كريس ميغلينو، الرئيس التنفيذي لشركة Axe Compute – سلسلة مقابلات

كريس ميغلينو هو الرئيس التنفيذي لشركة Axe Compute، ويتمتع بخبرة تزيد على عقدين في تأسيس شركات التكنولوجيا وتوسيع نطاق أعمالها والاستثمار فيها. شارك في تأسيس Social Reality وعمل مع DNA Fund، جامعًا بين خلفيته الريادية وخبرته في أسواق رأس المال والاستثمار في البنية التحتية. ويركز في Axe Compute على التحديات التشغيلية والمالية لتوسيع القدرة الحاسوبية المخصصة للذكاء الاصطناعي، بما يلبي احتياجات عملاء الشركات.

توفر Axe Compute بنية تحتية مخصصة لوحدات معالجة الرسومات (GPU)، تعمل مباشرة على العتاد، لتلبية أحمال عمل الذكاء الاصطناعي لدى الشركات. وتتيح خدمة Axe Access الوصول إلى سعة وحدات معالجة الرسومات المتاحة، بينما تطور Axe Build بنية تحتية تلبي متطلبات العملاء على المدى البعيد. في هذه المقابلة، يناقش ميغلينو اقتصاديات وحدات معالجة الرسومات، وقيود الطاقة، وأداء العناقيد الحاسوبية، وشراكات النشر، وكيف يمكن للتحول نحو الاستدلال ووكلاء الذكاء الاصطناعي أن يعيد تشكيل الطلب على البنية التحتية لدى الشركات.

تمتد مسيرتك المهنية لأكثر من عقدين من ريادة الأعمال، من المشاركة في تأسيس Social Reality إلى قيادة DNA Fund، وصولًا إلى منصب الرئيس التنفيذي لشركة Axe Compute. ما الذي جذبك في البداية إلى سوق البنية التحتية للذكاء الاصطناعي، وما الفرصة التي رأيت أن مزودي الخدمات السحابية التقليديين لا يلبون احتياجاتها على النحو الكافي؟

كانت الفرصة التي رأيتها واضحة: يتطور الذكاء الاصطناعي بوتيرة أسرع من البنية التحتية المصممة لدعمه. أمضيت أكثر من عقدين في تأسيس الشركات وتوسيع نطاقها والاستثمار فيها، وكانت هذه الفجوة مصدرًا لأكبر الفرص التي وجدتها. ومنذ مشاركتي في تأسيس Social Reality وحتى عملي في DNA Fund، لطالما جذبتني المشكلات الجوهرية التي تتيح مسارًا واضحًا من التكنولوجيا الجديدة إلى قيمة تجارية حقيقية. كانت الشركات تستثمر مليارات الدولارات في الذكاء الاصطناعي، ومع ذلك لم تتمكن شركات كثيرة من الحصول على سعة موثوقة بتكلفة مجدية تجاريًا. حقق مزودو الخدمات السحابية التقليديون نجاحًا استثنائيًا، لكن بنيتهم التحتية صُممت لبيئات مرنة ومشتركة، لا لأحمال عمل الذكاء الاصطناعي المكثفة حاسوبيًا والمستمرة على مدار الساعة. لقد أسست شركات بنفسي، ولذلك أعرف ما تحتاج إليه الشركات: تكاليف يمكن التنبؤ بها، ووصول موثوق، وإمكانات للتوسع. رأيت فرصة لبناء بنية تحتية مخصصة وفق المتطلبات الفعلية للذكاء الاصطناعي لدى الشركات، بما يمنحها التحكم في مواردها الحاسوبية من دون أن تتحول هي إلى مشغّلي مراكز بيانات. ولهذا أعمل في Axe Compute. فالشركات التي تبني البنية التحتية التي يقوم عليها الذكاء الاصطناعي ستحدد مدى اتساع نطاق هذه التكنولوجيا وسرعة انتشارها.

