Nvidia ने Windows PC के लिए एक बेहद शक्तिशाली CPU सिस्टम का प्रस्ताव रखा

 (twitter.com/lemire)
2 पॉइंट द्वारा GN⁺ 4 시간 전 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • NVIDIA के Windows PC के लिए इस हाई-परफॉर्मेंस सिस्टम में CPU·GPU मिलकर 128GB shared memory का उपयोग करते हैं और चिप कॉन्फ़िगरेशन में अधिकतम 6,144 CUDA cores मिलते हैं
  • CPU में 10 performance cores और 10 efficiency cores हैं, और performance cores Cortex-X925 पर आधारित हैं; इसका SVE2 हाल के AMD chips से कमज़ोर है, लेकिन Apple Silicon से बेहतर स्तर का है
  • मुख्य अंतर unified memory है, जिसमें CPU और GPU memory अलग नहीं होती; यह dedicated GPU memory से धीमी है, लेकिन local AI models चलाने के लिए ज़रूरी bandwidth और cost शर्तों को लक्ष्य बनाकर बनाई गई संरचना है
  • local AI models चलाने की मांग अभी भी एक niche application मानी जाती है, वहीं यह भी दृष्टिकोण है कि 128GB shared memory छात्र-स्तर के प्रयोगों में peak GPU TFLOPs से अधिक महत्वपूर्ण हो सकती है
  • तुलना के प्रमुख बिंदु AMD Strix Halo, Intel Xe3P AI GPU, और हाल के AMD processors का AVX-512 हैं; साथ ही soldered RAM के कारण बाद में अपग्रेड करना कठिन होने की सीमा भी है

सिस्टम स्पेसिफिकेशन और मेमोरी संरचना

  • Nvidia द्वारा प्रस्तावित Windows PC CPU सिस्टम में 128GB shared memory और अधिकतम 6,144 नवीनतम CUDA cores वाला कॉन्फ़िगरेशन है
  • CPU में 10 performance cores और 10 efficiency cores हैं, और performance cores Cortex-X925 पर आधारित हैं
  • तुलना के अनुसार Cortex-X925 का SVE2, स्पेसिफिकेशन के हिसाब से, हाल के AMD chips से कमज़ोर लेकिन Apple Silicon से बेहतर है
  • हाल के AMD processors सभी AVX-512 को support करते हैं, और तुलना यह है कि AVX-512, Cortex-X925 के SVE2 से काफ़ी बेहतर, अधिक data संभालने वाला और अधिक general-purpose है
    • Intel अब तक consumer systems में AVX-512 देने को लेकर सावधान रहा है
  • 128GB unified memory में CPU और GPU के लिए अलग memory की जगह एक single pool साझा किया जाता है, और यह वही संरचना है जिसे Apple ने कुछ साल पहले अपनाया था
  • unified memory धीरे-धीरे लोकप्रिय हो रही है; यह dedicated GPU memory जितनी तेज़ नहीं है, लेकिन local AI models चलाने लायक पर्याप्त bandwidth किफ़ायती रूप से देने का लाभ रखती है
    • unified RAM में CPU और GPU के बीच data भेजने की ज़रूरत नहीं पड़ती, और सब कुछ एक ही memory pool में होने से यह zero-copy operations जैसा महसूस होता है
  • अब देखना यह है कि Intel और AMD इसका जवाब कैसे देते हैं
विज्ञापन

