نظريًّا، تبدو بطاقة AMD RX 7900 XTX صفقة جيدة مقارنةً ببطاقة RTX 4090: فكلاهما يحتويان على 24 جيجابايت من الذاكرة عالية السرعة (VRAM)، وعرض نطاق ترددي مماثل للذاكرة، وسعرٌ يقل بمئات الدولارات. وفي الذكاء الاصطناعي المحلي، تبقى سعة الذاكرة (VRAM) هي الملك — فلماذا لا يشتري الجميع البطاقة من AMD؟
كلمة واحدة: البرمجيات. هذه المقارنة ليست سوى مقارنة بين منصتي CUDA وROCm، وهنا بالضبط تُحسم الميزة أو تُفقد.
أبرز الاستنتاجات
- كلا البطاقتين تمتلكان 24 جيجابايت من ذاكرة VRAM — فهي تستوعب نفس النماذج.
- تتفوق بطاقة RTX 4090 بنسبة تقريبية تبلغ أسرع بنسبة 1.5–1.8 مرة في حمولات الذكاء الاصطناعي الفعلية، رغم تقارب المواصفات الخام.
- الفجوة ناجمة في الغالب عن البرمجياتالبرمجيات: فمنصة CUDA ناضجة تمامًا في كل مكان؛ أما ROCm فهي تعمل لكنها تتخلف في مدى التغطية والتحسين.
- لـ llama.cpp، تكون بطاقة RX 7900 XTX تنافسية. أما بالنسبة لمهام التدريب (training) والمكتبات المتخصصة غير الشائعة، فهي تثير الإحباط.
- اشترِ بطاقة RX 7900 XTX فقط إذا كنت تُجرِي عمليات استنتاج، وتستخدم نظام التشغيل لينكس، وتقدّر توفير المال على حساب السرعة والبساطة.
نظرة عامة
| المواصفات | RTX 4090 | RX 7900 XTX |
|---|---|---|
| الهندسة المعمارية | أدا لوفليس أد102 | RDNA 3 Navi 31 |
| وحدات المعالجة الرسومية (Shader units) | 16,384 معالج CUDA | 6,144 معالج تدفقي (stream processors) |
| VRAM | 24 جيجابايت من ذاكرة GDDR6X | 24 جيجابايت GDDR6 |
| عرض النطاق الترددي للذاكرة | 1008 جيجابايت/ثانية | 960 جيجابايت/ثانية |
| مكدس البرمجيات الخاص بالذكاء الاصطناعي | CUDA (ناضجة) | ROCm (في تحسن مستمر) |
| الاستهلاك الحراري الأقصى (TDP) | 450 واط | 355 واط |
| سعر الإطلاق | $1,599 | $999 |
العتاد المادي أقرب مما تشير إليه النتائج
إذا نظرت فقط إلى ورقة المواصفات، فإن معالج AMD Radeon RX 7900 XTX يبدو منافسًا قويًّا: سعة ذاكرة فيديو (VRAM) مماثلة تمامًا، عرض نطاق ترددي قريب جدًّا من المماثل، استهلاك طاقة أقل، وسعر أقل. وحدة معالجة الرسومات RDNA 3 من شركة AMD هي شريحة فعلية قادرة حقًّا.
لكن أداء الذكاء الاصطناعي لا يعتمد على الشريحة وحدها، بل على الشريحة زائد الوظائف الأساسية (kernels)، والمُجمِّعات (compilers)، والمكتبات التي تُشغِّلها. وقد خصَّصت شركة NVIDIA خمسة عشر عامًا لبناء منصة CUDA لتكون الطبقة الأساسية الافتراضية في كل إطار عمل للتعلُّم العميق. أما منصة ROCm من AMD فهي حقيقية وتتحسَّن بسرعة، لكنها ما زالت تتأخَّر بعدة سنوات من حيث اتساع التغطية والمُحسِّنات على المستوى المنخفض. ويحوِّل هذا الفارق فارق الأداء المقارب على الورق إلى فوزٍ واضحٍ لشركة NVIDIA في الاستخدام العملي.
