كوريا الجنوبية - وكالة أنباء إخباري
مستقبل مراكز بيانات الذكاء الاصطناعي: وداعاً لوحدات معالجة الرسوميات، ومرحباً بالشرائح المتخصصة
في تحول كبير عن المشهد الحالي، يتوقع الرئيس التنفيذي لشركة FuriosaAI، جون بايك، أن مراكز بيانات الذكاء الاصطناعي بحلول عام 2036 لن تكون مكتظة بوحدات معالجة الرسوميات (GPUs) التي تهيمن حاليًا على سوق تسريع الذكاء الاصطناعي. في مقابلة حصرية، كشف بايك عن رؤية شركته لمستقبل أجهزة الذكاء الاصطناعي، مع التركيز على الكفاءة، والأداء، والبدائل المبتكرة التي تتجاوز هيمنة وحدات معالجة الرسوميات التقليدية، خاصة في مجال شرائح الاستدلال (inference chips).
تواجه صناعة الذكاء الاصطناعي تحديات متزايدة تتعلق بتكلفة الأجهزة، واستهلاك الطاقة، ومتطلبات البنية التحتية الضخمة. أصبحت شرائح الجيل التالي باهظة الثمن وتتطلب استثمارات كبيرة، مما يشكل حاجزًا أمام العديد من الشركات الناشئة والمؤسسات الصغيرة التي تسعى إلى نشر حلول الذكاء الاصطناعي على نطاق واسع. في هذا السياق، تسعى شركات مثل FuriosaAI، التي تأسست في كوريا الجنوبية، إلى إعادة تعريف المعادلة من خلال التركيز على الكفاءة والأداء والنهج البديل للسوق الذي تهيمن عليه وحدات معالجة الرسوميات.
اقرأ أيضاً
- فريق عمل منظومة الشكاوى الحكومية الموحدة بمجلس الوزراء يستجيب لاستغاثة شاب من دمنهور لإنقاذ حياة والدته
- رئيس الوزراء يتابع مستجدات إعداد برنامج التحول الاقتصادي الوطني
- وزير التموين يبحث مع وفد البنك الإسلامي للتنمية والمؤسسة الدولية الإسلامية لتمويل التجارة التوسع في تمويل مشروعات استراتيجية لتعزيز الأمن الغذائي
- الرئيس السيسى يشهد حفل تخرج الدورة رقم (٦) للجهات والهيئات القضائية من الأكاديمية العسكرية المصرية
- الكونغرس الأمريكي يتهم الملياردير ليون بلاك بـ"ازدراء السلطة التشريعية" في قضية إبستين
تتخصص FuriosaAI في تطوير شرائح استدلال مصممة خصيصًا للذكاء الاصطناعي، بهدف تقديم أداء عالٍ مع تقليل استهلاك الطاقة والضغط على مراكز البيانات. تعتمد أحدث معالجات الشركة، RNGD، على بنية معالج الانكماش الموتري (Tensor Contraction Processor - TCP) الخاصة بها، وهي مصممة لتشغيل نماذج الذكاء الاصطناعي المعقدة دون الاعتماد على أطر عمل وحدات معالجة الرسوميات التقليدية. هذا النهج يمثل ابتعادًا عن المسار المعتاد الذي تتبعه معظم الشركات في هذا المجال.
يشير بايك، الذي يتمتع بخبرة سابقة كمهندس أجهزة وبرمجيات في AMD وسامسونج قبل تأسيس FuriosaAI في عام 2017، إلى أن المنافسة في سوق شرائح الذكاء الاصطناعي شرسة للغاية. على الرغم من أن عددًا قليلاً جدًا من الشركات الناشئة في مجال الأجهزة تمكنت من تحدي هيمنة Nvidia، إلا أن هناك ابتكارات تظهر خارج المراكز التقليدية مثل الولايات المتحدة والصين، مثل Hailo وAxelera. على عكس تعدين العملات المشفرة، حيث تعمل الشرائح المخصصة (ASICs) بشكل جيد مع الخوارزميات الثابتة، يتطور مجال الذكاء الاصطناعي بسرعة، مما يجعل بناء شريحة "لهدف متحرك" يتطلب خبرة واسعة في الأجهزة والمترجمات (compilers).
كان التواجد في كوريا الجنوبية ميزة تنافسية لشركة FuriosaAI. فقد أتاح لها الوصول إلى المواهب الهندسية من الجامعات والشركات التكنولوجية الكورية الرائدة، بالإضافة إلى إمكانية تطوير شراكات استراتيجية. تشمل هذه الشراكات التعاون مع شركات مثل SK Hynix لتوفير ذاكرة HBM3 لجيل شرائح الاستدلال الثاني، ومع TSMC في تايوان كشريك تصنيع. كما أن البعد عن وادي السيليكون أجبر الشركة على اتباع نهج منضبط، حيث تم إطلاقها بتمويل أولي قدره مليون دولار أمريكي فقط، وقضت سنوات في صقل أفكارها قبل شحن أولى شرائحها.
تؤكد FuriosaAI أن محاولة تكرار مكتبة CUDA الضخمة من Nvidia هي طريق مسدود استراتيجيًا. بدلًا من ذلك، اتبعت الشركة مسارًا أكثر جرأة من خلال التصميم المشترك للأجهزة والبرمجيات من المبادئ الأولى، خصيصًا للذكاء الاصطناعي. تستخدم شرائحها بنية معالج الانكماش الموتري (TCP) المملوكة للشركة، والتي تنفذ العمليات الرياضية متعددة الأبعاد للتعلم العميق بشكل أصلي، بدلًا من إجبارها على الهياكل القديمة لوحدات معالجة الرسوميات. هذا يسمح للمترجم الخاص بالشركة بتحسين النماذج دون الحاجة إلى آلاف الأوامر اليدوية.