इस पर विभिन्न राय

  • local AI models चलाने की मांग कितनी होगी, यह अभी अनिश्चित है, और यह अब भी एक niche application है
  • एक राय यह है कि यह सिस्टम video games के लिए ठीक मशीन बन सकता है, जबकि दूसरी राय है कि यह gaming के लिए नहीं बल्कि बड़े models के लिए डिज़ाइन है, इसलिए यह उम्मीद जितना गेमिंग में अच्छा नहीं होगा
  • दावा है कि छात्र-स्तर के प्रयोगों में 128GB shared memory, peak GPU TFLOPs से ज़्यादा महत्वपूर्ण हो सकती है, और इससे यह बदल सकता है कि कौन-से models और workloads को local पर आज़माया जा सकता है
  • trade-off यह है कि RAM बाद में बदली नहीं जा सकती और सब कुछ soldered है
  • memory capacity को लेकर राय है कि 128GB काफ़ी नहीं है और 256GB या 512GB चाहिए; AI work के लिए “beast” में कम से कम 512GB की ज़रूरत बताई गई, और कुछ लोग 1TB unified memory option भी चाहते हैं
    • 128GB चुनने के कारण पर लेखक का छोटा जवाब था: "cost"
  • operating system को लेकर “regular Windows” न चलाने का दावा भी है, साथ में OS को लेकर निराशा, और Linux install करने का सुझाव
  • AMD Strix Halo, 128GB unified memory और बड़े iGPU वाला एक समान उत्पाद है, और desktop Zen 5 के AVX-512 के साथ एक तुलना-योग्य विकल्प भी
    • AMD Strix Halo को कई महीनों तक local LLM homelab में उपयोग करने के अनुभव के अनुसार prosumer-grade LLM चलाए जा सकते हैं, लेकिन असली bottleneck memory bandwidth है
    • नए Nvidia chip के लिए 300GB/s से अधिक memory bandwidth की आवश्यकता बताई गई
  • RTX5090, अगर आपके पास पहले से desktop है, तो छोटे और तेज़ models के लिए अधिक सस्ता हो सकता है, जबकि यह board family बड़े local models के लिए अधिक उपयुक्त है
  • local AI चलाने का फ़ायदा यह है कि secrets और customer data को ऐसे third party के पास नहीं भेजना पड़ता जिसकी accountability स्पष्ट न हो, SaaS subscriptions और token pricing से बचा जा सकता है, और local models PC उपयोग व्यवहार सीखकर काम चला सकते हैं
  • local models उपयोगकर्ता को दिखे बिना features के रूप में काम कर सकते हैं, और जिन tasks में अधिक intelligence या अधिक context चाहिए, उन्हें remote पर offload किया जा सकता है
  • मुख्य बात local model खुद नहीं, बल्कि integrated AI applications को support करने वाला software platform है, और यह desktop को प्रासंगिक बनाए रखने का एक तरीका है
  • Google Chrome चलाना local AI use case हो सकता है; उदाहरण के तौर पर Chrome के built-in AI दस्तावेज़ का उल्लेख है
  • Intel Xe3P AI GPU की तुलना में 160GB LPDDR5X, अधिकतम 480GB की संभावना, 640-bit memory interface, PCIe x16 कॉन्फ़िगरेशन शामिल हैं: https://tomshardware.com/pc-components/gpus/…

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 4 시간 전
Hacker News की राय

  • एकीकृत मेमोरी पूल खास तौर पर data center के बाहर की system architecture में आगे भी “game changer” बना रह सकता है
    आधुनिक games या consumer workloads भी वास्तव में GPU की PCIe bandwidth या GDDR memory bandwidth का पूरा उपयोग नहीं करते, और local AI में भी औसत consumer के लिए तेज़ memory का लाभ इतना बड़ा नहीं होता
    एकीकृत memory ज़रूरत के हिसाब से utilization को optimize करने देती है, GDDR/DDR allocation को अलग से सोचने की ज़रूरत नहीं रहती, और छोटे व portable devices में कुल memory cost कम कर सकती है
    कमी security है; GPU या CPU side की memory side-channel attacks दूसरी तरफ भी असर डाल सकती हैं, इसलिए आगे memory-safe design महत्वपूर्ण होगा, और Rust समर्थकों के लिए यह अच्छी दिशा लगती है

