بطاقة تعدين بـ $3000 تتحول إلى نظير لـ A100: من 8 إلى 80 غيغابايت من الذاكرة
يتطلب تشغيل الشبكات العصبية الكبيرة في المنزل ذاكرة فيديو كبيرة، بينما يبدأ سعر بطاقة NVIDIA A100 الخادمية بسعة 80 غيغابايت في سوق المستعمل من $20 000. اشترت الباحثة Kate بطاقة التعدين CMP 170HX بسعر $3000، وقد ترك لها المصنع 8 غيغابايت فقط من الذاكرة، ثم تجاوزت هذا القفل بإحداث هبوط قصير في الجهد لحظة تشغيل البطاقة. وفي النتيجة عملت كامل الـ 80 غيغابايت من الذاكرة في 9 من أصل 10 بطاقات، كما في A100. لا تزال الطريقة مخبرية في الوقت الحالي، وخطأ واحد قد يتلف البطاقة نهائيًا.
معالج بواسطة الذكاء الاصطناعي من TG: @neurogen_news (Neurogen)؛ بتحرير Hamidun News
يتطلب تشغيل نماذج اللغة الكبيرة محليًا بدلًا من السحابة ذاكرة فيديو، وهي أغلى مكوّن في المنظومة. ويُباع مسرّع NVIDIA A100 الخادمي بسعة 80 غيغابايت (نسخة PCIe) في السوق الثانوية بسعر $20 000 وأكثر. وقد وجدت الباحثة المعروفة باسم Kate طريقة للحصول على ما يقارب الأداء نفسه بسعر $3000: اشترت بطاقة التعدين NVIDIA CMP 170HX التي ترك لها المصنع 8 غيغابايت فقط من الذاكرة، و«فكّت قيودها» لتصل إلى 64–80 غيغابايت. تخيّل أنك اشتريت حاسوبًا محمولًا بنصف السعر، ثم اكتشفت أن بداخله المعالج نفسه والذاكرة كاملة، لكن الشركة المصنّعة منعت استخدامها. هذا ما حدث هنا تقريبًا، غير أن تجاوز المنع تطلّب مكواة لحام.
الشريحة نفسها، لكن بمحدِّد مصنعي
تقوم CMP 170HX على نواة GA100 نفسها الموجودة في A100 الرائدة، والفارق في الإعدادات. فالشركة تخنق الشريحة في المصنع عبر فيوزات إلكترونية (eFuse)، إذ تعطّل معظم ذاكرة HBM (ذاكرة سريعة تُلحم بجوار الشريحة) ومعظم وحدات الحوسبة. وبهذه الطريقة تبيع NVIDIA البطاقة للمعدِّنين بسعر أقل، ولا تنافس مسرّعاتها الخادمية.
ظهرت من قبل أدوات برمجية لرفع القيود، مثل cmpunlocker، لكنها فتحت جزءًا فقط من الإمكانات. أما Kate فذهبت أبعد من ذلك واعتمدت طريقة عتادية.
كيف يعمل خلل التغذية الكهربائية
تُسمى الطريقة voltage fault injection، أي حقن العطل عبر الجهد. وتقوم الفكرة على إحداث هبوط طفيف في التغذية الكهربائية عند جزء محدد من الثانية أثناء تشغيل البطاقة. في تلك اللحظة تخطئ آلية الحماية فتسمح بالكتابة في منطقة fuseless fuses التي تحميها عادةً من التعديل. بعد ذلك تُتجاوز القيود المصنعية برمجيًا، بينما تبقى الفيوزات الفيزيائية سليمة دون مساس.
لتنفيذ ذلك صنعت Kate لوحة لإحداث الخلل (glitcher) مبنية على المتحكم الدقيق STM32G4. وبحسب كاتب المنشور، ساعد نموذج GPT-6 Astra في تصميم اللوحة والبرنامج الثابت. وتُوصَل اللوحة ببطاقة الرسوميات بسلكين، مع الحاجة إلى إزالة مقاومة صغيرة واحدة. ولا يمكن التقاط لحظة هبوط الجهد يدويًا، لذا تُضبط معاملات العطل تلقائيًا. وتستغرق هذه العملية من ساعة إلى يومين لكل بطاقة.
ما النتيجة؟
وفق وصف البحث، جاءت النتائج على النحو التالي:
- الذاكرة. فُتحت 64–80 غيغابايت من ذاكرة HBM العاملة بدلًا من 8 غيغابايت المعلنة. وعملت كامل الـ 80 غيغابايت في 9 من أصل 10 بطاقات اختبار.
- وحدات الحوسبة. فُعّلت 120–128 وحدة SM (وهي الوحدات الحسابية الأساسية في وحدة GPU) بدلًا من 70. وفي اختبار FP16 الاصطناعي، أي الحسابات بنصف الدقة الشائعة في الشبكات العصبية، تبيّن أن البطاقة أسرع بمقدار 1,2 مرة من A100 المعيارية. والسبب أن NVIDIA تعطّل في بطاقات A100 الرسمية جزءًا من الوحدات تحسبًا لعيوب التصنيع.
- الواجهات. نجح تفعيل PCIe Gen4 وحتى NVLink، مع أن ذلك تطلّب تعديلًا بسيطًا على اللوحة.
