“AMD و اینتل اگر می خواهید از NVLINK FUSION استفاده کنید” خوش آمدید “

مدیرعامل Nvidia Jenson Huang

NVIDIA از 20 مه در Computex Taipei 2025 ، یکی از بزرگترین نمایشگاه های هوش مصنوعی که در تایپه ، تایوان برگزار شد ، شرکت خواهد کرد. از بیست و یکم ، نسخه تایوانی از رویداد سالانه ، “GTC”. به موازات ، یک جلسه پرسش و پاسخ توسط مدیرعامل جنسون هوانگ برای مطبوعات برگزار شد.

مراکز داده هوش مصنوعی می توانند سال به سال بهره وری انرژی را با به روزرسانی های GPU NVIDIA بهبود بخشند

از چپ به راست ، تیغه های سوئیچ NVLINK GB200 ، GB300 و NVLINK

هوانگ(در حالی که سخت افزار NVIDIA را برای مراکز داده هوش مصنوعی در محل Q&A نشان می دهد) این بار ، محصولات مختلفی برای ریخته گری های هوش مصنوعی اعلام شده است. GTC اعلام کرد GB300 ، GB200 ، NVLINK SWITCH ، 800 گیگابایت در ثانیه و موارد دیگر. و این HGX همچنین دارای یک پردازنده x86 است و تمام نرم افزاری که امروزه شرکت ها آن را اجرا می کنند ، مانند Redhat و VMware ، اجرا می شود.

این بار ، ما “سرور RTX Pro” را اعلام کرده ایم. این مجهز به هشت جوانب مثبت RTX است و به شما امکان می دهد یک دوقلو دیجیتالی با امنور ایجاد کنید. ما می خواهیم به مشاغل کمک کنیم تا ابرهای هوش مصنوعی و ابر رایانه های هوش مصنوعی را با این سخت افزار بسازند.

–بازار شرکت بسیار مهم است و بازار لبه مانند رایانه های هوش مصنوعی اکنون اهمیت بیشتری پیدا می کند. NVIDIA در آن بازارها سعی در دستیابی به چه چیزی دارد؟

هوانگدیشب ، مایکروسافت ابتکارات خود را برای Windows AI Foundry و Windows ML اعلام کرد. و آنها فاش کردند که این کار روی سخت افزار Nvidia کار خواهد کرد. با استفاده از Windows ML ، می توانید برنامه های AI را روی ویندوز اجرا کنید. RTX NVIDIA دارای هسته Cuda و یک هسته تانسور است ، زیرا هر دو می توانند AI را اجرا کنند.

ما در حال حاضر صدها میلیون کاربر RTX از جمله گیمرها ، کاربران رایانه شخصی و کاربران ایستگاه کاری داریم و ویندوز ML می تواند برای توسعه و اجرای برنامه های AI در این رایانه های RTX اجرا شود.

برای توسعه دهندگان ، آنها ابر رایانه های هوش مصنوعی خود را مانند DGX Spark و ایستگاه DGX ارائه می دهند. با استفاده از این ، دیگر نیازی به استفاده از خدمات ابری ندارید و پس از اتمام استفاده ، دیگر خاموش هستید. شما می توانید همه این کارها را روی میز کار خود انجام دهید. این که رایانه شخصی مورد استفاده یک MacBook ، Chromebook ، Linux یا Windows است ، مشکلی وجود ندارد. از طریق شبکه های Wi-Fi یا سیمی می توان از همه دستگاه ها استفاده کرد.

–آیا برنامه ای برای اضافه کردن رنگ های اضافی به DGX Spark یا چیز دیگری وجود دارد؟

آقای خوان DGX Spark را معرفی می کند

هوانگمن فکر می کنم DGX Spark طراحی زیبایی دارد. و دلیل نیاز به این ابر رایانه به این دلیل است که به یک محیط توسعه هوش مصنوعی سازگار و بسیار مولد نیاز دارد.

یک رایانه موجود ، مانند لپ تاپ موبایل که از آن استفاده می کنید ، یک نمونه ساده است ، اما هیچ حافظه کافی برای اجرای یک پشته AI وجود ندارد و هیچ هسته تانسور وجود ندارد. DGX Spark از رایانه های موجود از طریق شبکه متصل می شود و یک پشته AI را اجرا می کند. این اجازه می دهد تا ابر رایانه های هوش مصنوعی ، که قبلاً فقط در ابر موجود بودند ، در اتاق شما قرار بگیرند. شاید اگر شش ماه با استفاده از این کار صرف کنید ، می توانید سرمایه گذاری خود را به طور کامل بازیابی کنید.