معاير الأداء في استنتاج النماذج
| الحمل الوظيفي | RTX 4090 | RX 7900 XTX |
|---|---|---|
| نموذج Llama 3 بحجم 8 مليار معلَّمة وبترميز Q4 (باستخدام llama.cpp) | حوالي 140 رمزًا/ثانية | حوالي 95 رمزًا/ثانية |
| Llama 3 بفئة 13 مليار معلمة، كمية بتية Q4 | حوالي 90 رمزًا/ثانية | ~60 رمزًا/ثانية |
| Stable Diffusion XL بدقة 1024×1024 (30 خطوة) | حوالي 18 تكرارًا/ثانية | ~9 تكرارًا/ثانية |
يبرز أمران بوضوح. أولًا، في llama.cpp — والذي يمتلك واجهة خلفية (backend) مُحسَّنة جيدًا لـ ROCm/Vulkan — يكون أداء معالج 7900 XTX مقبولًا جدًّا، ويقترب كثيرًا من أداء معالج 4090. ثانيًا، في ستابل ديفيوجن (Stable Diffusion)، يتسع الفارق ليصل إلى نحو ضعف الأداء تقريبًا، وذلك لأن مسار PyTorch + ROCm لنماذج الانتشار (diffusion models) أقل تحسينًا بكثيرٍ مقارنةً بالحل الذي تقدِّمه NVIDIA.
والدرس المستفاد هو أن عجز AMD ليس متجانسًا. فهو ضئيل في المجالات التي استثمر فيها المجتمع المفتوح المصدر بشكل كبير، ولكنه كبير في كل المجالات الأخرى.
التدريب ومشكلة المكتبات
لـ ضبط النماذج (fine-tuning) والتدريب، يواجه معالج 7900 XTX حاجزًا أصعب. فكثير من المكتبات الشائعة — مثل إصدارات Flash Attention، وتقنيات التكميم bitsandbytes، ومكتبة xFormers، وطائفة طويلة من أكواد الأبحاث — تفترض وجود منصة CUDA. وبعضها يملك إصدارات مُعدَّلة لتعمل مع ROCm، لكن الكثير منها لا يملك ذلك، أو يتأخر في إصدار التحديثات.
يمكنك بالفعل تدريب النماذج على معالج 7900 XTX، لكنك ستضطر إلى قضاء وقتٍ في تصحيح بيئات التشغيل، والبحث عن إصدارات متوافقة مع ROCm، بل وقد تكتشف أحيانًا أن التقنية التي تود تجربتها لا توجد لها طريقٌ مدعومة على أجهزة AMD حتى الآن. أما على معالج 4090، فهذه العوائق تكون قريبة جدًّا من الصفر — فتقوم بتنفيذ الأمر عبر pip install ويعمل دون مشاكل.
اختر معالج RX 7900 XTX إذا
- كنت تقوم باستنتاج النماذج (inference) أساسًا عبر llama.cpp أو Ollama
- كنت مرتاحًا للعمل على نظام Linux ولإعداد منصة ROCm
- وتُشكِّل وفرة ~600 دولار أمريكي فرقًا حقيقيًّا في ميزانيتك
اختر بطاقة RTX 4090 إذا
- كنت تقوم بضبط النماذج أو تتبع أحدث أكواد الأبحاث
- كنت ترغب في أن تعمل كل شيء من المحاولة الأولى دون أي عوائق
- كنت تقوم بأعمال جادة في مجال Stable Diffusion أو إنشاء مقاطع الفيديو
تحذير خاص بنظام Windows
دعم منصة Windows لمجموعة ROCm لا يزال أضعف مما هو عليه على نظام Linux. وقد حسَّنت AMD هذه النقطة، لكن لأفضل تجربة ذكاء اصطناعي سلسة على معالج 7900 XTX، ينبغي أن تخطط لتشغيل نظام Linux. أما معالج RTX 4090 فيتم دعمه بالكامل على كلا النظامين. فإذا كنت مستخدمًا حصريًّا لنظام Windows، فإن العوائق البرمجية المرتبطة بالبطاقة من AMD تتضاعف، ويصبح اختيار RTX 4090 الخيار الواضح.