مع تسارع تبني الشركات للذكاء الاصطناعي، أصبح الوصول إلى الحوسبة عالية الأداء باستخدام وحدات معالجة الرسومات مسألة بالغة الأهمية. ما أبرز المفاهيم الخاطئة لدى الشركات بشأن احتياجاتها الحاسوبية، وكيف ينبغي لها تقييم البنية التحتية المخصصة لوحدات معالجة الرسومات مقارنة بالخدمات السحابية التقليدية؟

أكبر المفاهيم الخاطئة هو أن زيادة عدد وحدات معالجة الرسومات تعني تلقائيًا أداءً أفضل للذكاء الاصطناعي. فالبنية المعمارية المحيطة بهذه الوحدات، وثبات إمكانية الوصول إليها، واقتصاديات تشغيلها، لا تقل أهمية. والمفهوم الخاطئ الثاني هو افتراض أن النموذج السحابي المصمم لبرمجيات الشركات هو الأنسب للذكاء الاصطناعي. فالسحابة العامة مناسبة جدًا للتجارب والطلب غير المتوقع وأحمال العمل التي يتغير نطاقها سريعًا بالزيادة أو النقصان. لكن ما إن تبدأ مرحلة التشغيل الفعلي لأحمال عمل كثيفة على مدار الساعة حتى تتغير المعادلة الاقتصادية. فلن تعود تدفع مقابل استخدام حاسوبي عابر، بل ستمول عملية صناعية مستمرة وفق نموذج تسعير قائم على الاستهلاك. أنصح الشركات بالنظر إلى معدلات الاستخدام، ومدة أحمال العمل، واحتياجات الشبكات، والتكلفة الإجمالية على مدى عدة سنوات، لا إلى أسعار وحدات معالجة الرسومات بالساعة فحسب. توفر البنية التحتية المخصصة إمكانية التنبؤ بالتكاليف والتحكم فيها عند تشغيل أحمال العمل المستمرة، لكن الخيار الأنسب يتوقف على كيفية التخطيط الفعلي لاستخدام الذكاء الاصطناعي.

تقدم Axe Compute نموذجين مختلفين، هما Axe Access وAxe Build، لتوفير كل من وحدات معالجة الرسومات المتاحة فورًا والبنية التحتية للذكاء الاصطناعي المصممة خصيصًا. هل يمكنك توضيح آلية عمل هذين النموذجين، وأنواع العملاء الذين يخدمهم كل منهما، وكيف يمكن للمؤسسات تحديد النهج الأنسب لأحمال عمل الذكاء الاصطناعي لديها؟

أنشأنا Axe Access وAxe Build لأن المؤسسات لا تصل كلها إلى المرحلة نفسها، ولا ينبغي إجبارها على اعتماد نموذج البنية التحتية ذاته. صُممت Axe Access للمؤسسات التي تحتاج الآن إلى سعة مخصصة لوحدات معالجة الرسومات، سواء أكانت توسع عمليات قائمة، أم تطلق نموذجًا جديدًا، أم تجاوزت قدرات مزودها الحالي. أما Axe Build فهي للعملاء الذين يحتاجون إلى بنية تحتية مخصصة تُصمم وفق احتياجاتهم طويلة الأمد، بدءًا من السعة وصولًا إلى البنية المعمارية والعمليات التشغيلية. ويتحدد الاختيار بحسب التوقيت والحجم ومستوى التخصيص. إذا كنت بحاجة إلى تشغيل أحمال العمل فورًا، فابدأ بالسعة المتاحة. وإذا كنت تخطط لعملية ذكاء اصطناعي تمتد سنوات، فابنِ البنية اللازمة لها. ما يهمني هو أن نتيح للعملاء مسارًا عمليًا يحول الطلب إلى سعة تشغيلية فعلية، لأن التكنولوجيا لا تكتسب قيمتها إلا عندما تستطيع استخدامها.

أعلنت Axe Compute عن مشروعات متعاقد عليها للبنية التحتية للذكاء الاصطناعي تتجاوز قيمتها 3.45 مليار دولار، ما يعكس طلبًا كبيرًا على سعة الحوسبة المخصصة. ما أبرز التحديات التي واجهتكم في تحويل هذه الالتزامات إلى عناقيد حاسوبية عاملة لوحدات معالجة الرسومات، وما الدروس التي تعلمتموها بشأن توسيع البنية التحتية بهذه الوتيرة؟