این را می توان از تولید کنندگان تایوانی مانند ASUS و MSI بدست آورد. اگر همه توسعه دهندگان ، نه تنها توسعه دهندگان سازمانی ، یکی از آنها را بدست آورید و آنها را در کنار میز قرار دهید ، می توانید توسعه را به تنهایی از آنجا تکمیل کنید. همچنین می توان آن را به صورت ابر به سمت ابر وصل کرد تا آن را در مجموعه داده های بزرگتر آزمایش کند. این واقعاً یک محیط توسعه هوش مصنوعی ایده آل است.

–Nvidia در حال حاضر با ابر رایانه های هوش مصنوعی موفق است ، اما برخی از پروژه ها دور ریخته شده اند

آقای خوان تابلوهای سرور RTX Pro را معرفی می کند

هوانگبرای Nvidia نادر است که این پروژه را به طور کامل بکشد. با این حال ، در برخی موارد ، این سیاست ممکن است در طول پروژه تغییر کند.

به عنوان مثال ، در اوایل Omniverse ، چندین بار با پروژه های بازسازی روبرو شدم. با این حال ، دلیل ما به انجام این کار و به موفقیت ما در حال حاضر رسیده ایم زیرا دیدگاه ما صحیح بود که ما برای ایجاد یک دنیای فیزیکی به یک دنیای مجازی دیجیتال احتیاج داشتیم.

در ابتدا ، من Omniverse را به عنوان نرم افزاری ساختم که از چندین GPU استفاده می کند ، اما این یک رویکرد اشتباه بود. این بازسازی شده است به طوری که می تواند بر روی چندین رایانه با هر GPU های متعدد کار کند. سرور RTX Pro ، که ما اعلام کردیم ، اکنون به عنوان سخت افزار بهینه که Omniverse را اجرا می کند ، در دسترس است.

این سرور RTX Pro یک رایانه واحد با هشت GPU است ، اما با اتصال بیشتر آنها می توان در مقیاس بزرگتر استفاده کرد. این سرور RTX Pro هر دو یک رایانه Omniverse کامل ، یک رایانه روبات عالی و یک رایانه دوقلوی دیجیتال عالی است. در اینجا اوج آنچه ما شش یا هفت سال در آن کار کرده ایم است.

–بسیاری از سرورهای هوش مصنوعی در مراکز داده AI کارخانه و هوش مصنوعی قرار خواهند گرفت. من معتقدم که ارتقاء این دستگاه ها در آینده مورد توجه قرار می گیرد ، اما نظر شما در مورد طول عمر آن دستگاه ها در مراکز داده چیست؟

هوانگبه روزرسانی تجهیزات ، دقیقاً مانند مراکز داده در گذشته ، در کارخانه های هوش مصنوعی و مراکز داده هوش مصنوعی یکسان است. این امر به این دلیل است که عملکرد برابر با هزینه در کارخانه ها است ، در حالی که عملکرد برابر با درآمد است. به عنوان مثال ، اگر قدرت یک کارخانه محدود باشد ، اگر عملکرد در هر W چهار برابر بهتر باشد ، درآمد چهار برابر افزایش می یابد. بنابراین ، اگر نسل جدیدی از محصولات با عملکرد عالی در هر وات را معرفی کنیم ، عملکرد کلی کارخانه بهبود می یابد و هزینه ها کاهش می یابد و در نتیجه افزایش درآمد.

در این حالت ، مزیت راه حل Nvidia این است که معماری در همه نسل ها سازگار است و به شما امکان می دهد از نرم افزار برای مدت طولانی استفاده کنید. ما در حال حاضر تقریباً یک بار در سال محصولات جدید را معرفی می کنیم ، اما اگر GPU های نسل جدید چهار برابر انرژی بیشتری نسبت به GPU های نسل قدیمی داشته باشند ، می توانیم از همان نرم افزار CUDA برای عملکرد چهار گانه استفاده کنیم. این مزیت CUDA است. این به افزایش طول عمر مراکز داده هوش مصنوعی کمک می کند.

