من حيث الأداء الخام على شريحة السيليكون، تتنافس بطاقة AMD RX 9070 XT بشكل مباشر مع بطاقة RTX 5070 Ti وتُباع بسعر أقل. وكلا البطاقتين تمتلكان ١٦ جيجابايت من الذاكرة، وكلاهما من الجيل الحالي، بل وتتفوق بطاقة AMD في بعض الاختبارات الدقيقة الخاصة بالذكاء الاصطناعي. إذن لماذا لا تُعتبر هذه المواجهة فوزًا سهلًا لشركة AMD؟ لأن قرارات شراء وحدات معالجة الرسوميات للذكاء الاصطناعي تعتمد على البرمجياتالبرمجيات، وليس فقط على الأجهزة — وهذه هي النقطة بالضبط التي تكتسب فيها هذه المقارنة طابعًا أكثر تعقيدًا.
أبرز النقاط المستخلصة
- RX 9070 XT: ١٦ جيجابايت، معمارية RDNA4، سعر تقريبي ٥٩٩ دولارًا أمريكيًّا. أداء حسابي خام تنافسي، وسعر أقل.
- RTX 5070 Ti: ١٦ جيجابايت من ذاكرة GDDR7، عرض نطاق ترددي ٨٩٦ جيجابايت/ثانية، أداء ١٤٠٦ تيرافلوب في مهام الذكاء الاصطناعي (AI TOPS)، وبسعر ٧٤٩ دولارًا أمريكيًّا. والميزة البرمجية لمنصة CUDA.
- الألعاب/الأداء الخام: يقترب أداؤهما من بعضهما البعض بنسبة ±٥٪؛ وتتفوق بطاقة AMD في بعض الاختبارات الدقيقة الخاصة بالذكاء الاصطناعي.
- المشكلة: تعمل بيئة CUDA بسلاسة «من دون مشاكل» مع كل أدوات الذكاء الاصطناعي، بينما تعتمد AMD على منصة ROCm، والتي أصبحت جاهزة للإنتاج في مهام الاستنتاج (inference)، لكنها ما زالت متأخرة في دعم أحدث الأكواد.
- الحكم النهائي: اختر منتجات NVIDIA إذا كنت تبحث عن أفضل تجربة ذكاء اصطناعي سلسة؛ واختر منتجات AMD إذا كانت مهامك ستتركز أساسًا على الاستنتاج (inference) وترغب في توفير المال.
المواصفات جنبًا إلى جنب
| المواصفات | RX 9070 XT | RTX 5070 Ti |
|---|---|---|
| VRAM | ١٦ جيجابايت | 16 جيجابايت من ذاكرة GDDR7 |
| الهندسة المعمارية | معمارية RDNA 4 | معمارية Blackwell |
| ناقل الذاكرة | 256 بت | 256 بت |
| برمجيات الذكاء الاصطناعي | ROCm | CUDA |
| الألعاب مقابل غيرها | أقل أداءً بنسبة ~٥٪ عند الدقة ٤K | أفضل بنسبة ~5% |
| السعر الموصى به من الشركة المصنِّعة (MSRP) | ~$599 | $749 |
يتشابه الجهازان بشكل ملحوظ من حيث الأجهزة — وتُظهر المراجعات المستقلة أن فارق الأداء بينهما في ألعاب التصيير (rasterized gaming) لا يتجاوز 5% تقريبًا، كما أن بطاقـة الـ9070 XT تنافس بقوة في مقاييس الأداء الدقيقة (microbenchmarks) الخاصة بالذكاء الاصطناعي. والفارق ليس في الرقاقة نفسها، بل في «المكدس البرمجي» (stack).
لماذا تُقرِّر البرمجيات نتيجة هذه المقارنة
الحاجز الحقيقي الذي تمتلكه شركة إنفيديا (NVIDIA) في مجال الذكاء الاصطناعي ليس وحدة قياس الأداء (TOPS)، بل هو CUDA. فجميع إطارات العمل (frameworks) ونماذج الذكاء الاصطناعي والأدوات تقريبًا تستهدف منصة CUDA أولًا. فعند تثبيت مكتبة PyTorch وتشغيل نموذج ما وإضافة امتداد معين، فإن كل شيء يعمل عادةً «بشكل تلقائي» على أجهزة إنفيديا.
