NVIDIA بمقابلہ AMD بمقابلہ ایپل – نمبر واقعی آپ کو بتاتے ہیں کہ آپ کے لئے کون سی AI مشین صحیح ہے۔

کوئی مقامی AI باکس نہیں ہے جو بڑے پیمانے پر تربیت کے لیے بادل کی جگہ لے سکے۔ یہ تین مخصوص مقاصد کے لیے موجود ہے: خیال یہ ہے کہ آپ کے حساس ڈیٹا کو کسی اور کے سرورز پر رکھنے سے گریز کیا جائے، دن میں سیکڑوں بار اعادہ کرتے وقت میٹرڈ API کے اخراجات سے بچنا، اور ایک مقررہ، پیشین گوئی کرنے والا نظام رکھنا ہے جس پر آپ کا مکمل کنٹرول ہے ایک مشترکہ، رفتار محدود نظام کے بجائے۔ کلاؤڈ GPU اب بھی جیتتا ہے جب بات بڑے پیمانے پر تربیت پر عمل درآمد اور صلاحیت کی پیمائش کی آتی ہے۔ مقامی خانوں کی جیت ہوتی ہے جب بات پروٹو ٹائپنگ، چھوٹے ماڈلز کو ٹھیک کرنے، اور اعداد و شمار پر چلنے والے انفرنس کی ہو جسے کہیں اور نہیں بھیجا جا سکتا ہے۔ یہ ٹریڈ آف ہے اور آپ فیصلہ کرتے ہیں کہ ان تینوں ماحولیاتی نظاموں میں سے کون سا کام کے لیے صحیح ہے۔

NVIDIA، AMD، اور Apple سبھی اب نئے مقامی AI ہارڈویئر کو قریب کے مستقل کیڈینس میں جاری کر رہے ہیں۔ آئیے ایک نظر ڈالتے ہیں کہ کون سی مشین دراصل آپ کے لیے صحیح ہے۔

NVIDIA: محفوظ، مہنگے ڈیفالٹس

NVIDIA DGX Spark 128GB مربوط میموری اور CUDA پر بنی Grace Blackwell GB10 چپ کو یکجا کرتا ہے۔ CUDA AI میں سب سے گہرا، سب سے زیادہ جنگی تجربہ شدہ سافٹ ویئر ایکو سسٹم ہے۔ موجودہ PyTorch کوڈ، TensorRT، اور cuDNN پائپ لائنیں بغیر کسی ترمیم کے چلتی ہیں۔ یہ ابھی باقی دو آپشنز کے بارے میں نہیں کہا جا سکتا۔

فائدہ یہ ہے کہ دوبارہ لکھنے یا ریورس انجینئر کرنے کی ضرورت نہیں ہے۔ اگر آپ کی ٹیم پہلے ہی CUDA پر بن چکی ہے، تو اس کام کو مقامی طور پر لانے کا یہ کم سے کم رگڑ والا طریقہ ہے۔ منفی پہلو میموری بینڈوڈتھ ہے۔ جب ماڈل کو بڑی مقدار میں ڈیٹا منتقل کرنے کی ضرورت ہوتی ہے تو 273GB/s ان تینوں میں سب سے سست ہے۔ جائزہ لینے والوں کو مستقل طور پر معلوم ہوتا ہے کہ، اس کے پختہ سافٹ ویئر کے باوجود، یہ خام ٹوکن جنریشن میں ایپل کے میک اسٹوڈیو سے بھی بدتر کارکردگی کا مظاہرہ کرتا ہے۔

یہ ان ٹیموں کے لیے مثالی ہے جو پہلے سے ہی CUDA اور TensorRT اسٹیک میں موجود ہیں جو NVIDIA کلاؤڈ انفراسٹرکچر میں کسی کوڈ کو چھوئے بغیر تعینات کرنے سے پہلے مقامی طور پر پروٹو ٹائپ کرنا چاہتے ہیں۔ ماڈلز کے لیے، 70B سے 200B رینج میں Llama، Qwen، اور DeepSeek کے کوانٹائزڈ ورژنز پر غور کریں۔ یہاں، TensorRT-LLM آپٹیمائزیشن خام بینڈوتھ سے زیادہ اہم ہے۔

AMD: ایک چپ، دو بہت مختلف مصنوعات

یہ وہ جگہ ہے جہاں چیزیں جان بوجھ کر الجھ جاتی ہیں۔ AMD کی Ryzen AI Max+ 395 چپ، جو "دنیا کے سب سے چھوٹے AI ڈویلپمنٹ پی سی” کے طور پر مارکیٹ کی گئی ہے جو مقامی طور پر 200 بلین پیرامیٹر ماڈلز کو چلانے کے قابل ہے، دو بالکل مختلف مصنوعات میں آتی ہے۔ اسی چپ پر بنائے گئے تھرڈ پارٹی منی پی سی، جیسے GMKtec EVO-X2 اور Framework Desktop، AMD کے آفیشل Ryzen AI Halo ڈویلپر پلیٹ فارم کے حصے کے طور پر فروخت کیے جاتے ہیں۔ اس میں ایک ہی پروسیسر، وہی 128GB میموری ہے، اور آفیشل کٹ کی قیمت دوگنا سے زیادہ ہے۔