خوان گفت که این سیاست هنگام محدودیت صادرات دولت قبلی به چین اشتباه بوده است.

آقای خوان با دقت به سؤالات پاسخ می دهد

–جهان در حال حاضر تحت تنش های تجاری قرار دارد. NVIDIA در مورد استراتژی جهانی زنجیره تأمین خود چه فکر می کند ، و تایوان کجا ایستاده است؟

هوانگاول از همه ، تایوان به رشد خود ادامه خواهد داد. دلیل این امر این است که ما در آغاز یک صنعت جدید هستیم. این صنعت جدید کارخانه های هوش مصنوعی را ایجاد می کند و زیرساخت های هوش مصنوعی در سراسر جهان دارد. درست همانطور که زیرساخت های اینترنتی جهان را پوشش داده است ، زیرساخت های هوش مصنوعی جهان را پوشش می دهند. سرانجام ، زیرساخت های هوش مصنوعی در سراسر جهان به طور گسترده ای ظاهر می شوند. به احتمال زیاد حدود 10 سال طول خواهد کشید تا یک کارخانه هوش مصنوعی و زیرساخت های هوش مصنوعی بسازید.

این کارخانه در همه جای تایوان ساخته شده است ، زیرا ما و همه در تایوان قصد داریم زیرساخت هایی را برای هوش مصنوعی بسازیم و تولیدی را برای هوش مصنوعی بسازیم. در عین حال ، جهان باید ثبات و تنوع صنعت تولید را بیشتر بهبود بخشد ، که برخی از آنها احتمالاً در سراسر جهان توزیع می شود. این برنامه قصد دارد چندین محصول را در ایالات متحده نیز تولید کند. ما معتقدیم که ما باید تا آنجا که ممکن است کارهای مهم را برای امنیت ملی انجام دهیم و ثبات زائد در سراسر جهان داشته باشیم. به هر حال ، ما در حال حاضر در یک دوره تغییر هستیم و هم اکنون در همان زمان در حال ساخت زیرساخت های هوش مصنوعی هستیم.

برای زیرساخت های هوش مصنوعی نیاز به بسیاری از کارخانه ها وجود خواهد داشت و انرژی کافی برای تأمین این کارخانه ها لازم است. تأمین انرژی برای پیشرفت اقتصادی برای جامعه ضروری است. حمایت دولت برای تأمین زیرساخت های هوش مصنوعی با انواع انرژی لازم خواهد بود ، در حالی که همچنان به فن آوری های جدیدی که بیشتر در فرهنگ لغت موجود است ، مانند هیدروژن ، هسته ای ، خورشیدی و باد ادامه می دهد. من فکر می کنم مقامات دولتی در سراسر جهان باید از همه مشاغل حمایت کنند.

–نظر شما در مورد محدودیت صادرات ایالات متحده در چین چیست؟

هوانگهمانطور که می دانید ، به دلیل محدودیت های صادراتی ما ، حمل و نقل “H20” را به حالت تعلیق درآوردیم. H2010 در حال حاضر از صادرات به چین ممنوع است و این آیین نامه به این معنی بود که باید میلیاردها دلار استهلاک شود.

آنچه نویدیا در مورد بازار چین فکر می کند این است که مهم است. دلیل اول این است که 50 ٪ از محققان هوش مصنوعی در سراسر جهان در چین زندگی می کنند و مربیان هوش مصنوعی آنها می خواهند در Nvidia بسازند. در حقیقت ، Deepseek با استفاده از Nvidia ساخته شده است. نتایج Deepseek هر دو هدیه برای ما است و هم هدیه ای برای جهان.

ثانیا ، بازار چین یک بازار بسیار بزرگ است. چین دومین بازار بزرگ از نظر بازار کلی رایانه است. و ما معتقدیم که چین تا سال آینده موقعیت مشابهی را در بازار هوش مصنوعی نیز اشغال خواهد کرد. این معتقد است که اندازه بالقوه بازار آن 50 میلیارد دلار است و فرصت های بازار آن هم برای NVIDIA و هم برای ایالات متحده مهم است. این شرم آور خواهد بود اگر بتوانیم آن فرصت بازار را بدست آوریم ، می توانستیم درآمد مالیاتی را به ایالات متحده بیاوریم ، شغل ایجاد کنیم و صنعت را حفظ کنیم ، اما این فرصت را از دست می دهیم.