أهم درس هو أن استقطاب الطلب وتوفير البنية التحتية مجالان مختلفان تمامًا، ويتطلب النجاح في كل منهما مستوى استثنائيًا من الكفاءة. ومع وجود مشاريع متعاقد عليها تتجاوز قيمتها 3.45 مليار دولار، تكتسب كل مرحلة أهميتها: المرافق، والطاقة، والمشتريات، والتمويل، والشبكات، والعمل التقني اللازم لتشغيل العناقيد. ولكل مرحلة جدولها الزمني الخاص، وقد يؤدي أي تأخير إلى تعطيل عملية النشر بأكملها. والطاقة هي التحدي الأكبر. فقد تكون الالتزامات ورأس المال والمعدات كلها جاهزة، لكن من دون الطاقة لن يحقق أي منها عائدًا. وقد تعلمنا أن نتوسع بانضباط في ترتيب المشاريع واختيار الشركاء وتخصيص رأس المال. ولا ننسى أبدًا أن قيمة المشاريع المتعاقد عليها لا تعادل قيمة البنية التحتية المنشورة بالفعل والمُدرّة للإيرادات. وستكون الشركات الفائزة هي التي تحوّل الالتزامات باستمرار إلى قدرة تشغيلية موثوقة. فالتنفيذ هو نموذج العمل.

غالبًا ما يتصدر توافر وحدات معالجة الرسومات (GPU) النقاشات حول البنية التحتية للذكاء الاصطناعي، لكن الكهرباء والتبريد والشبكات وسعة مراكز البيانات قد تكون قيودًا لا تقل أهمية. أيّ من هذه الاختناقات تعتقد أنه يشكل أكبر تهديد طويل الأمد لقابلية التوسع في الذكاء الاصطناعي، وكيف تتعامل Axe Compute مع هذه التحديات؟

الكهرباء. يمكن توسيع كل جانب آخر من جوانب البنية التحتية للذكاء الاصطناعي أو ترقيته بوتيرة أسرع من أنظمة الطاقة التي تدعمه. فتقنيات وحدات معالجة الرسومات تتطور بسرعة، ويمكن توفير رأس المال وبناء المرافق، لكن إنشاء خطوط النقل والربط بشبكات المرافق وتوليد الكهرباء على نطاق واسع يستغرق وقتًا يتجاوز غالبًا دورات التخطيط لدى شركات الذكاء الاصطناعي. ونحن نطالب بشبكة كهرباء مصممة للتعامل مع طلب متوقع، كي تستوعب تركزات هائلة جديدة من الحوسبة، ولا يمكن حل هذه المشكلة بإنفاق المزيد على الأجهزة. في Axe Compute، نُواءم تطوير البنية التحتية مع توافر الطاقة على نحو واقعي، ونعمل مع شركاء يدركون متطلبات نشر أنظمة الذكاء الاصطناعي عالية الكثافة. ويكتسب التبريد والشبكات أهمية حاسمة، ولا سيما مع ارتفاع كثافة وحدات الرفوف، لكن الطاقة الموثوقة والميسورة التكلفة هي التي ستحدد مواقع إنشاء البنية التحتية للذكاء الاصطناعي، والمشغلين القادرين على التوسع وتحقيق الربحية.

يتطلب بناء عنقود عالي الأداء للذكاء الاصطناعي أكثر بكثير من مجرد تجميع آلاف وحدات معالجة الرسومات. كيف تؤثر عوامل مثل بنية الشبكات ومعدل نقل البيانات في وحدات التخزين وتنسيق أعباء العمل ومعدل استخدام وحدات معالجة الرسومات في الأداء الفعلي؟ وأين تستخف المؤسسات غالبًا بالتعقيد التقني؟

تحظى وحدة معالجة الرسومات بكل الاهتمام، لكن أداءها يعتمد على كل ما يحيط بها، وهنا تستخف المؤسسات بالتعقيد. يمكن نشر معالجات فائقة القوة، لكن إذا لم تستطع الشبكة نقل البيانات بينها بكفاءة، أو لم تتمكن وحدات التخزين من تزويدها بالبيانات بالسرعة الكافية، فستدفع مقابل سعة لا تستخدمها. وتتضح أهمية ذلك أكثر ما تكون في تدريب النماذج على نطاق واسع، حيث يمكن للتواصل بين وحدات معالجة الرسومات أن يؤثر تأثيرًا ملموسًا في سرعة إتمام تدريب النموذج. ويضيف تنسيق أعباء العمل طبقة أخرى من التعقيد، إذ يتعين عليك إدارة الجدولة وتخصيص الموارد والأعطال والطلب المتغير، من دون ترك أي سعة معطلة. وأقيّم الأداء من منظور المخرجات الفعلية المفيدة، لا المواصفات النظرية، لأن العنقود الذي يُستفاد من موارده جيدًا قد يحقق كفاءة اقتصادية أفضل بكثير من عنقود أكبر يعمل بكفاءة متدنية. وتتطلب البنية التحتية للذكاء الاصطناعي تحسينًا مستمرًا على مستوى الأجهزة والبرمجيات والعمليات. فهي ليست عملية شراء للمعدات تُجرى مرة واحدة.

