إلى 20.698 ms. أي ما يقارب 4.5 أضعاف أسوأ حالة لـ Spark عند 4.664 ms. وباستثناء هذه القفزة، يبقى زمن استجابة Halo معقولاً. لكنه شاذ يستحق الإشارة لأي عبء قد يقع على هذه التوليفة.

قراءة عشوائية 4K (4K Random Read) بين Spark وAMD Ryzen AI Halo

عند العمق المنخفض، يستجيب Halo أسرع بكثير (0.04 ms عند 1/1 مقابل 0.215 ms لـ Spark). ويحافظ على أفضلية في زمن الاستجابة عبر معظم النطاق المنخفض والمتوسط. لكن Spark يتقدم بحسم في الإنتاجية عند التوسع. تبلغ ذروة IOPS لديه 1750.7K (6838.8 MB/s) عند 32/16. متجاوزاً بوضوح ذروة Halo عند 1050.4K IOPS (4103.2 MB/s) عند 32/8.

والمثير أن صورة زمن الاستجابة تنقلب عند العمق المرتفع. يبقى منحنى Spark محتوى نسبياً مع ارتفاع العمق والخيوط. يبلغ ذروته عند 0.292 ms فقط. في المقابل، يقفز Halo بحدة عند 16/16 (0.513 ms). ثم يقفز مجدداً عند 32/16 (1.009 ms). متجاوزاً خط الأساس لديه بأكثر من 3 أضعاف. وهذا يعني أن استجابته الممتازة عند العمق المنخفض لا تستمر حتى التشبع الكامل.

كتابة عشوائية 4K (4K Random Write)

هذه أوسع فجوة IOPS في الاختبار. يتصاعد أداء الكتابة العشوائية 4K لدى Spark بحدة مع ارتفاع العمق والخيوط. يبلغ 490.4K IOPS (1915.6 MB/s) عند 8/16. في المقابل، يستقر Halo مبكراً وعند مستوى أقل بكثير. يبلغ ذروته 125.6K IOPS (490.7 MB/s) عند 4/4. ولا يتجاوز 110–115K IOPS لبقية الاختبار. إذن يعمل Spark عند ما يقارب 4 أضعاف سقف Halo هنا.

زمن الاستجابة يبدأ لصالح Halo عند العمق المنخفض (0.079 ms مقابل 0.235 ms عند 1/1). وعند 32/16، يصعد متوسط زمن استجابة Halo إلى 4.546 ms. بينما يبقى Spark متحكماً نسبياً عند 1.792 ms. ومع فجوة IOPS، يعد هذا الاختبار الأكثر وضوحاً والأكثر اتساقاً لتفوق Spark عبر كامل الاختبار.

AMD Ryzen AI Halo: أداء استدلال vLLM

يعد vLLM أحد أشهر محركات استدلال النماذج اللغوية الكبيرة LLM. ويقدم خدمة عالية الإنتاجية. ويقيم معيار الخدمة عبر الإنترنت أداءه الواقعي. وذلك تحت طلبات متزامنة.

إذ يحاكي أعباء الإنتاج. يرسل طلبات إلى خادم vLLM قيد التشغيل. مع معاملات قابلة للضبط. منها معدل الطلبات. وأطوال الإدخال والإخراج. وعدد العملاء المتزامنين.

ويقيس المعيار مقاييس رئيسية. منها الإنتاجية (رموز في الثانية). وزمن أول رمز. وزمن كل رمز إخراج (TPOT). مما يساعد المستخدمين على فهم أداء vLLM. تحت ظروف حمل مختلفة.

وقد اختبرنا أداء الاستدلال. عبر مجموعة شاملة من النماذج. تمتد عبر معماريات مختلفة. وأحجام معاملات. واستراتيجيات تكميم. لتقييم الإنتاجية. عبر ملفات تزامن مختلفة.

GPT OSS 120B

تساوٍ ISL/OSL (256/256): توسع Halo إلى 222 tok/s عند حجم دفعة 64. بينما بلغ Spark 701 (أي أقل بـ 3.2 أضعاف).

إثقال التعبئة المسبقة (8k/1k): بلغت إنتاجية Halo ذروتها عند دفعة 32 (427 tok/s). ثم انخفضت إلى 314 عند دفعة 64. بينما قفز Spark إلى 2760 (أي 8.8 أضعاف). وهي أوسع فجوة في المجموعة.

إثقال فك التشفير (1k/8k): بلغ Halo 127 tok/s. مقابل 305 لـ Spark عند حجم دفعة 64 (أي 2.4 أضعاف).