إجمالي تكلفة الملكية: ما التكلفة الفعلية لامتلاك كل بطاقة
تقدم الاختبارات المرجعية معلومات عن البطاقة الأسرع أداءً، لكنها لا تُخبرك أي بطاقة يمكنك شراؤها فعليًّا في عام ٢٠٢٦، أو كم ستكلف تشغيلها، أو ما إذا كان الفارق السعري مبرَّرًا بالنسبة لحمولة العمل الخاصة بك. وفي حالة بناء نظام ذكاء اصطناعي منزلي، يتحدد القرار وفق ثلاثة عوامل رئيسية، ولا تظهر أيٌّ منها في ورقة المواصفات الفنية.
سقف الذاكرة المؤقتة (VRAM) متطابق تمامًا. تُورَّد كلتا البطاقتين مع ٢٤ جيجابايت من الـ VRAM، وبالتالي تصلان إلى نفس الحد الأقصى. وباستخدام تقنية التكمين الكمي Q4، يمكن لبطاقة الـ ٢٤ جيجابايت تشغيل نماذج من الفئة ٢٧ مليار إلى ٣٢ مليار معلَّمة (والتي تشغل نحو ١٧–٢٢ جيجابايت على القرص الصلب، مع ترك مساحة كافية للسياق) بكفاءة عالية جدًّا. ولا يمكن لأيٍّ من البطاقتين تشغيل نموذج بحجم ٧٠ مليار معلَّمة بشكل أصلي (natively). وللقيام بذلك، سيتعيَّن عليك إخراج بعض الطبقات إلى ذاكرة النظام الرئيسية (RAM) — وهي عملية بطيئة — أو إضافة بطاقة ثانية سعة ٢٤ جيجابايت. ويكتسب هذا الأمر أهميةً لأنَّه يعني أنَّ بطاقة RTX 4090 لا تمنحك فقط سقف نماذج أكبر، بل إنها تقدِّم أيضًا معدل توليد رموز (tokens) أسرع ضمن نفس السقف. ليس تشتري سقف نماذج أكبر، ولكن فقط رموزًا أسرع داخل نفس السقف.
تكاليف استهلاك الطاقة ومصدر الطاقة (PSU) تميل لصالح AMD. تبلغ الحرارة المُبدَّدة (TDP) لبطاقة RTX 4090 نحو ٤٥٠ واط، بينما تبلغ هذه القيمة لبطاقة RX 7900 XTX حوالي ٣٥٥ واط، أي أقل بنسبة ٢٠٪ تقريبًا. وكلا البطاقتين تُولِّدان قمم طاقة عابرة حادة تتجاوز هذه القيم المُعلَّنة لفترات وجيزة جدًّا، ولذلك يوصي مصنعو اللوحات الأم باستخدام مصدر طاقة لا يقل استطاعته عن ٨٥٠ واط كحد أدنى، مع الارتقاء إلى ١٠٠٠ واط إذا تم تركيب البطاقة مع وحدة معالجة مركزية عالية الأداء (مثل Core i9 أو Ryzen 9)، أو عند تشغيل بطاقتي رسوميات معًا. أما محطة العمل التي تُجرِي عمليات الاستنتاج (inference) لساعات طويلة يوميًّا، فستظهر فروق الاستهلاك الواضحة في فاتورة الكهرباء، وتكون هذه الفروق أكثر وضوحًا في أنظمة الخوادم التي تعمل على مدار الساعة طوال أيام الأسبوع.