أعلنت Axe Compute مؤخرًا عن شراكة استراتيجية مع Penguin Solutions لتسريع نشر البنية التحتية للذكاء الاصطناعي على نطاق واسع. ما القدرات التقنية والتشغيلية المحددة التي توفرها هذه الشراكة، وكيف ستساعد على تقليص جداول النشر مع الحفاظ على الموثوقية والأداء؟

تقدم Penguin ثلاثة أمور: خدمات نشر وتشغيل بإشراف خبراء في مواقع محددة لعناقيد وحدات معالجة الرسومات، وبرنامجها ClusterWareAI لإدارة عمليات العناقيد على نطاق واسع، وتغطية على مدار الساعة طوال أيام الأسبوع لمركز عمليات الشبكة، يوفرها فريق من Penguin يعمل جنبًا إلى جنب مع فريقنا. وتكتسب هذه الأمور أهميتها لأن المرحلة التالية من نمو البنية التحتية للذكاء الاصطناعي تعتمد على كفاءة الشركات في نشر البيئات المعقدة وتشغيلها على نطاق واسع. فنشر عنقود للذكاء الاصطناعي يعني دمج أنظمة الحوسبة والشبكات والتخزين والإدارة في بيئة تعمل بموثوقية تحت أعباء العمل الشاقة. ويضيف اختصاصيو Penguin قدرة تنفيذية، ما يتيح لنا النشر بوتيرة أسرع، وتنفيذ عدد أكبر من المشاريع، والحد من مخاطر التنفيذ. والهدف هو جعل النشر أكثر قابلية للتكرار والتنبؤ من دون المساس بالأداء، لأن تسريع المشروع لا يحقق قيمة إلا إذا عملت البنية التحتية بموثوقية بعد بدء تشغيلها.

مع تطور الذكاء الاصطناعي وانتقاله من تدريب النماذج على نطاق واسع إلى الاستدلال والوكلاء المستقلين والتطبيقات الآنية، كيف تتوقع تغير متطلبات الحوسبة لدى المؤسسات؟ وهل سيغير هذا التحول جذريًا طريقة تصميم عناقيد وحدات معالجة الرسومات ونشرها وتوزيعها جغرافيًا؟

ستشكّل الاستدلالات في نهاية المطاف جزءًا هائلًا من سوق البنية التحتية التجارية للذكاء الاصطناعي، ولا سيما مع انتقال الشركات من بناء النماذج إلى دمج الذكاء الاصطناعي في المنتجات والعمليات والخدمات المقدمة للعملاء. أما التدريب فيجري على دفعات مركّزة. ويرتكز الاستدلال على التوافر وزمن الاستجابة ومعدل الإنتاجية وتلبية ملايين الطلبات باستمرار. وتضيف الوكلاء طبقة أخرى؛ إذ تنفّذ مهام متعددة وتستعين بالنماذج مرارًا خلال سير العمل. وقد يكون كل طلب صغيرًا، لكن إجمالي الطلب يتراكم بسرعة. وأتوقع أن تواصل المجموعات الكبيرة والمركزية التعامل مع أعباء العمل الشاقة، فيما توفّر سعات موزعة جغرافيًا بدرجة أكبر للتطبيقات التي تكتسب فيها أزمنة الاستجابة وموقع تخزين البيانات أهمية. وستصبح المؤسسات أيضًا أكثر كفاءة في مواءمة أعباء العمل مع الأجهزة المناسبة، بدلًا من افتراض أن كل شيء يحتاج إلى أقوى وحدات معالجة الرسومات. وما يثير حماسي هو أن الطلب سيصبح أكثر تنوعًا بكثير، وهذا يصب في مصلحة مزودي الخدمات القادرين على توفير السعة المناسبة، في المواقع المناسبة، وبتكلفة اقتصادية مناسبة.