أما الإجابة التي قدمتها شركة AMD فهي ROCm، وقد حققت تقدّمًا كبيرًا بحلول عام 2026: إذ تدعم مكتبات PyTorch وvLLM وllama.cpp دعمًا رسميًا لمنصة ROCm، وأصبح أداء الاستنتاج (inference) جاهزًا فعليًّا للإنتاج. ومع ذلك، لم يُغلَق الفجوة تمامًا بعد — فالشفرات البحثية المتقدمة جدًّا لا تزال تُنشر أولًا باستخدام منصة CUDA، وبعض المكتبات الخاصة بـCUDA لا تملك ما يعادلها كاملاً في ROCm. ونستعرض هذا الموضوع تفصيليًّا في تحليلنا الموسّع المعنون مقارنة ROCm مقابل CUDA، وهو العامل الأهم على الإطلاق الذي يجب فهمه قبل شراء بطاقة AMD لأغراض الذكاء الاصطناعي.
وتُظهر تفاصيلٌ لافتة من الاختبارات المستقلة أن بطاقـة الـ9070 XT تفوّقت على RTX 5080 في اثنين من أصل ثلاثة اختبارات ذكاء اصطناعي خالصة — لكن هذه الاختبارات شغّلت بدون واجهات برمجية مخصصة للمصنّعين مثل CUDA أو ROCm، والتي توفّر مزايا كبيرة في الاستخدام العملي، خاصةً على المكدس البرمجي الأكثر نضجًا لدى إنفيديا. وبعبارة أخرى، فإن رقاقة AMD قويةٌ فعلًا، لكن التجربة البرمجية اليومية ما زالت تميل لصالح إنفيديا.
نموذج اللغة الكبير المحلي (Local LLM) وبرنامج Stable Diffusion عمليًّا
لـ الاستنتاج — مثل تشغيل نماذج الذكاء الاصطناعي الكبيرة محليًّا (local LLMs) وتوليد الصور — فإن بطاقـة RX 9070 XT تُعد خيارًا مشروعًا في عام 2026. فهي تعمل بكفاءة عالية على النماذج الشائعة بفضل دعم ROCm وllama.cpp، كما أن سعة الذاكرة العشوائية VRAM البالغة 16 جيجابايت تتطابق مع سعة بطاقـة الـ5070 Ti، وبالتالي تكون حدود حجم النماذج المدعومة متماثلة تمامًا. ورغم أنك قد تقضي وقتًا أطول قليلًا في إعداد النظام، فإن البطاقة تعمل بكفاءة.
لـ التدريب أو الضبط الدقيق (fine-tuning) أو الشفرات البحثية المتقدمة جدًّا، فإن بطاقـة RTX 5070 Ti تبقى الخيار الأسلم. فنضج منصة CUDA يعني احتمالًا أقل لتعطّل التبعيات البرمجية، ووصولًا أسرع إلى أحدث التقنيات فور ظهورها.
السعر والحكم النهائي
وبسعر يبلغ نحو 599 دولارًا أمريكيًّا مقارنةً بـ749 دولارًا أمريكيًّا، توفر لك بطاقـة RX 9070 XT وفورات تصل إلى حوالي 150 دولارًا أمريكيًّا — وهي مبلغٌ حقيقيٌّ. ويتعلّق القرار النهائي بكيفية وزنك لهذه الوفرة مقابل درجة الاحتكاك البرمجي:
- اختر بطاقة RTX 5070 Ti إذا إذا كنت تبحث عن تجربة ذكاء اصطناعي ذات أقل قدر ممكن من التعقيد، أو تقوم بأعمال تدريب أو بحث، أو ببساطة لا ترغب في التفكير في مشكلات التوافق، فإن منصة CUDA هي الطريق الأسهل.
- اختر بطاقة RX 9070 XT إذا كنتَ إذا كنت ستقوم أساسًا بمهام الاستنتاج (inference)، وتتحمّل بعض الجهد في إعداد منصة ROCm، وتفضّل استثمار هذه الوفرة في زيادة سعة الذاكرة العشوائية RAM أو وحدة التخزين SSD.