التوفر في السوق وإمكانية إعادة البيع تميل لصالح الجانب الآخر. تم إيقاف إنتاج بطاقة RTX 4090 رسميًّا، بعد أن توقف التصنيع في أواخر عام ٢٠٢٤. والمخزون الجديد نادرٌ للغاية ومُبالغ في أسعاره، لذا فإن معظم المشترين اليوم يتجهون إلى سوق المستعمل، حيث ظلت الأسعار مرتفعة. أما بطاقة RX 7900 XTX فهي لا تزال تُباع جديدةً، وعادةً ما تكون أسعارها أقل حتى من سعر بطاقة RTX 4090 المستعملة. وهذا يحوِّل السؤال الحقيقي في الواقع من «أيهما أسرع؟» إلى «أيهما يمكنني شراؤه، وبأي فارق سعري؟»
| عامل الملكية | RX 7900 XTX | RTX 4090 |
|---|---|---|
| الذاكرة المؤقتة (VRAM) — سقف النماذج القابلة للتشغيل | 24 جيجابايت | 24 جيجابايت |
| استهلاك الطاقة المُعلن | ~٣٥٥ واط | ٤٥٠ واط |
| وحدة إمداد الطاقة الموصى بها | ٨٥٠ واط فأكثر | ٨٥٠–١٠٠٠ واط فأكثر |
| التوفر في عام ٢٠٢٦ | جديدة، ومتوفرة على نطاق واسع | متوقف إنتاجها، وتُباع غالبًا مستعملة |
| الموقع السعري | أقل | مرتفع (نتيجة ندرتها) |
الإطار الصادق: إذا كانت حمولة عملك تقتصر على عمليات الاستنتاج فقط على نماذج تناسب سعة ٢٤ جيجابايت من الـ VRAM، وإذا كنت تُقدِّر انخفاض التكلفة واستهلاك الطاقة، وكذلك توفر بطاقة جديدة يمكنك شراؤها مباشرةً، فإن بطاقة RX 7900 XTX هي الخيار المنطقي. أما دفع الفارق السعري مقابل بطاقة RTX 4090 فيصبح مبرَّرًا فقط عندما تحتاج تحديدًا إلى بيئتها الناضجة لـ CUDA، أو سرعتها الأعلى في عمليات التدريب، أو أوسع توافق برمجي جاهز للتشغيل دون الحاجة إلى تعديلات.
الأسئلة الشائعة
هل يُعد معالج RX 7900 XTX مناسبًا للذكاء الاصطناعي في عام 2026؟
نعم، بالنسبة لعمليات الاستنتاج. فهو يقدِّم أداءً قويًّا من حيث عدد الرموز لكل دولار عند استخدامه مع llama.cpp أو Ollama على نظام Linux. أما بالنسبة للتدريب أو ضبط النماذج أو Stable Diffusion، فإن الفجوة البرمجية في منصة ROCm تجعله أبطأ وعرضةً لمشاكل أكثر ملحوظةً مقارنةً بمعالج RTX 4090.
هل نجحت منصة ROCm أخيرًا في اللحاق بمنصة CUDA؟
لا، لكنها قلَّصت الفجوة بشكلٍ ملحوظ. فـ ROCm أصبحت متينةً لاستخدامات الاستنتاج الشائعة، لكنها ما زالت تتخلف عن CUDA من حيث اتساع تغطية المكتبات، وتحسين عمليات التدريب، ودعم نظام Windows. وما زالت منصة CUDA هي الطريق الأسهل والأقل عوائق.
هل يتفوق معالج RX 7900 XTX على معالج RTX 4090 من حيث السرعة؟
لا. فعلى الرغم من التشابه في سعة VRAM وعرض النطاق الترددي، فإن معالج RTX 4090 أسرع بنسبة 1.5–1.8 مرة في مهام الذكاء الاصطناعي الفعلية، وذلك بسبب نضج منصة CUDA البرمجي. وأصغر فارق أداء يكون في llama.cpp، بينما أكبر فارق يكون في Stable Diffusion.
هل ينبغي أن أشتري معالجات AMD لتوفير المال في بناء نموذج لغوي كبير محلي (local LLM) نظام ذكاء اصطناعي؟
فقط إذا كنت تقوم باستنتاج النماذج وتستخدم نظام Linux. فمعالج 7900 XTX يوفِّر لك 24 جيجابايت من VRAM مقابل ~999 دولارًا أمريكيًّا. لكن عليك أن تأخذ في الحسبان وقتك الشخصي — فإعداد منصة ROCm وتصحيح الأخطاء المرتبطة بها له تكلفة حقيقية لا يظهرها السعر المذكور.