تُظهر شريحة RNGD، التي دخلت الإنتاج الضخم، مزايا هذا النهج. فهي تقدم استدلالًا عالي الأداء لأكثر نماذج الذكاء الاصطناعي تطلبًا، مع استهلاك 180 واط فقط، مقارنة بـ 600 واط أو أكثر التي تتطلبها وحدات معالجة الرسوميات. وقد تحقق شركاء عالميون مثل LG AI Research من هذه الكفاءة المذهلة في الإنتاج. كما تغلبت FuriosaAI على قيود CUDA من خلال بناء حزمة برمجياتها لتتكامل بسلاسة مع الأدوات القياسية مثل PyTorch و vLLM، مما يتيح للمطورين الوصول إلى هذا الأداء دون تغيير سير عملهم.
يخلق نموذج وحدات معالجة الرسوميات الحالي تحديات طاقة هائلة واختناقات في البنية التحتية للصناعة بأكملها، بما في ذلك الشركات الكبرى (hyperscalers). ترى FuriosaAI مستقبلًا يعتمد على الحوسبة غير المتجانسة (heterogeneous compute)، حيث تعمل معماريات مختلفة جنبًا إلى جنب لخدمة احتياجات متنوعة (مثل التدريب مقابل الاستدلال) بأكبر قدر من الفعالية. نظرًا لتركيز الشركة على التكلفة الإجمالية للملكية (TCO)، وكفاءة الطاقة، والمرونة، فإن تقنيتها ستلعب دورًا محوريًا في حل هذه المشكلات.
تركز الشركة حاليًا على أربعة قطاعات رئيسية تعاني بشدة من مشاكل الطاقة والبنية التحتية: الدول والصناعات المنظمة التي تحتاج إلى معالجة البيانات الحساسة محليًا (on-premise) وليس في السحابة العامة؛ العملاء من الشركات الذين يبحثون عن التكلفة الإجمالية للملكية والمرونة، حيث تتناسب RNGD مع الرفوف القياسية المبردة بالهواء وتتجنب الحاجة إلى التبريد السائل المكلف؛ السحابات الإقليمية والمتخصصة التي تحتاج إلى التنافس مع الشركات الكبرى من حيث هوامش الربح؛ وقطاعات أخرى مثل شركات الاتصالات التي تعمل في بيئات مراكز بيانات محدودة الطاقة عند حافة الشبكة.
تستهدف شريحة الجيل التالي، قيد التطوير حاليًا، الشركات الكبرى مباشرة إلى جانب هذه القطاعات الرئيسية. يتوقع بايك أنه في غضون 10 سنوات، سيعني مصطلح "مركز بيانات" أشياء كثيرة، تمامًا كما أصبح "الحاسوب" يشير إلى كل شيء من الساعات الذكية إلى الخوادم عالية الأداء. ستكون هناك مراكز بيانات ضخمة تعمل بالطاقة الاندماجية، وأخرى صغيرة وعالية الكفاءة. على سبيل المثال، قد تمتلك المستشفيات المحلية مراكز بيانات ذكاء اصطناعي خاصة بها لتقديم المساعدة للأطباء والممرضين، مع الحفاظ على زمن استجابة منخفض وبيانات محلية وآمنة. ستكون لشركات الاتصالات مراكز بيانات ذكاء اصطناعي طرفية عالية الأداء محسّنة لزمن استجابة منخفض للغاية.
يؤكد بايك على أن بنية وحدات معالجة الرسوميات ليست مثالية للذكاء الاصطناعي، على الرغم من محاولات مصنعي وحدات معالجة الرسوميات لدمج ميزات مثل نوى الموترات (tensor cores). يعتقد أن فوائد الانتقال إلى معماريات مصممة خصيصًا للذكاء الاصطناعي ستكون كبيرة جدًا بحيث لا يمكن تجاهلها. تتمثل أولويات FuriosaAI الحالية والمستقبلية في تلبية احتياجات العملاء من الشركات: استدلال عالي الأداء في مراكز البيانات، مع كفاءة في استهلاك الطاقة، وفعالية من حيث التكلفة، وسهولة النشر دون الحاجة إلى ترقيات بنية تحتية ضخمة. يتضمن ذلك التركيز على مقاييس مثل "رموز لكل واط" (tokens per watt) و "رموز لكل رف" (tokens per rack) لزيادة كثافة الحوسبة.
تخطط الشركة للاستفادة بقوة من التطورات الصناعية الجديدة، مثل العقد الأصغر وتقنيات الذاكرة الجديدة. بينما استخدمت شريحة الجيل الأول عقدة 14 نانومتر، تستخدم شريحة RNGD عقدة 5 نانومتر وذاكرة HBM3، مع خطط لمواصلة التقدم. ومع ذلك، فإن الابتكار المعماري هو ما يمكّن الشركة من تحقيق أداء أفضل وأكثر كفاءة في استخدام الطاقة مقارنة بوحدات معالجة الرسوميات المبنية على نفس العقدة.
يختتم بايك بالتأكيد على أن خارطة طريق الشركة لا تقتصر على الأجهزة، بل تشمل البرمجيات بنفس القدر. لدى FuriosaAI عدد مهندسي برمجيات أكثر من مهندسي الأجهزة، وذلك لضمان دعم النماذج الجديدة وأدوات النشر بسرعة وفعالية. أصدرت الشركة ثلاثة تحديثات رئيسية لحزمة تطوير البرمجيات (SDK) في عام 2025، وتخطط للحفاظ على هذا الزخم في السنوات القادمة.