LTT لیبز، زیادہ سخت آزاد ٹیسٹنگ لیبز میں سے ایک، واضح طور پر فرق کی وضاحت کرتی ہے۔ پریمیم AMD کی منتخب سافٹ ویئر کنفیگریشنز، "AI Playbook” اور فرسٹ پارٹی سپورٹ خریدتا ہے، اضافی ہارڈ ویئر نہیں۔ تیسری پارٹی کے راستے پر جانے کا فائدہ قیمت ہے۔ اگر آپ خود سافٹ ویئر کا انتظام کرنے میں اچھے ہیں، تو آپ بہت کم پیسوں میں وہی چپس اور میموری پول حاصل کر سکتے ہیں۔ AMD کی اپنی کٹ کی خوبصورتی اس کی سپورٹ لیئر اور جاری ڈرائیور اور پلے بک کی دیکھ بھال کے لیے عزم ہے۔ کسی بھی طرح، منفی پہلو خام رفتار ہے. LTT لیبز نے پایا کہ "ایپل سیلیکون میک اسٹوڈیو نے AMD Ryzen AI Max+ 395 سسٹم سے بہتر کارکردگی کا مظاہرہ کیا” اور اس ٹوکن کی تخلیق ٹیسٹوں میں دو سے تین گنا سست تھی۔

آپریٹنگ سسٹم سے متعلق سافٹ ویئر کے مسائل بھی ہیں۔ ROCm، AMD کا CUDA کا جواب، اب بھی معنی خیز طور پر ونڈوز کے مقابلے لینکس پر زیادہ پختہ ہے۔ ونڈوز سپورٹ WSL اور ایک جدید مطابقت پرت کے ذریعے چلتی ہے جسے حال ہی میں مزید Ryzen ہارڈ ویئر تک بڑھایا گیا ہے، جبکہ لینکس کو طویل عرصے تک براہ راست اور بہتر سپورٹ تک رسائی حاصل ہے۔ یہ بجٹ سے آگاہ ڈویلپرز کے لیے مثالی ہے جو لینکس پر تربیت اور فائن ٹیوننگ تجربات کے لیے ایک بڑا میموری پول چاہتے ہیں اور انہیں NVIDIA کے مخصوص ٹولز کی ضرورت نہیں ہے۔ ماڈلز کے معاملے میں، AMD واقعی اس میں جھک گیا ہے۔ Ryzen AI Max+ 395 OpenAI کے gpt-oss 120B کو چلانے والا پہلا صارف پروسیسر تھا، جس کے لیے MXFP4 درستگی پر تقریباً 61GB میموری کی ضرورت ہوتی ہے اور یہ 128GB کنفیگریشن میں 30 ٹوکن فی سیکنڈ تک چلتا ہے۔

ایپل: بینڈوتھ میں ایک پرسکون فاتح

ایپل کا میک اسٹوڈیو M5 میکس چپ اور 128GB تک مربوط میموری کے ساتھ آتا ہے، یا M5 Ultra 512GB تک کے ساتھ آتا ہے۔ اصل تفریق کرنے والا عنصر میموری کی بینڈوتھ ہے، اور چونکہ دونوں چپس ایک جیسی نہیں ہیں، اس لیے یہاں بالکل جانچنا ضروری ہے۔ M5 Max 614GB/s تک پہنچتا ہے، جبکہ M5 Ultra اسے 1.2TB/s تک دگنا کرتا ہے۔ یہاں تک کہ نچلی پرتیں بھی ماڈل ڈیٹا کو منتقل کرنے میں NVIDIA اور AMD کے مقامی اختیارات کو پیچھے چھوڑ دیتی ہیں۔ اسی لیے مبصرین میک اسٹوڈیو کو مقامی تخمینہ میں دونوں حریفوں سے آگے درجہ بندی کرتے رہتے ہیں، باوجود اس کے کہ ایپل ان چپس کو AI ایکسلریٹر کے طور پر سب سے پہلے مارکیٹنگ نہیں کرتا ہے۔