    • GPU की PCIe bandwidth या GDDR bandwidth को “पूरी तरह उपयोग” करने वाली बात थोड़ी भ्रमित करने वाली है
      games का मकसद hardware को saturate करना नहीं, बल्कि frame deadline के भीतर consistent output देना है
      5090 को gaming से saturate करना चाहें भी तो target market छोटा है, और frame rate बनाए रखने के लिए users के असली specs को भी test machine जितना ठीक चलना चाहिए
    • game developer के नज़रिए से, आधुनिक games GPU bandwidth का पूरा उपयोग नहीं कर पाते, यह आलस्य नहीं बल्कि वास्तव में बहुत कठिन होने की वजह से है
      मौजूदा generation consoles और मौजूदा generation PCs के बीच सबसे बड़े फ़र्कों में से एक एकीकृत memory है
    • अगर device को upgrade न किया जा सके, तो manufacturer के लिए market segmentation थोपना और छोटे RAM upgrade पर बड़ा premium लेना आसान हो जाता है, Apple की तरह
    • आर्थिक तर्क ज़्यादा ठोस नहीं लगता
      99% workloads में system memory की ज़रूरत GPU memory से कम से कम एक order of magnitude ज़्यादा होती है, और ज़्यादातर systems को video·browsing जैसी चीज़ों के लिए ज़रूरत से ज़्यादा GPU memory की लगभग कोई आवश्यकता नहीं होती
      नए use case आने से यह संरचना पूरी तरह उलट नहीं जाती; अगर अभी 128GB चाहिए और local AI को भी 128GB चाहिए, तो वही काम जारी रखने के लिए 256GB चाहिए होगा
      बल्कि यह ज़्यादा इस तर्क के करीब लगता है कि GPU में इतनी महंगी memory लगानी ही नहीं चाहिए, और अगर सिर्फ inference करना है तो यह सही भी हो सकता है
    • CPU उपयोग के लिए optimized DRAM और GPU उपयोग के लिए optimized DRAM काफ़ी अलग होते हैं
      एकीकृत memory architecture में काफ़ी performance छोड़नी पड़ती है; कुछ परिस्थितियों में यह समझ में आता है, लेकिन यह कोई universal solution नहीं है

  • local में AI model चलाने वाले लोग कितने होंगे, कहना मुश्किल है, और अभी यह niche जैसा लगता है, लेकिन हाल की Gemma release को देखें तो सिर्फ cost के नज़रिए से भी कुछ models को local में चलाने की संभावना बढ़ी है
    company security को जोड़कर देखें तो और भी, लेकिन ऐसी architecture gaming के लिए क्यों अच्छी होगी यह स्पष्ट नहीं, इसलिए मूल वाक्य के पूरे दावे पर संदेह होता है
    साथ ही “Stanford/Elsevier 2025 दुनिया के शीर्ष 2% वैज्ञानिक, GitHub के शीर्ष 1000 developers” जैसे वाक्य हर जगह लगाना उल्टा असर देने जैसा लगता है

    • यह “घर में computer रखने की कोई वजह नहीं है” वाले Ken Olsen कथन के 2026 संस्करण जैसा लगता है
    • किसी की bio में ऐसे वाक्य दिखें तो वह बस एक बैनर जैसा लगता है कि उसकी हर बात को self-promotion के संदर्भ में ही समझो
    • ज़्यादातर tasks में Qwen 3.6 Gemma से काफ़ी आगे है
      इसे कई M5 MacBook पर deploy करके देखा है और कई tasks में यह वास्तव में उपयोगी रहा
      यह Opus या मौजूदा Sonnet-स्तर के model को replace नहीं करता, लेकिन अपने size के हिसाब से चौंकाने वाला अच्छा है, और Sonnet 4 के समय के आसपास या उससे थोड़ा पहले के स्तर जैसा लगता है
      tool calling, coding और agent tasks में यह Gemma models से कहीं ज़्यादा stable है, और खासकर MTP उपयोग पर और तेज़ है
    • HN का readership शायद उसका self-promotion target नहीं है, लेकिन target audience मौजूद है और कुछ हद तक असर भी होता दिखता है
    • यह मानना कठिन है कि laptop पर model चलाना data center की तुलना में सस्ता हो जाएगा
      दूसरे compute workloads की तरह economies of scale यहाँ क्यों लागू नहीं होंगी, यह समझ नहीं आता

