معركة الذكاء الاصطناعي تنتقل إلى مراكز البيانات: إنفيديا تبني ما هو أبعد من المعالجات

في عالم تتسارع فيه خطى الذكاء الاصطناعي، لم تعد المعركة محصورة في سباق المعالجات فحسب، بل امتدت إلى مراكز البيانات والبنية التحتية المحيطة بها. فقد كشفت نتائج شركة إنفيديا الأخيرة أن ميزتها التنافسية تتجاوز معالجات GPU بكثير، لتشمل منظومة متكاملة من المكونات التي تجعل هذه المعالجات تعمل بأقصى كفاءة. هذا التحول يعيد رسم خريطة المنافسة في قطاع التقنية، ويفتح آفاقًا جديدة للابتكار في إدارة البيانات وتنسيقها.

من معالجات GPU إلى المنظومة الكاملة: تحول استراتيجي

خلال السنوات الأولى من طفرة الذكاء الاصطناعي، كانت إنفيديا المصدر الأبرز لمعالجات الرسوميات المتطورة GPU، التي أصبحت شديدة الربحية مع توسع الصناعة. لكن مع بدء شركات الحوسبة السحابية العملاقة مثل أمازون وغوغل في تطوير شرائحها الخاصة، بدأ المستثمرون يتساءلون عن مدى استدامة تفوق إنفيديا. ومع ذلك، فإن الرواية الجديدة التي تتشكل منذ إعلان نتائج الشركة تشير إلى أن ميزتها الحقيقية تكمن في قدرتها على إدارة وتنسيق عمليات الحوسبة المعقدة، وليس فقط في صناعة المعالجات.

Vera Rubin: هندسة متكاملة تتجاوز حدود المعالج

تطرح إنفيديا حاليًا معمارية Vera Rubin، التي تجمع معالج Rubin GPU مع مجموعة من المكونات الأخرى، من بينها Vera CPU ومسرّع الاستدلال Groq 3 LPX، إلى جانب رفوف مخصصة للتخزين والشبكات. وقد صُممت هذه الأنظمة لأغراض شديدة التخصص، لكنها لا تركز على معالجة الرموز التي تنتجها نماذج الذكاء الاصطناعي، بل تهدف إلى ضمان عمل كل ما يحيط بمعالج GPU بأعلى كفاءة ممكنة. فإذا كان معالج GPU هو المحرك، فإن هذه المكونات تمثل بقية السيارة.

Vera CPU: حل مشكلة تنسيق البيانات

يركز Vera CPU بصورة خاصة على مشكلة تنسيق البيانات وإدارتها. وقال جيسون هاردي، نائب رئيس إنفيديا لتكنولوجيا التخزين، إن أهمية Vera ترجع إلى أن هناك حدًا لكمية الذاكرة التي يمكن وضعها داخل خادم واحد أو أي منصة حوسبة منفردة. ومع توسع قدرة مراكز البيانات على معالجة البيانات، ازدادت سعة الذاكرة أيضًا، وهو ما ساعد شركات مثل ميكرون على تحقيق مكاسب كبيرة. لكن إيصال هذه البيانات إلى معالج GPU في اللحظة المناسبة ليس مهمة سهلة، ومع سعي الشركات إلى خفض استهلاك الطاقة لكل رمز تتم معالجته، أصبحت إدارة حركة البيانات وتوجيهها عنصرًا بالغ الأهمية.

وأشار هاردي إلى أن الاختبارات أظهرت تحسنًا يصل إلى 3 أضعاف في بعض العمليات عندما يتولى Vera CPU تسريعها، ما يسمح باستخدام وحدات التخزين الفلاشية بكامل إمكاناتها دون التسبب في اختناقات تحد من الأداء.

OpenAI تتبع نهجًا مختلفًا.. لكن الهدف واحد

لا تقتصر مشكلة إدارة البيانات على إنفيديا. فعندما طورت OpenAI شريحة Jalapeño، كان أحد أهدافها الرئيسية هو تجنب هذه التحديات من الأساس عبر تقليل كمية البيانات التي تحتاج إلى الانتقال بين المكونات. وأوضحت OpenAI أن تصميم Jalapeño يهدف إلى تقليل حركة البيانات وتأخيرات الاتصال، من خلال إبقاء عبء العمل بأكمله داخل نظام مترابط واحد، ما يقلل عمليات نقل البيانات ويساعد على إبقاء الطلب كاملًا سريعًا وفعالًا من البداية إلى النهاية.

ويختلف هذا النهج عن استراتيجية إنفيديا، إذ تحاول OpenAI تجنب نقل البيانات قدر الإمكان من خلال تنفيذ عبء العمل داخل شريحة متكاملة واحدة. لكن المنطق الأساسي في الحالتين واحد: رفع الكفاءة من خلال إدارة حركة البيانات بصورة أكثر ذكاءً بدلًا من الاعتماد فقط على زيادة عدد دورات المعالجة.

المنافسة لم تعد على أفضل GPU فقط

لا تعني هذه التطورات أن إنفيديا ضمنت الفوز في مجال تنسيق البيانات وإدارة البنية التحتية. فالشركة ستضطر إلى مواجهة منافسة من شركات تصنيع الشرائح وشركات الحوسبة السحابية العملاقة، تمامًا كما يحدث في سوق GPU. لكن طبيعة المنافسة بدأت تنتقل إلى مستوى جديد، حيث أصبحت القدرة على جعل النظام بأكمله يعمل بكفاءة عالية، بدءًا من الذاكرة والتخزين، مرورًا بالشبكات ونقل البيانات، ووصولًا إلى وحدات المعالجة ومسرّعات الذكاء الاصطناعي، هي العامل الحاسم.

وهنا تحديدًا قد تكمن إحدى أكبر نقاط قوة إنفيديا في المرحلة المقبلة: ليس فقط في امتلاك أفضل معالج للذكاء الاصطناعي، بل في بناء المنظومة الكاملة التي تجعل هذه المعالجات تعمل بأقصى طاقتها.