GPT OSS 20B

• تساوٍ ISL/OSL (256/256): تصدر Spark في كل دفعة. توسع إلى 1917 مقابل 617 tok/s عند دفعة 64 (أي 3.1 أضعاف).
• إثقال التعبئة المسبقة (8k/1k): أقوى تقدم لـ Spark. صعد إلى 3672 مقابل 881 tok/s عند دفعة 64 (أي 4.2 أضعاف).
• إثقال فك التشفير (1k/8k): يتقدم Spark طوال الاختبار. بلغ 728 مقابل 330 tok/s عند دفعة 64 (أي 2.2 أضعاف).

Qwen3 Coder 30B A3B Instruct

• تساوٍ ISL/OSL (256/256): توسع Halo إلى 376 tok/s عند دفعة 64. أي نصف ما حققه Spark تقريباً عند 729 (1.9 ضعف). وهي إحدى أضيق نتائج التساوي.
• إثقال التعبئة المسبقة (8k/1k): بلغت إنتاجية Halo ذروتها عند دفعة 32 (408 tok/s). ثم انخفضت إلى 362 عند دفعة 64. متخلفة عن Spark عند 1663 (4.6 أضعاف).
• إثقال فك التشفير (1k/8k): بلغ Halo 188 tok/s. مقابل 357 لـ Spark عند دفعة 64 (1.9 ضعف).

Mistral Small 3.1 24B Instruct

• تساوٍ ISL/OSL (256/256): في البداية، تصدر Halo في دفعة 1 (9 مقابل 8 tok/s). ثم استقر عند 202 tok/s عند دفعة 64. في المقابل، بلغ Spark 498 (2.5 ضعف).
• إثقال التعبئة المسبقة (8k/1k): كذلك، بلغت إنتاجية Halo ذروتها عند دفعة 32 (188 tok/s). بعد ذلك، انخفضت قليلاً إلى 164 عند دفعة 64. وهكذا، تخلف عن Spark عند 540 (3.3 أضعاف).
• إثقال فك التشفير (1k/8k): أما هنا، فتقاربا طوال الاختبار. إذ بلغ Halo 119 tok/s مقابل 132 لـ Spark عند دفعة 64 (بفارق 11%).

Llama 3.1 8B Instruct

في اختبار تساوٍ ISL/OSL (256/256)، توسع Halo بسلاسة من 25 tok/s عند دفعة 1 إلى 407 tok/s عند دفعة 64. وخلال ذلك، تابع Spark عن قرب حتى دفعة 4. بعد ذلك، انفصل Spark متقدماً إلى 1330 (أي 3.3 أضعاف عند الذروة).

أما في إثقال التعبئة المسبقة (8k/1k)، فقد بلغ Halo 546 tok/s عند دفعة 64. وبذلك، حافظ على نحو نصف ما حققه Spark عند 1059.

وفي إثقال فك التشفير (1k/8k)، ظهر Halo في أكثر سيناريوهاته تنافسية. إذ بلغ 235 tok/s مقابل 263 لـ Spark عند دفعة 64 (بفارق 12%).

Llama 3.1 8B Instruct FP4

في اختبار تساوٍ ISL/OSL (256/256)، بلغت إنتاجية Halo ذروتها عند 267 tok/s عند دفعة 64. وهذا متخلف بكثير عن Spark عند 3573. إذ يظهر FP4 أوسع فجوة (13.4 ضعف).

أما في إثقال التعبئة المسبقة (8k/1k)، فقد بلغ Halo 457 tok/s عند دفعة 64. مقابل 2713 لـ Spark (5.9 أضعاف).

وفي إثقال فك التشفير (1k/8k)، توسع Halo إلى 146 tok/s. مقابل 588 tok/s لـ Spark عند دفعة 64 (4 أضعاف).

إعداد الجهاز وتجربة ويندوز على AMD Ryzen AI Halo

يتمثل التحدي الأكبر في صناديق مطوري الذكاء الاصطناعي بالسوق في نقطة واحدة. إذ تعتمد معظمها على لينكس افتراضياً، بما فيها DGX Spark وتصاميمه الطرفية. وبالطبع، يعد ذلك مثالياً للمطورين المدربين على هذه المنصة. لكن، قد تستهلك بيئة لينكس ساعات أثناء التعامل مع التبعيات. مثل إصدارات محددة من CUDA، أو تثبيت PyTorch، أو إدارة تحديثات النواة.

وتعالج AMD نقطة الاحتكاك هذه. إذ توفر لينكس أو ويندوز مباشرة على Ryzen AI Halo. فإذا كنت تحتاج لينكس، وكنت مرتاحاً في تلك البيئة، يمكنك تحميله والبدء. وفي المقابل، يوفر خيار ويندوز 11 جهازاً جاهزاً للاستخدام فوراً.