  • लेखक के काम को कमतर नहीं दिखाना चाहता, लेकिन यह लेख सच में गहराई से देखने के बजाय सिर्फ spec sheet देखकर लिखा हुआ लगता है
    5070 mobile के बराबर core count है, लेकिन shared peak bandwidth और shared peak TDP दोनों लगभग 2/3 स्तर पर हैं, इसलिए GPU-only performance dedicated unit की लगभग आधी हो सकती है
    Apple में SVE2 नहीं है, लेकिन उसके पास proprietary AMX और SME हैं; SVE2, SME से तेज़ क्यों होगा यह स्पष्ट नहीं
    एक ही core type का ज़िक्र है, लेकिन पूरे configuration की बात नहीं की गई, और DGX Spark Apple chip से कैसे compare करता है यह तो पहले से लगभग 1 साल से पता है
    CPU लगभग M3 Pro स्तर का है, GPU compute bandwidth को छोड़ दें तो M4 Pro और M4 Max के बीच है, और असली फ़ायदा सिर्फ एक है कि यह CUDA चलाता है
    launch तक इसके Apple से 2~3 generations और AMD से 1 generation पीछे होने की संभावना है, और DGX Spark की दूसरी बड़ी ताकत, यानी units को जोड़ने वाला NIC, यहाँ गायब है

    • Apple की तुलना में एक और फ़ायदा prefill है
      Spark में यह M5 Max से काफ़ी तेज़ है, और same model, same quantization, same query और जितना संभव हो उतनी same vllm settings के साथ compare करें, तो बड़े prompt और कम cacheability वाले tasks में अक्सर MBP के prefill पूरा करने से पहले ही एक Spark response खत्म कर देता है
    • यहाँ GPU compute से शायद token generation जैसे memory bandwidth पर निर्भर workloads की बात की जा रही है
      उस हिस्से में Apple को बढ़त है, लेकिन Spark की GPU compute performance M5 Max के 17 FP32 TFLOPS से काफ़ी ज़्यादा, लगभग 2 गुना है
      इसमें desktop 5070 की तरह 6144 CUDA cores हैं, और धीमी memory व कम TDP की वजह से धीमा किया गया रूप होने के कारण 5070 के 31 FP32 TFLOPS की तुलना में लगभग 29.7 तक पहुँचता है
    • Lemire की रुचि CPU SIMD में काफ़ी संकीर्ण है, इसलिए उस niche में यह दिलचस्प हो सकता है
      कुल मिलाकर Spark ठीक है, लेकिन महान नहीं
    • यह साफ़ तौर पर fluff है, और यह बेकार tweet HN front page तक इसलिए पहुँचा लगता है क्योंकि कुछ लोगों को पवित्र बना देने और उनकी हर बात को भविष्यवाणी की तरह लेने की आदत है
      ऐसा लगता है जैसे उद्योग जिस chip को बहुत पहले से जानता था, उसे अब जाकर जाना हो, और competing products की भी लगभग जानकारी न होने पर “BEAST”, “GAME CHANGER” कह दिया गया हो
      DGX Spark भी क्या game changer था? ज़्यादातर के लिए वह बड़ी निराशा ही रहा, और एक महंगा Nvidia laptop बाज़ी नहीं पलटेगा

  • Qualcomm Snapdragon X2 Elite Extreme सिंगल-कोर CPU performance में Nvidia चिप से काफी आगे है और Intel·AMD के top products को भी हरा देता है
    इसमें unified memory भी है, और CPU performance तथा power efficiency दोनों में Apple M series के समान league में आने वाला यह एकमात्र CPU है
    यह इस साल के अंत में नहीं बल्कि अभी laptop में खरीदा जा सकता है, लेकिन लोग Qualcomm को कम आंक रहे हैं

