وحدة المعالجة العصبية (NPU)

وحدة المعالجة العصبية (NPU) هي دائرة أجهزة متخصصة مصممة خصيصًا لتسريع تنفيذ خوارزميات الذكاء الاصطناعي والتعلم الآلي. على عكس المعالجات العامة الغرض، تم تصميم وحدات المعالجة العصبية (NPU) بهيكل يتعامل أصلاً مع العمليات المصفوفية المتوازية المعقدة التي تشكل جوهر نماذج التعلم العميق. من خلال تنفيذ هذه الحسابات بكفاءة فائقة، تقلل وحدة المعالجة العصبية (NPU) بشكل كبير من استهلاك الطاقة مع تحسين زمن الاستدلال بشكل ملحوظ. وهذا يجعلها مكوناً أساسياً في الهواتف المحمولة الحديثة وأجهزة الكمبيوتر المحمولة وأجهزة إنترنت الأشياء المتخصصة حيث يعد نشر النماذج المعقدة بكفاءة دون استنزاف سريع للبطارية أمراً بالغ الأهمية.

معالج NPU مقارنةً بالمعالجات الأخرى

لفهم قيمة وحدة المعالجة العصبية (NPU)، من المفيد تمييزها عن مسرعات الأجهزة الشائعة الأخرى في مجال الذكاء الاصطناعي :

• وحدة المعالجة المركزية (CPU): "العقل" متعدد الاستخدامات للكمبيوتر. ورغم قدرة وحدات المعالجة المركزية على تشغيل أكواد التعلم الآلي، فإنها تعالج المهام بشكل تسلسلي، مما يجعلها بطيئة وغير فعالة في عمليات ضرب المصفوفات المكثفة التي تتطلبها نماذج الرؤية الحديثة.
• وحدة معالجة الرسومات (GPU): صُممت وحدات معالجة الرسومات (GPU) للمعالجة المتوازية، وهي تتميز بقدرة استثنائية على التعامل مع أحمال العمل الضخمة في مجال التعلم العميق. ومع ذلك، فإنها تستهلك طاقة كبيرة وتولد حرارة كبيرة، مما يجعلها أكثر ملاءمة للتدريب السحابي مقارنةً بالحوسبة الطرفية التي تعمل بالبطاريات.
• وحدةTensor (TPU): دائرة متكاملة مخصصة للتطبيقات طورتها Google التعلم الآلي. ورغم تشابه مفهومها مع وحدة المعالجة العصبية (NPU)، فإن وحدات TPU ترتبط عمومًا بأرفف خوادم الحوسبة السحابية الضخمة، في حين أن وحدات NPU تُدمج عادةً بشكل مباشر في أنظمة الرقائق (SoCs) المخصصة للمستهلكين.

التطبيقات العملية لوحدات المعالجة العصبية (NPUs)

أدى ظهور وحدة المعالجة العصبية (NPU) إلى إتاحة إمكانية تشغيل الذكاء الاصطناعي (AI) مباشرةً على أجهزة المستخدمين دون الاعتماد على الاتصال المستمر بالسحابة.

• الهواتف الذكية والرؤية المتنقلة: تعتمد الأجهزة المحمولة الحديثة بشكل كبير على وحدات المعالجة العصبية (NPU) الداخلية، مثل Apple Neural Engine أو Qualcomm Hexagon NPU، لتشغيل التصوير الحسابي، والتعرف على الوجه في الوقت الفعلي، وترجمة النصوص محليًا. ومن خلال معالجة بيانات الصور على الجهاز نفسه، فإنها تحافظ على عمر البطارية وتضمن خصوصية البيانات.
• أجهزة الكمبيوتر المحمولة المزودة بتقنية الذكاء الاصطناعي: تتميز معالجات أجهزة الكمبيوتر المتقدمة الآن بوحدات معالجة شبكية (NPU) مدمجة لإدارة المهام التي تعمل في الخلفية، مثل تعتيم الخلفية وتصحيح اتجاه النظر أثناء مؤتمرات الفيديو دون إجهاد CPU الرئيسية، مما يتيح للمستخدمين القيام بمهام متعددة بسلاسة.
• عمليات نشر الذكاء الاصطناعي على الحافة: تستخدم كاميرات المراقبة الذكية والروبوتات وحدات معالجة شبكية متخصصة (NPUs)، مثل Google Edge TPU Intel المدمجة، لإجراء الكشف الفوري عن الأجسام مباشرةً عند المصدر. وهذا يُزيل اختناقات النطاق الترددي ويُتيح اتخاذ القرارات في أجزاء من الثانية.

استخدام وحدات معالجة الصور (NPUs) مع Ultralytics YOLO

بالنسبة للمطورين الراغبين في الاستفادة من وحدات المعالجة العصبية (NPUs)، أصبح نشر نماذج الرؤية الحاسوبية أمرًا في غاية السهولة. باستخدام نموذج Ultralytics القوي، يمكنك تصدير شبكتك المدربة إلى تنسيقات مُحسَّنة لمختلف مسرعات الأجهزة. ولتبسيط دورة الحياة هذه بأكملها، توفر Ultralytics أدوات قوية لإدارة مجموعات البيانات السحابية، والتعليق التلقائي، ونشر النماذج المُحسَّنة في أي بيئة نشر نماذج تقريبًا.

عند العمل محليًّا، يمكنك استخدام تكاملات الأطر مثل ONNX PyTorch أو TensorFlow لاستهداف وحدة المعالجة العصبية (NPU). وفيما يلي Python سريع Python يوضح كيفية تصدير YOLO إلى OpenVINO الذي يقوم بتفويض أعباء الحوسبة بسلاسة إلى Intel من أجل استدلال سريع في الوقت الفعلي.

from ultralytics import YOLO

# Load the highly recommended Ultralytics YOLO26 Nano model
model = YOLO("yolo26n.pt")

# Export to OpenVINO with int8 quantization for optimal NPU performance
model.export(format="openvino", int8=True)

# Run highly efficient, accelerated inference on the edge device
results = model("path/to/environment_image.jpg")