لمقارنتها مع النموذج الأعلى أداءً؟ راجع مقارنة RX 9070 XT مع RTX 5080، أو المقال الكامل المعنون أفضل وحدات معالجة الرسوميات لتشغيل نماذج اللغة الكبيرة محليًّا.
كيف تختار: إطار قرار يناسب حالتك
وبما أن كلا البطاقتين تحملان 16 جيجابايت من الذاكرة العشوائية VRAM، فلا تتيح إحداهما تشغيل فئة نماذج لا يمكن للأخري تشغيلها. فنموذج بحجم 14 مليار معلّمة (14B) عند مستوى التكميم Q4_K_M يعمل بسلاسة على كليهما، كما أن نماذج MoE من فئة 20 مليار معلّمة مثل GPT-OSS قابلة للتشغيل على كليهما، بينما تشكّل النماذج الكثيفة (dense models) التي تتجاوز 30 مليار معلّمة تحديًّا كبيرًا لكليهما. وبالتالي، فإن القرار الحقيقي لا يتعلّق بالسعة، بل بمدى التحمّل الذي تتحمّله في مكدسك البرمجي، ومدى استعدادك لدفع مبلغ إضافي لتجنب هذا التعقيد. اختر المسار الذي يناسب وضعك الشخصي.
- أنت تعتمد على أدوات تتطلب منصة CUDA حصريًّا. إذا كان سير عملك يتضمّن أي أداة تفترض وجود أجهزة إنفيديا، مثل بعض إطارات التدريب أو TensorRT أو إصدارات bitsandbytes أو خطوط معالجة الفيديو أو مستودع بحثي متخصص، فاشترِ RTX 5070 Ti واكفِ عن القراءة. فالفرق في السعر هو الثمن الذي تدفعه لتجنّب قضاء ساعات في تصحيح مشكلات التوافق.
- أنت تقوم بمهام الاستنتاج على نظام لينكس وتحب التلاعب والتجريب. لقد أصبح دعم ROCm من AMD متوفرًا الآن بشكل أصلي لمكتبة PyTorch على نظام لينكس لأجهزة RDNA 4، كما أن دعم llama.cpp/Ollama قويٌّ وموثوق. وعلى نظام لينكس، فإن RX 9070 XT تُعد الخيار الأمثل من حيث القيمة، ما يحرّر لك نحو 300 دولار أمريكي في أسعار السوق لشهر يونيو 2026 لاستثمارها في زيادة سعة الذاكرة العشوائية RAM أو وحدة التخزين SSD.
- أنت تستخدم نظام ويندوز أساسًا وتريد أن يعمل كل شيء تلقائيًّا. لقد مكّنت AMD دعم PyTorch الأصلي على نظام ويندوز لأجهزة RDNA 4 عبر منصة ROCm، لكن هذا الدعم لا يزال حديث العهد وأقل تجربةً من منصة CUDA. فإذا كنت تبحث عن أدنى درجة ممكنة من التعقيد على نظام ويندوز، فإن 5070 Ti تبقى الخيار الأسلم.
- سرعة المعالجة (Token speed) أهم من الوفرة المالية. توفر ذاكرة GDDR7 في بطاقـة الـ5070 Ti نطاق ترددي للذاكرة يفوق ما تقدمه ذاكرة GDDR6 في بطاقـة الـ9070 XT بنسبة 40% تقريبًا، ويتناسب أداء الاستنتاج طرديًّا مع هذا النطاق الترددي. فإذا كنت تولّد كمًّا كبيرًا من النصوص، فاختر حلول إنفيديا.
- الميزانية هي القيد الوحيد الحاسم. إذا كان الخيار أمامك هو شراء بطاقـة الـ9070 XT الآن أو الانتظار وتوفير المال لشراء بطاقـة الـ5070 Ti لاحقًا، فاشترِ بطاقـة AMD وابدأ العمل فورًا.