    • operating system support बहुत खराब है
      अगर Linux support नहीं दे सकता तो इसका लगभग कोई मतलब नहीं, और इस क्षेत्र में महत्वपूर्ण platforms Linux और Darwin ये दो ही हैं
      Qualcomm दशकों तक GPU में AMD जैसा ही रहा है: घोषणाएं बहुत, web pages पढ़ने वाले internet fans भी बहुत, लेकिन वास्तव में चलाने की कोशिश करो तो वह एक nightmare है
      Snapdragon X Elite Linux पर नहीं चलता, इसलिए platform के रूप में बेकार है, और उत्साही users ने M1 को इससे बेहतर चलने लायक बना दिया, इसलिए Qualcomm की जगह पुराना Mac इस्तेमाल करना पड़ता है
    • Nvidia chip का X925 दो साल पुराना Arm legacy CPU design है, इसलिए उसे हराया गया
      तुलना Mediatek Dimensity 9500 में आने वाले X930 या C1, यानी Snapdragon 8 Elite Gen 5 / X2 Elite से होनी चाहिए
      Qualcomm के पास अभी भी performance lead है, लेकिन वह धीरे-धीरे घट रही है, और उससे भी महत्वपूर्ण बात यह है कि Nvidia ecosystem कहीं बेहतर बना रहा है
      Nvidia के पास PC gaming GPU पर बना distribution channel और partners कहीं बेहतर हैं, और game developer relations में वह industry में unmatched है
      Qualcomm ने अभी तक PC और server CPU दोनों में execution नहीं दिखाया है
    • Microsoft ने Windows का Arm port खराब तरीके से किया है, इसलिए Qualcomm को ठीक से लाभ नहीं मिल रहा
    • Qualcomm की स्थिति कुछ ऐसी है: “एक बार धोखा खाओ तो तुम्हारी गलती, दो बार धोखा खाओ तो फिर कभी नहीं”
      अतीत में बहुत बुरे अनुभव रहे हैं, इसलिए लोगों का हिचकना स्वाभाविक है, और अभी लगता है कि वे ज्यादा कोशिश कर रहे हैं, लेकिन PC market में reputation वापस पाने में समय लगेगा
    • क्या Linux पर इसका proper support है?

  • असली device की press release यहां है
    https://nvidianews.nvidia.com/news/nvidia-microsoft-windows-...
    यह थोड़ा surprising था कि बहुत कम लोगों ने इस बात की ओर इशारा किया कि Microsoft और खासकर NVIDIA मूल रूप से metered cloud AI models से टकराने वाला device ला रहे हैं
    Copilot के लिए बेहतर offline BYOK, unlimited AI future जैसी दूसरी announcements और signals को देखें तो लगता है कि दोनों कंपनियां समझती हैं कि cloud-only AI न तो sustainable है और न ही मूल रूप से उनके पक्ष में
    फिर भी, ऐसे products के जरिए OpenAI को कमजोर करने की मंशा साफ दिखती है

    • पिछले हफ्ते MS BUILD में unmetered intelligence शायद सबसे ज्यादा इस्तेमाल किया गया phrase था
      Microsoft local AI को जोरदार तरीके से push कर रहा है
    • ऐसा हो सकता है, लेकिन यह भी हो सकता है कि वे बस दोनों तरफ दांव लगा रहे हों

  • जब तक कीमतें सचमुच नहीं बढ़तीं, local LLM का व्यापक adoption होगा या नहीं, इस पर मुझे संदेह है
    Sonnet या Kimi जैसे सस्ते hosted small models का इस्तेमाल तर्कसंगत है, और ये devices शायद Kimi-स्तर के models नहीं चला पाएंगे, जबकि toy न होने वाले agent work के लिए वही न्यूनतम baseline है
    $20 subscription से बचने के लिए $5,000 खर्च करना niche security reasons के अलावा खास समझ में नहीं आता

    • इसके उलट, मैं इस संभावना पर दांव लगाऊंगा कि China DRAM production बढ़ाता रहेगा, prices गिरा देगा, और उस scarcity पर टिका US stock market भी साथ में नीचे आ सकता है
    • मेरा मानना है कि हमने अभी तक ठीक से देखा ही नहीं है कि generative AI नए products और games को कैसे प्रभावित कर सकता है
      क्या तुमने Dungeon Crawler Carl देखा है?