هذه أرقام مأخوذة من وصف المشروع. ولا يُذكر في المصدر أي تكرار مستقل للتجربة، كما أن نتيجة الاختبار الاصطناعي لا تضمن السرعة نفسها عند التدريب الفعلي أو تشغيل النموذج.
المخاطر وما يعنيه ذلك عمليًا
تكرار التجربة بأدوات بدائية أمر خطير. فهي تتطلب لحامًا دقيقًا ولوحة glitcher مصنوعة يدويًا وصبرًا. والكتابة الخاطئة في الفيوزات لا رجعة فيها، ومن السهل تحويل البطاقة إلى «قطعة خردة». كما أن تجاوز حماية الشركة المصنّعة قد ينتهك شروط الضمان والتراخيص.
ومع ذلك، تحمل القصة دلالات عملية. أولًا، يعتمد الحد الفاصل بين عتاد NVIDIA الرخيص والخادمي إلى حد كبير على الإعدادات والفيوزات، لا على السيليكون نفسه. ثانيًا، من المرجح أن تشهد سوق CMP 170HX المستعملة موجة اهتمام جديدة من هواة الذكاء الاصطناعي، فـ 80 غيغابايت من HBM بسعر $3000 تبدو مغرية إلى جانب A100 بسعر $20 000. ثالثًا، الطريقة نفسها لافتة: فقد ساعد مساعد ذكاء اصطناعي في تصميم لوحة إلكترونية، وهذا يخفض عتبة الدخول إلى مشاريع القرصنة المعقدة.
البحث والشيفرة المصدرية متاحان على GitHub في مستودع ga100vfi. وإذا كنت تبني عنقودًا خاصًا للنماذج المحلية، فالمشروع يستحق الدراسة. لكنه في الوقت الحالي تجربة مخبرية، وليس وسيلة لخفض تكلفة العتاد للإنتاج على نطاق واسع.
- 8 نوفمبر 2026SageMaker يتعلم تقسيم وحدة GPU واحدة إلى 7 أجزاء: نماذج أكثر على العتاد نفسه
- 12 نوفمبر 2026RelayVSR يضاعف دقة الفيديو أربع مرات ويحقق 29 إطارًا في الثانية على A100
- 12 نوفمبر 2026صيني يبرمج «بالإحساس» خريطة لبق الفراش في أسبوعين: 300 ألف مستخدم وحرب مع الفنادق
- 12 نوفمبر 2026أب يصنع عدّاد وحدات الخبز مجانًا من الصور: 3000 مستخدم خلال 17 يومًا
أسئلة وأجوبة حول الخبر
ما النتيجة؟
وفق وصف البحث، جاءت النتائج على النحو التالي: الذاكرة. فُتحت 64–80 غيغابايت من ذاكرة HBM العاملة بدلًا من 8 غيغابايت المعلنة. وعملت كامل الـ 80 غيغابايت في 9 من أصل 10 بطاقات اختبار. وحدات الحوسبة. فُعّلت 120–128 وحدة SM (وهي الوحدات الحسابية الأساسية في وحدة GPU) بدلًا من 70. وفي اختبار FP16 الاصطناعي، أي الحسابات بنصف الدقة الشائعة في الشبكات العصبية، تبيّن أن البطاقة أسرع بمقدار 1,2 مرة من A100 المعيارية. والسبب أن NVIDIA تعطّل في بطاقات A100 الرسمية جزءًا من الوحدات تحسبًا لعيوب التصنيع. الواجهات.
ما أبرز التفاصيل حول الشريحة نفسها، لكن بمحدِّد مصنعي؟
تقوم CMP 170HX على نواة GA100 نفسها الموجودة في A100 الرائدة، والفارق في الإعدادات. فالشركة تخنق الشريحة في المصنع عبر فيوزات إلكترونية (eFuse)، إذ تعطّل معظم ذاكرة HBM (ذاكرة سريعة تُلحم بجوار الشريحة) ومعظم وحدات الحوسبة. وبهذه الطريقة تبيع NVIDIA البطاقة للمعدِّنين بسعر أقل، ولا تنافس مسرّعاتها الخادمية. ظهرت من قبل أدوات برمجية لرفع القيود، مثل cmpunlocker، لكنها فتحت جزءًا فقط من الإمكانات. أما Kate فذهبت أبعد من ذلك واعتمدت طريقة عتادية.
ما أبرز التفاصيل حول كيف يعمل خلل التغذية الكهربائية؟
تُسمى الطريقة voltage fault injection، أي حقن العطل عبر الجهد. وتقوم الفكرة على إحداث هبوط طفيف في التغذية الكهربائية عند جزء محدد من الثانية أثناء تشغيل البطاقة. في تلك اللحظة تخطئ آلية الحماية فتسمح بالكتابة في منطقة fuseless fuses التي تحميها عادةً من التعديل. بعد ذلك تُتجاوز القيود المصنعية برمجيًا، بينما تبقى الفيوزات الفيزيائية سليمة دون مساس. لتنفيذ ذلك صنعت Kate لوحة لإحداث الخلل (glitcher) مبنية على المتحكم الدقيق STM32G4. وبحسب كاتب المنشور، ساعد نموذج GPT-6 Astra في تصميم اللوحة والبرنامج الثابت.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.