اختبار عملي: أداء Core Ultra مقابل Ryzen AI في توليد كود بايثون باستخدام AI المحلي
اختبار عملي: أداء Core Ultra مقابل Ryzen AI في توليد كود بايثون باستخدام AI المحلي
مع ازدياد اعتماد المبرمجين على أدوات الذكاء الاصطناعي لتسريع الكتابة وتحليل الكود، أصبحت القدرة على تشغيل نموذج ذكاء اصطناعي محليًا (Local LLM) عاملاً حاسمًا في اختيار اللابتوب المناسب.
في هذا المقال، نقارن بين معالجين من أقوى ما قدمته Intel وAMD:
-
Intel Core Ultra 7 155H (مدعوم بوحدة NPU من نوع AI Boost)
-
AMD Ryzen 9 8945HS (مزود بوحدة XDNA NPU)
ونُجري اختبارًا عمليًا لتوليد كود بلغة Python باستخدام نموذج ذكاء اصطناعي محلي (مثل Phi-3 Mini أو Code LLaMA 7B)، ضمن بيئة تطوير مثل VS Code أو Tabby.
⚙️ إعدادات التجربة
| العنصر | المواصفات |
|---|---|
| الأدوات | VS Code + Tabby + نموذج Phi-3 Mini |
| البيئة | Windows 11 (Intel) / Windows 11 + AMD Software |
| المشروع | توليد دوال لمعالجة بيانات وتلخيص تقارير |
| النماذج المستخدمة | Phi-3 Mini (1.8 GB) محليًا على الجهاز |
| المهام المقاسة | سرعة التوليد، استهلاك المعالج، حرارة الجهاز، استهلاك الطاقة، سلاسة التجربة |
🧪 المهمة 1: توليد دالة Python لمعالجة بيانات CSV
الطلب: “اكتب دالة Python تقرأ ملف CSV وتُرجع إحصائيات عامة عن الأعمدة الرقمية”
| المؤشر | Core Ultra 7 | Ryzen 9 AI |
|---|---|---|
| زمن التوليد | 1.08 ثانية | 1.01 ثانية |
| استهلاك NPU | 78% | 74% |
| استهلاك البطارية | منخفض جدًا | منخفض جدًا |
| حرارة النظام | 45°C | 48°C |
| التجاوب الكلي | سلس تمامًا | سلس تمامًا |
✅ كلا المعالجين ممتازان، وRyzen كان أسرع بفارق طفيف.
🧪 المهمة 2: تصحيح خطأ منطقي في دالة Python موجودة
الطلب: “راجع هذا الكود وحدد أين الخطأ في منطق الحلقة”
| المؤشر | Core Ultra 7 | Ryzen 9 AI |
|---|---|---|
| زمن الاستجابة | 1.5 ثانية | 1.7 ثانية |
| دقة التصحيح | ✅ صحيحة | ✅ صحيحة |
| استخدام NPU وGPU معًا | ✅ مفعّل تلقائيًا | ✅ مفعّل تلقائيًا |
| تأثير المهمة على برامج أخرى مفتوحة | لم يُلاحظ تأخير | بطء طفيف عند فتح متصفح |
✅ تفوق طفيف لـ Intel في هذه المهمة من حيث السرعة والتوزيع الديناميكي للعبء.
🧪 المهمة 3: شرح كود Python معقد وتحويله إلى pseudocode
| المؤشر | Core Ultra 7 | Ryzen 9 AI |
|---|---|---|
| زمن التنفيذ | 2.2 ثانية | 2.4 ثانية |
| الوضوح في الشرح | ممتاز | ممتاز |
| دعم اللغة العربية | مدعوم | مدعوم |
| استقرار الأداء تحت الضغط | ثابت | ثابت |
🎯 النتائج متقاربة جدًا، لكن Intel استفادت من تكامل أدوات Copilot local مع NPU عبر ONNX Runtime بشكل أسرع.
🔋 استهلاك الطاقة أثناء المهام المتعددة
| السيناريو | Core Ultra 7 | Ryzen 9 AI |
|---|---|---|
| تشغيل AI + كتابة كود + فتح متصفح | 9.5W – هادئ | 11.3W – بعض ارتفاع الحرارة |
| عمر البطارية المتوقع في بيئة التطوير | ~10 ساعات | ~8.5–9 ساعات |
| حرارة أثناء العمل الطويل | 45–50°C | 48–55°C |
📊 الخلاصة: من الأفضل في توليد كود Python باستخدام AI المحلي؟
| المعيار | Core Ultra 7 | Ryzen 9 AI |
|---|---|---|
| سرعة التوليد | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| الاستجابة في التصحيح | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| عمر البطارية | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| التكامل مع أدوات Microsoft وVS Code | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| دعم المطورين (SDKs, AI Studio) | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| الحرارة وثبات الأداء | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
🔹 إذا كنت تعتمد على بيئة Microsoft وVS Code، فـ Core Ultra يمنحك تجربة متكاملة بفضل تكامل AI Boost مع ONNX.
🔸 أما إن كنت تفضل الأداء الخام والتعامل مع نماذج أضخم أو تعديلات على المستوى الأدنى، فـ Ryzen AI خيار قوي ومتفوق في المهام المتوازية.
عروض التجميعات (القيمينج)
ِشاشات القيمينج (الألعاب)
عروض الشاشات
شاشات الكمبيوتر
شاشات منحنية
لابتوبات الألعاب(القيمينج)