  • लगता है ज्यादातर लोग ठीक से समझ नहीं रहे कि ऐसे laptops क्या दे सकते हैं
    local AI से पहले संभवतः hybrid AI इस्तेमाल होगा
    बड़े models को local पर चलाना अव्यावहारिक है, लेकिन अगर agent workflow का कुछ हिस्सा cloud पर और छोटे tasks local पर चलें, तो यह एक शानदार combination हो सकता है
    बुनियादी tasks के लिए Opus/Code/DeepSeek/Kimi जैसे models की जरूरत नहीं, Gemma4:12b/Qwen-27b जैसे models local पर बहुत कम latency के साथ काम कर सकते हैं
    अगर ऐसा laptop हो जो remote large model और 5 local domain-specific models को जोड़ सके, तो मैं उसे अभी इस्तेमाल करना चाहूंगा
    OpenCode में यह कल्पना की जा सकती है कि एक छोटा model तय करे कि कौन-सा task local पर चलाना है, और क्या उस task के लिए कोई local model है या cloud model इस्तेमाल करना चाहिए
    चिंता यह है कि क्या यह hardware fast local model switching संभालने लायक पर्याप्त शक्तिशाली है; शायद नहीं, लेकिन उम्मीद है मैं गलत साबित होऊं

    • local models की प्रगति की रफ्तार देखें तो मौजूदा trajectory पर 2 साल के भीतर 128GB unified RAM और 6-bit quantization के साथ frontier model के बराबर performance देखी जा सकती है
      frontier models भी अब सिर्फ 200,000 tokens के साथ बेहतर benchmarks दे रहे हैं, और distillation में अभी काफी गुंजाइश बाकी है

  • समझ नहीं आता कि यह किस मायने में “monster” है
    memory bandwidth 300GB/s AMD Strix Halo के 256GB/s से बस थोड़ा ही ज्यादा है, और उसी 128GB RAM configuration में M5 Max 128GB के 614GB/s से आधे से भी कम है
    लगता है ज्यादातर interested लोग AI enthusiasts होंगे, इसलिए memory bandwidth पर जोर दिया जा रहा है, और ऊपर से यह Windows है

    • M5 Max के विपरीत, इसमें उपयोगी context prefill संभव लगती है
      M5 पर जहां first token तक पहुंचने में लगभग दोगुना समय लग सकता है, वहां 256k token workflow को यह realistically चला सकेगा
    • अगर Nvidia inference या training use cases के बाहर desktop इस्तेमाल में भी ARM CPU को practical बनाना चाहता है, तो software side पर अभी बहुत काम बाकी है
      AMD x86 device है इसलिए सब कुछ चला सकता है, Apple पूरा MacOS stack संभालता है, लेकिन Nvidia की हालत यह है कि Jetson की हर generation पर किसी तरह एक Ubuntu release भर matching हो पाती है, जो शर्मनाक है
      जो agents लगातार चर्चा में हैं, उन्हें असल में operating system support के काम में लगाया जाए तो अच्छा होगा

  • मुझे सच में जिज्ञासा है कि यह पहले से खरीदे जा सकने वाले और 128GB unified memory support करने वाले AMD Ryzen AI Max जैसी चीज़ों से कैसे अलग है

    • शायद CUDA support या NVIDIA-विशिष्ट features की वजह से

  • समझ नहीं आता कि 2026 में भी कौन अब तक “Windows PC” पर अटका हुआ होगा
    यह बस एक personal computer है, और आम तौर पर इस पर कई operating systems अच्छी तरह चल सकते हैं
    “Windows PC” जैसी अभिव्यक्ति या तो ऐसी लगती है जैसे Microsoft से पैसे लिए गए हों, या जैसे कोई तकनीक की बात इस तरह कर रहा हो मानो Word document में तस्वीर डालकर भेजना ही सब कुछ हो
    operating system से स्वतंत्र डिवाइस की दिलचस्पी को ज़बरदस्ती एक घटिया operating system से बाँधने की ज़रूरत नहीं है