–آیا از این سیاست عصبانی هستید؟

هوانگنه ، من از آن ناراحت نیستم ، اما فکر می کنم این سیاست اشتباه است. من می خواهم توضیح دهم که معنی آن چیست. هنگامی که دولت بایدن برای اولین بار از چهار سال پیش آغاز شد ، سهم بازار Nvidia در چین تقریباً 95 ٪ بود ، اما اکنون فقط 50 ٪ است. بقیه فناوری چینی خواهند بود. با توجه به سیاست دولت ایالات متحده ، ما مجبور شدیم تراشه های مشخصات پایین را بفروشیم و ASP (میانگین قیمت فروش) کم بود ، بنابراین درآمد کم داشتیم و چیز خوبی نداشتیم.

حتی امروزه ، توسعه دهندگان هوش مصنوعی چینی همچنان در حال توسعه هستند و در صورت وجود از تراشه های NVIDIA استفاده می کنند و در صورت عدم دسترسی از پیشرفت های خود استفاده می کنند. و شرکت های چینی بسیار با استعداد هستند و با عزم قوی متعهد به توسعه هوش مصنوعی هستند. کنترل های صادراتی ایالات متحده دولت چین را به حمایت از چنین مشاغل محلی ترغیب کرده و پیشرفت آنها را تسریع کرده است. با توجه به این واقعیت ها ، من فکر می کنم کنترل صادرات در کل یک شکست بود.

به Intel و AMD خوش آمدید و به NVLINK FUSION بپیوندید

NVLINK FUSION در سخنرانی اصلی NVIDIA ارائه شد

–Broadcom برای NVLink Fusion در آن لیست نبود ، اما آیا برنامه ای برای بحث در مورد آنها در آینده وجود دارد؟

هوانگNVLink پنجمین نسل از نسل مدرن است و مدتهاست که بر توسعه این فناوری متمرکز شده است. دلیل اینکه مراکز داده AI و کارخانه های هوش مصنوعی می توانند عملکرد بالایی را ارائه دهند ، به این دلیل است که NVLINK ، که به راندمان بالایی می رسد.

در میان اینها ، Nvidia تعداد زیادی مشتری دارد و بسیاری از آنها در حال توسعه زیرساخت های نیمه تمام هوش مصنوعی هستند. آنها غالباً نزد من می آمدند و می پرسیدند: “آیا می توانم از این nvlink استفاده کنم؟”

مطمئناً ، رقبای ما برای ایجاد استاندارد به نام “ualink” جمع شدند ، اما صادقانه بگویم ، نمی توان گفت که Ualink خوب عمل می کند. در نتیجه ، مشتریان سؤال کرده اند که آیا می توانند NVLink را آزاد کنند. از دیدگاه ما ، ما خوشحالیم که شبکه و پارچه های Nvidia مفید بوده اند.

NVLINK FUSION به فناوری های NVIDIA یا راه حل های سفارشی اجازه می دهد تا آنها را در مراکز داده ادغام کرده و فرصت های بازار را گسترش دهند. این برای Nvidia نیز خوب است. و برای شرکت هایی مانند MediaTek و Marvell که شریک زندگی هستند ، خوب است.

همچنین می توانید CPU های NVIDIA را انتخاب کنید ، و در برخی موارد می توانید یک پردازنده را که توسط شرکت های شریک مانند Fujitsu و Qualcomm تهیه شده است انتخاب کنید. البته اگر می خواستند از فیوژن NVLINK استفاده کنند ، Broadcom نیز مثبت خواهد بود.

–من می خواهم دیدگاه شما را برای آینده Fusion NVLink به اشتراک بگذارم.

هوانگیک ایده این است که طرح IP NVLink را در تراشه های شرکت های شریک قرار دهید و دیگری واقع بینانه تر ، داشتن فیوژن NVLink در بسته های خود به عنوان چیپلت است.

بنابراین مزایای شریک زندگی شما چیست؟ بیایید یک مثال را در نظر بگیریم. فوجیتسو شرکتی بوده است که تا زمانی که IBM را ارائه می دهد ، رایانه ها را ارائه می دهد و تعداد زیادی از سیستم های فوجیتسو در سراسر جهان نصب شده است. و بسیاری از آنها بر اساس CPU های فوجیتسو اجرا می شوند.