تحذير صادق واحد قبل أن تلتزم بأي من الخيارين: إن سعة 16 جيجابايت من الذاكرة العشوائية VRAM ليست «منطقة الراحة»، بل هي الحد الأدنى فقط. فنوافذ السياق الطويلة تستهلك الذاكرة العشوائية بسرعة، وكلا البطاقتين تفرضان عليك التضحية بطول نافذة السياق مقابل حجم النموذج عند تجاوز 14 مليار معلّمة. فإذا كانت مهامك تتطلّب فعليًّا نماذج كثيفة تتجاوز 30 مليار معلّمة أو نوافذ سياق طويلة جدًّا، فإن أيًّا من هاتين البطاقتين لن يكون الخيار المناسب، وسيكون من الأفضل إنفاق أموالك على بطاقة بسعة 24 جيجابايت. اشترِ وفقًا لواقعك البرمجي، وليس وفقًا لما تشير إليه مواصفات البطاقة.
الأسئلة الشائعة
هل بطاقـة RX 9070 XT مناسبة للذكاء الاصطناعي؟
نعم، فهي مناسبة جدًّا لمهام الاستنتاج (inference). فمع بلوغ دعم ROCm مرحلة النضج الكامل لمكتبات PyTorch وvLLM وllama.cpp، فإن البطاقة تعمل بكفاءة على نماذج الذكاء الاصطناعي الكبيرة المحلية (local LLMs) وعلى برنامج Stable Diffusion، كما أن سعة الذاكرة العشوائية VRAM البالغة 16 جيجابايت تتطابق مع سعة بطاقـة RTX 5070 Ti. أما التحفظات فهي تتعلق بالتدريب والشفرات البحثية المتقدمة جدًّا، حيث لا يزال نضج منصة CUDA يمنح إنفيديا التفوّق.
هل تعمل منصة ROCm بنفس كفاءة منصة CUDA في عام 2026؟
بالنسبة لمهام الاستنتاج الشائعة، فإن الأداء قريب جدًّا — وهي جاهزة للإنتاج وتدعمها رسميًّا جميع الأدوات الرئيسية. أما بالنسبة للتدريب ولأحدث الشفرات البحثية، فتظل منصة CUDA أكثر سلاسة، لأن أحدث الأبحاث تُنشَر أولًا باستخدام CUDA وبعض مكتبات CUDA لا تزال تفتقر إلى بدائل كاملة في ROCm. راجع تحليلنا الموسّع المعنون دليل مقارنة ROCm مقابل CUDA لمزيد من التفاصيل.
أيهما أسرع في تطبيقات الذكاء الاصطناعي: RX 9070 XT أم RTX 5070 Ti؟
من حيث الأداء الخالص للرقاقة، فإن الفارق ضئيل جدًّا، بل وتتفوّق AMD في بعض الاختبارات الدقيقة التي لا تعتمد على واجهات برمجية محددة. أما في الاستخدام العملي للذكاء الاصطناعي باستخدام CUDA مقابل ROCm، فإن بطاقـة RTX 5070 Ti تكون عادةً أكثر ثباتًا في الأداء بفضل نضج المكدس البرمجي لدى إنفيديا، رغم صغر الفارق في الأداء المادي.
هل تستحق بطاقـة RX 9070 XT الشراء لتوفير المال في بناء نظام ذكاء اصطناعي؟
إذا كانت مهامك تتركّز أساسًا على الاستنتاج (inference) ولا تمانع في بذل بعض الجهد في إعداد منصة ROCm، فالجواب نعم — فالوفرة البالغة نحو 150 دولارًا أمريكيًّا حقيقية، والبطاقة قادرة تمامًا على أداء المهام المطلوبة. أما إذا كنت تقدّر التوافق الفوري دون الحاجة إلى أي إعدادات، أو كنت تقوم بأعمال تدريب، فإن بطاقـة RTX 5070 Ti تستحق المبلغ الإضافي.