 Ryzen AI Halo أوجهاز مكتبي مجمع يدوياً؟

تثير سهولة الاستخدام مباشرة من الصندوق سؤالاً مثيراً حول إطلاق جهاز AMD. فإذا كان هذا الطراز الرائد لفئة فرعية جديدة من أجهزة سطح المكتب، فما رأينا في الأنظمة البديلة المجمعة يدوياً مثل Framework Desktop؟

من خلال تصميمه المعياري، يتيح إعداد Framework المخصص بناء نظام AMD مطابق وظيفياً. بل يمكنك تجهيزه بنفس معالج Ryzen AI Max+ 395. ونفس رسوميات Radeon 8060S. و128GB من الذاكرة الموحدة. و2TB من تخزين SSD.

إذن، ما الفرق الوظيفي بين إعداد مجمع يدوياً كهذا وهذه المنصة المرجعية الجديدة؟

تعود الإجابة إلى البرمجيات. إذ تشحن AMD جهاز Ryzen AI Halo مع تطبيق AMD Ryzen AI Developer Center المركزي مثبتاً مسبقاً. ومنذ أول إقلاع، يبسط هذا المركز البرمجي التجربة عبر أتمتة مهام الإعداد المملة. فيما يتولى المركز تحديث أطر البرمجيات والتبعيات خلف الكواليس. كما يوفر نصوصاً برمجية آلية لعزل بيئات PyTorch. إضافة إلى ذلك، يضم المركز دليلاً عملياً يسهل تحديث التبعيات الأساسية. ويعينك على إيجاد أدلة لحالات استخدام متنوعة. كما توجد عدة أدوات برمجية مهمة مثبتة مسبقاً. أو لها مشغلات جاهزة مباشرة على سطح المكتب.

وبينما يمكنك شراء نظام مجمع يدوياً وتحميله يدوياً ببرمجيات مماثلة، من حزم الوقت التشغيلي إلى أدوات الواجهة الأمامية مثل LM Studio وComfyUI، فإن AMD تهيئ Halo للعمل مباشرة من الصندوق. وبذلك، تقضي يومك الأول في التعامل مع ذكاء اصطناعي يعمل فعلاً. بدلاً من محاربة أخطاء الطرفية.

وللحصول على فكرة عن كيفية مقارنة AMD Ryzen AI Halo بأجهزة سطح مكتب مجهزة بالمثل، أجريت بعض اختبارات القياس الأولية غير المتعلقة بالذكاء الاصطناعي. لمعرفة كيف يقارن ببعض الأنظمة الأخرى التي راجعناها.

استنتاج وتقييم وسام ويب

يدخل AMD Ryzen AI Halo فئة أنشأتها NVIDIA فعلياً بـ DGX Spark. لكنه لا يحاول التفوق عليه في ملعبه. إذ حافظ Spark على أفضلية بين 2x و4x في معظم سيناريوهات vLLM. وامتدت إلى 8.8x في أعباء GPT OSS 120B. وفي المقابل، اقتصرت على 10% في تشغيلتي فك تشفير. كما فاز نظام التخزين لديه بـ كل اختبارات fio تقريباً. لكن، يقدم Halo نفس 128GB من الذاكرة. ونفس سقف 200 مليار معامل. وفي حجم مماثل. بسعر 3999 دولاراً مقابل 4699 دولاراً. وذلك في جهاز x86 كامل يقلع بـ Windows 11 أو Linux.

وبعيداً عن Spark، يعد Halo أقوى تطبيق لـ Ryzen AI Max+ 395 اختبرناه. إذ سجل أعلى العلامات أمام HP Z2 Mini وZBook Ultra. منها 37316 في Cinebench R23. و184.2 GIPS في 7-Zip. وأعلى نتائج Procyon AI. وأسرع أوقات y-cruncher. وعلى Linux، فاز باختبارات Phoronix المعتمدة على المعالج. إذ ضغط أسرع بنسبة 11%. وأنهى ترجمة LLVM أسرع بنسبة 14%. وهو محطة عمل مدمجة أولاً. مع دور مطور الذكاء الاصطناعي مضافاً فوقها.

وينبغي لمن يحتاج أقصى إنتاجية محلية، أو يربط العقد عبر ناقل سريع، شراء Spark. إذ لا يقترب Halo بـ 10GbE وسقوف vLLM منه. أما من يبني على ROCm، أو يحتاج Windows، أو يريد صندوقاً واحداً للمهام المهنية والنماذج المحلية، فإن Halo هو الخيار الأفضل. كما يزيل منفذ M.2 2280 والذاكرة الرسومية المضبوطة مسبقاً اثنتين من أكثر الشكاوى شيوعاً. وقد ذكرت AMD أن المنصة ستحصل على شرائح Ryzen AI Max PRO 400 بذاكرة تصل إلى 192GB في الربع الثالث. وبالتالي، لدى المشترين مسار واضح للتقدم دون تغيير المنصة.