فائدہ یہ ہے کہ بینڈوڈتھ پلس میموری کی حد (الٹرا کے لیے 512 جی بی) آپ کو ایسے ماڈلز لوڈ کرنے کی اجازت دیتی ہے جو دوسرے دو سسٹمز میں سے کوئی بھی ضرورت سے زیادہ مقدار کے بغیر نہیں رکھ سکتا۔ منفی پہلو ماحولیاتی نظام ہے۔ آپ کا کوڈ Apple کے اسٹیک کے ذریعے چلنا چاہیے، CUDA یا ROCm سے نہیں۔ یہ ایک حقیقی قیمت ہے اگر آپ کی ٹیم کے ٹولز پہلے سے ہی ایک یا دوسرا فرض کر لیتے ہیں۔ اس کا مطلب یہ نہیں ہے کہ آپ MLX میں سب کچھ لکھتے ہیں۔ میک پر ماڈل چلانے والے زیادہ تر لوگ GGUF فائل کو براہ راست میٹل بیک اینڈ کے ذریعے llama.cpp، Ollama، یا LM Studio میں لوڈ کریں گے۔ سبھی فوری طور پر دستیاب ہیں۔ MLX صرف اس صورت میں اہم ہے جب آپ خاص طور پر Apple Silicon کے لیے بہتر بناتے ہیں۔

یہ ان ڈویلپرز کے لیے مثالی ہے جو ماحولیاتی نظام کی مطابقت سے زیادہ رفتار اور ماڈل کے سائز میں دلچسپی رکھتے ہیں۔ ہمارے ماڈل کے لیے، 70B ماڈل کو کوانٹائزیشن کے بغیر چلانے کے لیے 512GB کافی ہے، جو کہ دوسرے دو سسٹمز پر ایک حقیقی فائدہ ہے۔ تاہم، یہ سب سے بڑے کھلے ماڈلز کے لیے کافی نہیں ہے۔

نتیجہ

ان میں سے کوئی بھی آفاقی جواب نہیں ہے۔ اگر آپ کا کوڈ پہلے ہی CUDA پر چل رہا ہے تو NVIDIA سب سے بڑے خطرے کو ختم کرتا ہے۔ اگر آپ اپنے پیسے کے لیے زیادہ سے زیادہ میموری چاہتے ہیں اور لینکس استعمال کرنے میں آرام سے ہیں، تو آپ اسے AMD کے ایکو سسٹم، آفیشل کٹس، یا تھرڈ پارٹی بورڈز کا استعمال کرکے سستا حاصل کرسکتے ہیں۔ اگر آپ حقیقی دنیا کا تیز ترین اندازہ چاہتے ہیں اور CUDA اور ROCm سے مکمل طور پر ہٹنے میں کوئی اعتراض نہیں کرتے ہیں، تو Apple خاموشی سے بینچ مارک جیت لے گا۔ پہلے اس ماحولیاتی نظام کا انتخاب کریں جس پر آپ کا ورک فلو پہلے سے منحصر ہے۔ ہارڈ ویئر کا موازنہ اس کے بعد ہی اہمیت رکھتا ہے۔

کوئی مقامی AI باکس نہیں ہے جو بڑے پیمانے پر تربیت کے لیے بادل کی جگہ لے سکے۔ یہ تین مخصوص مقاصد کے لیے موجود ہے: خیال یہ ہے کہ آپ کے حساس ڈیٹا کو کسی اور کے سرورز پر رکھنے سے گریز کیا جائے، دن میں سیکڑوں بار اعادہ کرتے وقت میٹرڈ API کے اخراجات سے بچنا، اور ایک مقررہ، پیشین گوئی کرنے والا نظام رکھنا ہے جس پر آپ کا مکمل کنٹرول ہے ایک مشترکہ، رفتار محدود نظام کے بجائے۔ کلاؤڈ GPU اب بھی جیتتا ہے جب بات بڑے پیمانے پر تربیت پر عمل درآمد اور صلاحیت کی پیمائش کی آتی ہے۔ مقامی خانوں کی جیت ہوتی ہے جب بات پروٹو ٹائپنگ، چھوٹے ماڈلز کو ٹھیک کرنے، اور اعداد و شمار پر چلنے والے تخمینہ کی ہو جسے کہیں اور نہیں بھیجا جا سکتا ہے۔ یہ ٹریڈ آف ہے اور آپ فیصلہ کرتے ہیں کہ ان تینوں ماحولیاتی نظاموں میں سے کون سا کام کے لیے صحیح ہے۔

NVIDIA، AMD، اور Apple سبھی اب نئے مقامی AI ہارڈویئر کو قریب کے مستقل کیڈینس میں جاری کر رہے ہیں۔ آئیے ایک نظر ڈالتے ہیں کہ کون سی مشین دراصل آپ کے لیے صحیح ہے۔

NVIDIA: محفوظ، مہنگے ڈیفالٹس

NVIDIA DGX Spark 128GB مربوط میموری اور CUDA پر بنی Grace Blackwell GB10 چپ کو یکجا کرتا ہے۔ CUDA AI میں سب سے گہرا، سب سے زیادہ جنگی تجربہ شدہ سافٹ ویئر ایکو سسٹم ہے۔ موجودہ PyTorch کوڈ، TensorRT، اور cuDNN پائپ لائنیں بغیر کسی ترمیم کے چلتی ہیں۔ یہ ابھی باقی دو آپشنز کے بارے میں نہیں کہا جا سکتا۔