ما سعة مصدر الطاقة المطلوب لبطاقـة RX 9070 XT أو RTX 5070 Ti؟
خطّط لاستخدام مصدر طاقة عالي الجودة بسعة 750 واط لبطاقـة RTX 5070 Ti، وسعة 850 واط لبطاقـة RX 9070 XT. فبطاقـة الـ5070 Ti لها استهلاك حراري (TDP) قدره 300 واط، وتوصي إنفيديا باستخدام مصدر طاقة بسعة 750 واط. أما بطاقـة الـ9070 XT فمُصنّفة باستهلاك حراري يقارب 304 واط، لكنها تستهلك في الواقع نحو 350 واط تحت الأحمال الفعلية مع قمم انتقالية أعلى لفترات قصيرة، لذا وعلى الرغم من أن الرقم المرجعي لشركة AMD هو أيضًا 750 واط، فإن العديد من بطاقات الشركاء تتطلّب 800 واط أو أكثر، وسعة 850 واط تُعد الحد الأدنى الآمن عمليًّا. وتستخدم بطاقـة الـ5070 Ti موصلًا بـ16 دبوسًا، لذا تأكّد من أن مصدر طاقتك يحتوي على الكابل أو المحول المناسب. ورغم أن مهام الاستنتاج في الذكاء الاصطناعي لا تحمّل وحدة معالجة الرسومات GPU بنفس الشدة التي تحمّلها ألعاب الفيديو، فإنك يجب أن تختار مصدر الطاقة وفقًا لأقصى استهلاك ممكن، وليس وفقًا متوسط الاستهلاك.
هل تؤدي بطاقـة RX 9070 XT أداءً أفضل على نظام لينكس أم على نظام ويندوز في تطبيقات الذكاء الاصطناعي؟
نعم، فنظام لينكس لا يزال الطريق الأسهل لاستخدام بطاقـة الـ9070 XT. فقد نضجت منصة ROCm من AMD أسرع ما نضجت على نظام لينكس، حيث يُعتبر دعم PyTorch وllama.cpp الأصلي موثوقًا به تمامًا على معالجات RDNA 4. وقد أطلقت AMD مؤخرًا دعم PyTorch الأصلي على نظام ويندوز عبر ROCm أيضًا، لكن هذا الدعم لا يزال حديث العهد، وبالتالي فإن احتمال مواجهتك لمشاكل تقنية أكبر. فإذا كنت ترغب في استخدام بطاقـة AMD مع أقل قدر ممكن من الجهد في الإعداد، فاستخدمها على نظام لينكس. أما إذا كنت مصرًّا على استخدام نظام ويندوز وتريد تجربة خالية تمامًا من التعقيد، فإن بطاقـة RTX 5070 Ti تبقى الخيار الأسلم.
هل تكفي سعة 16 جيجابايت من الذاكرة العشوائية VRAM لتطبيقات الذكاء الاصطناعي في عام 2026، أم ينبغي شراء بطاقة بسعة 24 جيجابايت؟
سعة 16 جيجابايت كافية لأكثر مهام الذكاء الاصطناعي المحلية شيوعًا: فنماذج بحجم 7 إلى 14 مليار معلّمة عند مستوى التكميم Q4 تعمل بسلاسة، كما أن نماذج MoE من فئة 20 مليار معلّمة قابلة للتشغيل. وكلا هاتين البطاقتين تقعان عند سقف سعة الـ16 جيجابايت هذه. أما الحدود فتظهر عند استخدام نوافذ سياق طويلة والنماذج الكثيفة التي تتجاوز 14 مليار معلّمة، حيث يتعيّن عليك التضحية بطول نافذة السياق مقابل حجم النموذج. فإذا كنت تحتاج بانتظام إلى نماذج كثيفة تتجاوز 30 مليار معلّمة أو نوافذ سياق طويلة جدًّا، فعليك الترقية إلى بطاقة بسعة 24 جيجابايت، لأن أي قدر من التحسينات البرمجية لا يمكن أن يجعل 16 جيجابايت تؤدي أداءً يعادل 24 جيجابايت.
الخلاصة
إن بطاقـة RX 9070 XT تثبت أن المشكلة لم تعد في أجهزة AMD — فهي تساوي بطاقـة RTX 5070 Ti من حيث الرقاقة، بل وتتفوّق عليها من حيث السعر. والفجوة المتبقية هي فجوة برمجية. فإذا كنت تبحث عن تجربة ذكاء اصطناعي خالية من التعقيد أو تقوم بأعمال تدريب، فإن بطاقـة RTX 5070 Ti ومنصة CUDA هما الخيار الأفضل. أما إذا كنت ستكتفي أساسًا بمهام الاستنتاج وتريد توفير المال، فإن بطاقـة RX 9070 XT أصبحت أخيرًا إجابةً جديرة بالثقة من AMD.