هنگامی که مشتریان آنها می خواهند هوش مصنوعی را به سیستم خود اضافه کنند ، باید نرم افزاری را که روی CPU های فوجیتسو اجرا می شود با نرم افزاری که در GPU های NVIDIA اجرا می شود ، ترکیب کنند. بنابراین این فیوژن چگونه کار می کند؟ این فیوژن nvlink است. می توان گفت که این معناست که این دو اکوسیستم با هم ذوب می شوند.

به همین دلیل همجوشی است. آنها می خواهند این دو اکوسیستم را مخلوط کنند و این امکان پذیر است که پردازنده وی به NVLink متصل شود.

–آیا این امکان وجود دارد که اینتل یا AMD همین کار را انجام دهد؟

هوانگاگر آنها بخواهند به اکوسیستم ما متصل شوند ، ممکن است. بسیاری از کاربران اکوسیستم و نرم افزار ما را می خواهند. اگر سایر فروشندگان CPU بخواهند این کار را انجام دهند ، می توانند تراشه های NVLink و طرح های IP را از Cadence و Synopsys دریافت کنند.

قدرت اجرای نرم افزار انعطاف پذیر روی سخت افزار انعطاف پذیر است.

مدیرعامل Nvidia Jenson Huang

–سرمایه گذاران قبلاً پس از پایان رونق هوش مصنوعی نگران عملکرد NVIDIA هستند ، اما آنچه در Computex اعلام شد ، مانند NVLINK FUSION و SOLUTIONS CLOUD؟

هوانگگفته می شود که مدل قدیمی AI یک شات است. این امر به این دلیل است که اگر چیزی را در سریع قرار دهید و Enter را فشار دهید ، هوش مصنوعی در یک عکس به شما پاسخ می دهد. وقتی به سوال خود پاسخ می دهید ، مانند پیش از آموزش و تلاش برای دریافت جواب است.

بنابراین ، مرحله بعدی چه خواهد بود؟ این استنباط است بسیاری از توسعه دهندگان هوش مصنوعی در حال حاضر از تعدادی از مدل های استنتاج عالی استفاده می کنند و بسیار خوب هستند ، نه تنها پاسخ های یک شات ، بلکه صدها عکس نیز به اینترنت دسترسی پیدا می کنند تا وب سایت ها را بارگیری کنند و محتوای PDF را درک کنند.

در حال حاضر ، مدل های استنتاج فعلی برای پاسخ به یک پاسخ ، با مقدار محاسبات لازم 100 تا 1000 برابر بیشتر می شوند. به همین دلیل موقعیت هایی وجود دارد که GPU ها در سراسر جهان ذوب می شوند. مایکروسافت فاش کرده است که OpenAI از GB200 استفاده می کند و قصد دارد امسال صدها هزار GB200 بسازد. این بدان معناست که GPU های بیشتری فقط در یک سال از مراکز داده ای که مایکروسافت طی چند سال گذشته ساخته است ، مراکز داده خود را وارد می کنند.

این سن استدلال AI تازه آغاز شده است. از این پس ، مردم و استدلال هوش مصنوعی به شما امکان می دهند برنامه های بسیار مفیدی بسازید. در مرحله بعد ، ما در سراسر جهان پیشرفت های زیرساختی را ملاقات می کنیم و می سازیم. این یکی از دلایلی است که من در حال حاضر در سراسر جهان بازدید می کنم. هر منطقه در سراسر جهان نیاز به ساخت زیرساخت های هوش مصنوعی را تشخیص می دهد و زیرساخت های هوش مصنوعی به همان اندازه برق و اینترنت برای جامعه/صنعت بسیار مهم خواهند بود. این همان چیزی است که من نیز به خاورمیانه رفتم و رئیس جمهور ترامپ اعلام کرد.

–شما قبلاً ذکر کرده اید که NVIDIA یک شرکت نرم افزاری است ، اما تا به امروز ، Nvidia هنوز هم مانند یک شرکت سخت افزار است.

