RAMDeck: ძველი მოწყობილობების მეხსიერების გაერთიანება AI-ისთვის
ოპერატიული მეხსიერების (RAM) ფასების მკვეთრმა ზრდამ ტექნოლოგიური ენტუზიასტები და ხელოვნური ინტელექტის (AI) მოყვარულები რთულ მდგომარეობაში ჩააყენა. ლოკალურად დიდი ენობრივი მოდელების გაშვება სულ უფრო ძვირი ჯდება. ამ პრობლემის გადასაჭრელად სტარტაპმა TradeMAV-მა Indiegogo-ზე ქრაუდფანდინგ კამპანია წამოიწყო პროდუქტისთვის, სახელწოდებით RAMDeck. ეს არის $109-იანი აპარატურული ჰაბი, რომლის მიზანიც სახლში არსებული სხვადასხვა მოწყობილობის მეხსიერების გაერთიანება და დიდი AI მოდელების გაშვებაა.
კამპანიის მიზანი $10,000-ის შეგროვებაა და ის 2026 წლის 8 ნოემბრამდე გაგრძელდება, თუმცა პროდუქტის ირგვლივ არსებული ტექნოლოგიური დეტალები საკმაოდ საინტერესო განხილვის თემა გახდა.
როგორ მუშაობს RAMDeck და რა დგას მის მიღმა?
RAMDeck-ის იდეა მარტივია: ის საშუალებას იძლევა Windows PC, Mac, Linux სისტემები და Android სმარტფონებიც კი ლოკალურ ქსელში ერთიან მეხსიერების აუზად გაერთიანდეს. თუ მოდელი ცალკეულ მოწყობილობაზე არ ეტევა, ის რამდენიმე მანქანაზე ნაწილდება.
თუმცა, აპარატურულ დონეზე მეხსიერების ფიზიკური შერწყმა არ ხდება. RAMDeck-ი სრულად ეყრდნობა ცნობილ ღია კოდის ინსტრუმენტს — llama.cpp-ის RPC (Remote Procedure Call) არქიტექტურას, რომელიც ნებისმიერი მომხმარებლისთვის სრულიად უფასოდ არის ხელმისაწვდომი. მოდელის შრეები (layers) ნაწილდება ქსელში ჩართულ მოწყობილობებს შორის, ხოლო გენერაციის პროცესში მოწყობილობებს შორის მხოლოდ შუალედური მონაცემები გადაიცემა.
TradeMAV-ის მთავარი წვლილი პროგრამული ორკესტრირებაა: მოწყობილობების ავტომატური აღმოჩენა, შრეების გადანაწილება ისე, რომ ჯერ სწრაფი GPU-ები შეივსოს, ხარვეზების მართვა, მართვის პანელი (dashboard) და OpenAI-სთან თავსებადი API.
მეხსიერების კრიზისი და ბაზრის კონტექსტი
TradeMAV-ის ინიციატივა შემთხვევითი არ არის. DDR5 მეხსიერების ფასებმა კოლოსალურად მოიმატა — 2025 წლის შუა პერიოდთან შედარებით, ფასები თითქმის ხუთჯერ გაიზარდა. მაგალითად, 64 გბ DDR5 ნაკრების ფასი $191-დან $1,100-ზე მეტამდე გაიზარდა. Samsung-ისა და SK Group-ის პროგნოზებით, ეს დეფიციტი შესაძლოა 2028 ან 2030 წლამდეც კი გაგრძელდეს.
ასეთ პირობებში, ახალი RAM-ის ყიდვის სანაცვლოდ ძველი ლეპტოპების, პლანშეტებისა და ტელეფონების მეხსიერების ათვისება ლოგიკურ ალტერნატივად ჩანს, განსაკუთრებით მათთვის, ვისაც AI მოდელების ლოკალურად გაშვება სურს.
წარმადობა: ტექნიკური შეზღუდვები
TradeMAV ღიად აცხადებს, რომ ქსელურად გაერთიანებული მეხსიერება მოცულობას ზრდის წარმადობის (სიჩქარის) ხარჯზე. ტესტებმა აჩვენა, რომ Mixture-of-Experts (MoE) არქიტექტურის მოდელები შედარებით სწრაფად მუშაობენ: Qwen3-Coder 30B მოდელმა Beelink მინი PC-სა (RTX 3060) და M4 Mac mini-ზე წამში 39 ტოკენი (tokens per second) დააგროვა.
თუმცა, მკვრივი (dense) დიდი მოდელების შემთხვევაში სიჩქარე კატასტროფულად ეცემა. 27B dense მოდელმა ოთხ მოწყობილობაზე წამში მხოლოდ 1.92 ტოკენი აჩვენა. უფრო დიდმა, gpt-oss-120b მოდელმა ექვს მოწყობილობაზე წამში 1.37 ტოკენი გამოიმუშავა, ხოლო ინიციალიზაციის პროცესს თითქმის 7 წუთი დასჭირდა. ეს სისტემის გათიშვას (out-of-memory crash) სჯობს, თუმცა რეალური მუშაობისთვის საკმაოდ ნელია.
ღირს თუ არა ინვესტიცია?
მათთვის, ვისაც ტერმინალთან (CLI) მუშაობა არ აშინებს, llama.cpp-ის RPC რეჟიმის გამართვა ან ისეთი უფასო ინსტრუმენტების გამოყენება, როგორიცაა Exo Labs-ის exo პროექტი, სრულიად უფასოდ იძლევა იმავე შედეგს. RAMDeck-ის $109-იანი ჰაბი მომხმარებელს სთავაზობს არა ექსკლუზიურ ტექნოლოგიას, არამედ გამზადებულ კომფორტს, მარტივ ინტერფეისსა და ავტომატიზაციას.