    • जाहिर है, बात enterprise market की है
      शायद यह बाकी सारे बाज़ारों को मिलाकर भी उससे ज़्यादा PC खरीदेगा
      personal use में भी Windows और किसी दूसरे operating system को dual boot करने वाले लोग बहुत ही छोटा अल्पसंख्यक होंगे
      “Windows PC”, “Apple ने बनाया” और “बाकियों ने बनाया” के बीच फर्क करने का काफ़ी तर्कसंगत तरीका है, और Apple द्वारा न बनाया गया लेकिन डिफ़ॉल्ट रूप से Windows न चलाने वाला PC market वास्तव में बहुत छोटा है
      सच कहूँ तो इस विषय पर इतना आक्रामक रुख़ अपनाना अजीब लगता है
    • शायद यह साफ़ करने के लिए कहा गया है कि बात Mac की नहीं हो रही
      PC शब्द अपने मूल अर्थ में सभी personal computers के लिए भी इस्तेमाल हो सकता है, और Mac के विपरीत IBM PC परिवार के लिए भी, इसलिए यह अस्पष्ट है
      “I'm a Mac, I'm a PC” विज्ञापन याद कर लें
      सिर्फ़ PC कहने पर आजकल लोग सचमुच उलझ जाते हैं कि किस अर्थ में कहा गया है, और “IBM PC” पुराना लग चुका है, जबकि “IBM PC clone” तो और भी बुरा है
      इसलिए “Windows PC” काफ़ी ठीक नाम है, और “Non-Mac PC” सुनने में भी खास अच्छा नहीं लगता
      इसे ज़रूरी से ज़्यादा अपमानजनक ढंग से कहने की आवश्यकता नहीं है
    • यह पारंपरिक अर्थ में “Windows PC” भी नहीं है
      enterprise या gaming जैसे कुछ home desktop मामलों में Windows इस्तेमाल करने की वजह अब भी hardware·software compatibility है
      काम के लिए Windows programs बनाने होते हैं, इसलिए Windows इस्तेमाल होता है, और Win-for-ARM पर अब भी ऐसे drivers हैं जो उपलब्ध नहीं हैं
      इसलिए ज़्यादातर लोगों के लिए “Windows PC” का मतलब अब भी x64 Windows PC ही है
      अगर Windows-Arm64 compatibility पर्याप्त नहीं हुई, तो वैसे भी नए software और hardware की ज़रूरत पड़ेगी, इसलिए लोग Windows से ही दूर जा सकते हैं — यही Microsoft का जोखिम है
    • उम्मीद है कि Nvidia के बनाए डिवाइस पर Windows के अलावा कुछ और चलाने की कोशिश करने वालों ने अब तक सबक सीख लिया होगा
      वह शापित Nvidia Hackintosh बहुत मज़ेदार ज़रूर होगा
      आम उपयोगकर्ताओं के लिए computer operating systems तीन ही हैं: Windows, Apple, और ChromeOS; Nvidia ChromeOS की ओर नहीं जाएगा, और Apple, Nvidia को पसंद नहीं करता, इसलिए marketing के लिहाज़ से एकमात्र सामान्य operating system Windows ही है
      marketing यह भी साफ़ करती है कि ये डिवाइस वे सस्ते Chromebook नहीं हैं जिन्होंने बहुत से लोगों का desktop experience खराब किया
      Qualcomm ने Linux support का वादा किया था और विफल रहा, और उस वादे से जले लोग शायद फिर उस hardware को खरीदना नहीं चाहेंगे
      अगर Windows PC का वादा किया जाए, तो Linux, FreeBSD, SerenityOS boot न होने की शिकायत का कारण कम हो जाता है, और Qualcomm की विफलता को देखकर लगता है कि Nvidia शायद सही चुनाव कर रहा है
    • यह प्रासंगिक जानकारी लगती है कि Nvidia Windows ARM के लिए ज़ोरदार push कर रहा है