هوانگآنچه من گفتم “Nvidia شرکتی است که به عنوان نرم افزار شروع به کار کرد.” در حقیقت ، Nvidia همیشه با توسعه الگوریتم ها شروع می شود. این می تواند یک الگوریتم کوانتومی کلاسیک یا حتی یک الگوریتم رایانه باشد. یا شاید این یک الگوریتم لیتوگرافی محاسباتی برای تولید تراشه ها باشد. ما دائماً در حال توسعه چنین الگوریتم هایی هستیم و سعی می کنیم با افزایش و پایین آمدن آنها از آنجا ، آنها را طراحی کنیم. این امر به این دلیل است که بدون درک الگوریتم ، تسریع الگوریتم غیرممکن است.

CPU نیازی به درک الگوریتم ها ندارد. الگوریتم روی کامپایلر است ، بنابراین کامپایلر باید آن را درک کند. با این حال ، رایانه های شتاب متفاوت هستند. بنابراین ، Nvidia با درک الگوریتم ها شروع می شود. سپس این الگوریتم های سریعتر با استفاده از نرم افزار کامل پشته حاصل شد. پس از آن ، Nvidia به یک شرکت سیستم تبدیل شده است ، اکنون ارائه دهنده راه حل برای مراکز داده و اکنون شرکتی است که زیرساخت های هوش مصنوعی را ارائه می دهد.

نرم افزاری که در زیرساخت های هوش مصنوعی اجرا می شود با سخت افزار مستقل مانند رایانه شخصی بسیار متفاوت است و پیکربندی سیستم ، معماری و خود نرم افزار متفاوت است. وقتی صحبت از پیکربندی سیستم می شود ، باید به یکباره در مورد همه چیز فکر کنید: برق ، خنک کننده ، شبکه ، پارچه ، امنیت ، ذخیره سازی و غیره. در غیر این صورت ، نرم افزار بهینه نمی شود و توان بهینه نمی شود. این امر به این دلیل است که اگر از این طریق بهینه نشود ، سود شرکت بهبود نمی یابد.

–صنعت نرم افزار بیش از 50 سال سابقه طولانی دارد. اگرچه تمرکز از CPU به GPU منتقل شده است ، اما اکنون تمرکز خود را تغییر داده است ، اما همچنان در رابطه با سخت افزار انعطاف پذیر نرم افزار را اجرا می کند. در آینده با چنین سخت افزار انعطاف پذیر چه اتفاقی خواهد افتاد؟

هوانگاین یک سوال بسیار خوب است. دینامیک سیال ، فیزیک ذرات ، گرافیک رایانه و موارد دیگر دیگر از بین نمی روند. این الگوریتم ها بسیار خوب هستند و با سالها استفاده ، آنها قبلاً نرم افزاری را به ارزش تریلیون دلار نوشتند و هیچ دلیلی برای بازنویسی آنها وجود ندارد.

چنین نرم افزارهای انعطاف پذیر و سخت افزار انعطاف پذیر همیشه دارای ارزش هستند. به همین دلیل CPU ها بیش از 60 سال موفق بوده اند. Nvidia Cuda را کشف کرد و طی 20 سال گذشته به تحولات بسیار خوبی دست یافته است. CUDA چنین موفقیتی را بدست آورده است زیرا برنامه های زیادی دارد ، با یادگیری عمیق و یادگیری ماشین ، و همچنین پردازش داده های بدون ساختار ، پردازش داده های ساختاری برای ذرات و مایعات ، فیزیک کوانتومی و شیمی کوانتومی. به همین دلیل ، مزیت انعطاف پذیری لازم است و در عین حال ، فناوری GPU NVIDIA بسیار سریع است. بنابراین ، در حال حاضر در مراکز داده مورد استفاده قرار می گیرد و در بسیاری از برنامه ها استفاده می شود.

و با افزایش نرخ استفاده ، هزینه ها کاهش می یابد و در حال حاضر ، بسیاری از کاربران می توانند از آن با هزینه کم استفاده کنند. قادر به استفاده به روش کلی به معنای کم هزینه است. در روزی که اواخر استیو جابز آیفون خود را اعلام کرد ، آیفون را به او نشان داد ، سپس به او یک پخش کننده موسیقی ، دوربین و رایانه شخصی نشان داد و توضیح داد که می تواند در یک دستگاه عمومی به نام یک آیفون واحد استفاده شود. درست است که دستگاه های با هدف عمومی نسبت به دستگاه های اختصاصی گران تر هستند ، اما ارزان تر از داشتن همه دستگاه های اختصاصی هستند. به این ترتیب ، هدف کلی مترادف با هزینه کم است.