ما حجم النموذج اللغوي الكبير (LLM) الذي يمكن لبطاقتي RX 7900 XTX وRTX 4090 تشغيله؟
كلا البطاقتين تمتلكان ٢٤ جيجابايت من الـ VRAM، وبالتالي يشتركان في نفس السقف الأقصى. وباستخدام تقنية التكمين الكمي Q4، يمكنهما تشغيل نماذج من الفئة ٢٧ مليار إلى ٣٢ مليار معلَّمة بكفاءة عالية مع سياق عملي، وهو ما يغطي الغالبية العظمى من مهام الذكاء الاصطناعي المحلية. أما نموذج الـ ٧٠ مليار معلَّمة فلا يمكن تشغيله أصليًّا على أيٍّ من البطاقتين؛ وسيتطلَّب ذلك إخراج طبقات إلى ذاكرة النظام (RAM) — وهي عملية بطيئة — أو تشغيل بطاقتي رسوميات سعة ٢٤ جيجابايت معًا. وبالفعل، فإن بطاقة RTX 4090 أسرع أداءً، لكنها لا تسمح لك بتشغيل نموذج أكبر من النموذج الذي تدعمه بطاقة RX 7900 XTX.
ما مصدر الطاقة (PSU) المطلوب لبطاقتي RX 7900 XTX أو RTX 4090؟
خطِّط لاستخدام مصدر طاقة لا يقل استطاعته عن ٨٥٠ واط من علامة تجارية موثوقة لكلٍّ من البطاقتين. فكلاهما يستهلك قمم طاقة عابرة حادة تتجاوز قيم TDP المُعلَّنة لهما لجزء ضئيل جدًّا من الثانية، لذا قد يؤدي استخدام مصدر طاقة هامشي إلى تفعيل حماياته أثناء التشغيل تحت الحمل. وإذا قمت بتوصيل البطاقة بوحدة معالجة مركزية عالية الأداء، أو بنيت نظامًا مكوَّنًا من بطاقتي رسوميات، فارتقِ إلى مصدر طاقة سعة ١٠٠٠ واط أو أكثر. واستهلاك بطاقة RX 7900 XTX الأقل (٣٥٥ واط) يمنحُك هامش أمان أكبر قليلًا، لكنه ليس سببًا كافيًا للتضحية بجودة مصدر الطاقة.
هل من الآمن شراء بطاقة RTX 4090 مستعملة لمهام الذكاء الاصطناعي في عام ٢٠٢٦؟
قد يكون ذلك آمنًا، لكن الشراء يتطلب الحذر الشديد، لأن إنتاج هذه البطاقة متوقفٌ بالفعل، والسوق يهيمن عليه حاليًّا العرض المستعمل. فقد خضعت العديد من هذه البطاقات لضغوط تشغيلية شديدة في أعمال التعدين أو مهام الذكاء الاصطناعي، لذا يُفضَّل التعامل مع بائعين يقدِّمون إثبات شراء، واختبار البطاقة تحت حمل مستمر قبل انتهاء فترة الإرجاع، كما يجب فحص موصل الطاقة ١٢VHPWR ومقابله بدقة للبحث عن أي علامات انصهار أو تشوه أو تغير في اللون. وإذا اقترب سعر بطاقة RTX 4090 المستعملة من سعر بطاقة جديدة ذات سعة VRAM مماثلة، فإن الحجة الاقتصادية لصالحها تضعف سريعًا أمام خيار بطاقة RX 7900 XTX الجديدة.
الحكم النهائي
الـ RX 7900 XTX هو أكثر معالجات AMD تنافسيةً حقًّا في مجال الذكاء الاصطناعي منذ سنوات — فسعة 24 جيجابايت من VRAM مقابل 999 دولارًا أمريكيًّا عرضٌ حقيقيٌّ، ويستحق مكانه في عمليات الاستنتاج عبر llama.cpp على نظام Linux. لكن RTX 4090 يفوز معالج RTX 4090 في هذه المقارنة بوضوح. فهو أسرع، وأكثر انتشارًا وشمولًا، ويُلغي فئة كاملة من العوائق البرمجية. واختيار AMD يتم بعينين مفتوحتين: فأنت تشتري سعة VRAM مقابل كل دولار، وتقبل دفع «ضريبة برمجية». أما اختيار NVIDIA فيعني أنك تشتري السرعة والشمولية، وحرية عدم التفكير مطلقًا في سلسلة أدواتك البرمجية مرة أخرى.