يتطلب بناء البنية التحتية للذكاء الاصطناعي استثمارات رأسمالية كبيرة مقدمًا، في حين تواصل تقنيات وحدات معالجة الرسومات تطورها السريع. كيف تتعامل Axe Compute مع الجوانب الاقتصادية لتمويل مجموعات وحدات معالجة الرسومات المخصصة وتشغيلها، وكيف يمكن للمؤسسات تجنب الارتهان لأجهزة باهظة الثمن قد تصبح قديمة قبل انتهاء عمرها الافتراضي؟

ينبغي أن تبدأ من طلب العملاء، لا من الأجهزة. فشراء معدات باهظة الثمن على أمل أن يتبع ذلك ارتفاع معدل استخدامها نهج معكوس. هذا ليس نشاطًا تجاريًا برمجيًا؛ بل يتطلب أصولًا مادية ضخمة، وجداول زمنية طويلة للبناء، وتقنيات تتحسن تحسنًا كبيرًا خلال فترة قصيرة. في Axe Compute، يقوم نهجنا على طلبات تعاقدية، ونشر منضبط، وبنية تحتية مصممة لتلبية احتياجات العملاء الذين يحتاجون إلى سعة مستدامة. والتقادم أمر واقع، لكن وحدة معالجة الرسومات التي لم تعد الأحدث ليست عديمة القيمة التجارية. فليس كل تطبيق للاستدلال أو نظام ذكاء اصطناعي مؤسسي بحاجة إلى أحدث جيل من الأجهزة، ويمكن إطالة العمر الإنتاجي للبنية التحتية القائمة من خلال التوزيع الذكي لأعباء العمل. وينبغي للعملاء النظر في الجوانب الاقتصادية طوال مدة العقد، بما يشمل معدل الاستخدام واحتياجات الأداء والمرونة مع تطور التكنولوجيا. والهدف هو ضمان أن يدعم العمر الاقتصادي النافع للبنية التحتية رأس المال المستثمر فيها، لا بناء نموذج أعمال يعتمد على احتفاظ الأجهزة بقيمتها الأولية إلى الأبد.

بالنظر إلى السنوات الثلاث إلى الخمس المقبلة، أين ترى أكبر فرص الابتكار والاستثمار في البنية التحتية للذكاء الاصطناعي؟ وهل تتوقع أن يظل السوق متركزًا في أيدي مزودي الخدمات السحابية فائقة النطاق وكبار مزودي وحدات معالجة الرسومات، أم يمكن لشركات البنية التحتية المتخصصة أن تعيد تشكيل طريقة حصول المؤسسات على القدرة الحاسوبية للذكاء الاصطناعي بشكل جوهري؟

لن تتمكن حفنة من المزودين الذين يتبعون نموذج البنية التحتية نفسه من خدمة سوق بهذا الحجم والتعقيد بكفاءة. وسيظل مزودو الخدمات السحابية فائقة النطاق بالغَي الأهمية، لكنني متفائل جدًا بآفاق المشغلين المتخصصين خلال السنوات الثلاث إلى الخمس المقبلة. وما زلنا في مرحلة مبكرة من تحويل استثمارات الذكاء الاصطناعي إلى بنية تحتية تعتمد عليها الشركات يوميًا. فلدى المؤسسات احتياجات مختلفة من حيث الأداء وسيادة البيانات والتكلفة والجداول الزمنية والموقع الجغرافي، وهذا يتيح مجالًا حقيقيًا لمشغلين مثلنا. وأكثر فرص الاستثمار إثارة لاهتمامي تتمثل في البنية التحتية للطاقة، وأنظمة التبريد الأعلى كفاءة، والشبكات المتقدمة، والبرمجيات التي تحسّن معدل استخدام وحدات معالجة الرسومات، لأن هذه العوامل تؤثر مباشرة في اقتصاديات الذكاء الاصطناعي. وسيتطور التمويل أيضًا مع ازدياد ثقة المستثمرين بهذه الأصول والتدفقات النقدية الناجمة عن السعة المتعاقد عليها. وبالنسبة إلى Axe Compute، تكمن الفرصة في المساعدة على بناء هذا السوق من خلال إتاحة سعة مخصصة للذكاء الاصطناعي بدرجة أكبر من سهولة الوصول والقدرة على التنبؤ والتوسع، للمنظمات الجادة في إدخال الذكاء الاصطناعي إلى مرحلة الإنتاج. وهذا ما نعنيه بالحوسبة بلا تنازلات.

شكرًا على هذا الحوار الرائع. ويمكن للقراء الراغبين في استكشاف السعة المخصصة لوحدات معالجة الرسومات والبنية التحتية للذكاء الاصطناعي في المؤسسات زيارة Axe Compute.