ديفيد دريغرز، كبير مسؤولي التكنولوجيا في شركة Cirrascale – سلسلة المقابلات

ديفيد دريغرز هو كبير مسؤولي التكنولوجيا في شركة Cirrascale Cloud Services، وهي شركة رائدة في مجال حلول البنية التحتية للتعلم العميق. وتقدم شركة Cirrascale حلولاً مبتكرة ومتقدمة لخدمات البنية التحتية السحابية (IaaS) بناءً على قيم مثل النزاهة والمرونة والتركيز على العملاء. وتتعاون شركة Cirrascale مع قادة النظام البيئي للذكاء الاصطناعي مثل Red Hat وWekaIO لضمان وصول العملاء إلى أدوات متقدمة بسهولة، مما يتيح لهم التقدم في مجال التعلم العميق مع الحفاظ على التكاليف المتوقعة.

تعتبر شركة Cirrascale هي المزود الوحيد لخدمات معالجات الرسومات كخدمة (GPUaaS) الذي يتعاون مع شركات تصنيع الشريحة الرئيسية الكبيرة مثل NVIDIA (NVDA ) وAMD وCerebras (CBRS ) وQualcomm. كيف يستفيد عملاؤك من هذا التموقع الفريد فيما يتعلق بالأداء والمتانة؟

مع تطور الصناعة من تدريب النماذج إلى نشر هذه النماذج التي يطلق عليها الاستدلال، لا يوجد حل واحد يناسب جميع الحالات. واعتمادًا على حجم النموذج ومتطلبات التأخير، تقدم معززات مختلفة قيمًا مختلفة قد تكون مهمة. يمكن أن يؤثر وقت الاستجابة ومتطلبات التكلفة لكل رمز وتميز الأداء لكل وات على التكلفة وخبرة المستخدم. ونظرًا لأن الاستدلال يستخدم في الإنتاج، فإن هذه الميزات والقدرات تهم.

ما يميز سحابة شركة Cirrascale للابتكار في مجال الذكاء الاصطناعي عن مزودي خدمات معالجات الرسومات كخدمة (GPUaaS) الآخرين في دعم سير عمل التعلم العميق والذكاء الاصطناعي؟

تتيح سحابة شركة Cirrascale للابتكار في مجال الذكاء الاصطناعي للمستخدمين تجربة تقنيات جديدة بطريقة آمنة ومساعدة ومدعومة بالكامل، وهي تقنيات غير متاحة في أي سحابة أخرى. ويمكن أن يساعد ذلك ليس فقط في اتخاذ قرارات بخصوص التكنولوجيا السحابية ولكن أيضًا في عمليات الشراء المحتملة على الموقع.

كيف تضمن منصة شركة Cirrascale التكامل السلس لشركات بدء التشغيل والشركات الكبيرة ذات احتياجات تعزيز الذكاء الاصطناعي المتنوعة؟

تتبع شركة Cirrascale نهج الحل في سحابتها. وهذا يعني أننا نقدم حلًا شاملاً يتضمن كلاً من عمليات Dev-Ops وInfra-Ops لشركات بدء التشغيل والشركات الكبيرة. ونسمي ذلك الحل “بنية تحتية غير افتراضية” لتمييز عروضنا عن العروض المشتركة أو الافتراضية. وتقوم شركة Cirrascale بتكوين جميع جوانب العرض، بما في ذلك تكوين الخوادم والشبكات والتخزين وأمان المستخدم وصولًا إلى متطلبات الوصول قبل تسليم الخدمة إلى عملائنا. ويمكن لعملائنا البدء في استخدام الخدمة على الفور بدلاً من الحاجة إلى تكوين كل شيء بأنفسهم.

تواجه الشركات الكبيرة عقبات في تبني الذكاء الاصطناعي على نطاق واسع، مثل جودة البيانات وقيود البنية التحتية والتكاليف العالية. كيف تتعامل شركة Cirrascale مع هذه التحديات للشركات التي توسع مبادرات الذكاء الاصطناعي؟

لا تقدم شركة Cirrascale خدمات متعلقة بجودة البيانات، ولكننا نتعاون مع شركات يمكنها مساعدة العملاء في قضايا البيانات. وفيما يتعلق بالبنية التحتية والتكاليف، يمكن لشركة Cirrascale تtailor حلًا يتناسب مع احتياجات العميل بشكل خاص، مما يؤدي إلى أداء أفضل وتكاليف متعلقة بالاحتياجات الخاصة بالعميل.

مع تقدم شركة Google (GOOGL ) في مجال الحوسبة الكمومية (Willow) ونماذج الذكاء الاصطناعي (Gemini 2.0)، كيف ترى أن يتحول مشهد الذكاء الاصطناعي في الشركات الكبيرة في المستقبل القريب؟

لا تزال الحوسبة الكمومية بعيدة عن مرحلة النضج لاغلب الناس بسبب نقص البرمجيات والبرامج الجاهزة التي يمكنها الاستفادة من الميزات. وستحصل نماذج مثل Gemini 2.0 وGPT4 وClaude على بعض القبول من قبل العملاء في الشركات الكبيرة، ولكن جزءًا كبيرًا من سوق الشركات الكبيرة ليس مستعدًا في الوقت الحالي للاعتماد على جهات خارجية في معالجة بياناتها، وخاصة تلك الجهات التي قد تستخدم البيانات لتدريب نماذجها.

ما هي التوصيات الأساسية التي تقدمها للشركات التي تحاول العثور على توازن بين القوة والأسعار والأداء لتنمية حلول الذكاء الاصطناعي؟

الاختبار، الاختبار، الاختبار. من المهم جدًا للشركة اختبار نموذجها على منصات مختلفة. الإنتاج يختلف عن التطوير – التكلفة تهم في الإنتاج. التدريب قد يكون مرة واحدة، ولكن الاستدلال يستمر إلى الأبد. إذا كان يمكن تحقيق متطلبات الأداء بتكلفة أقل، فإن هذه التوفيرات تذهب إلى الحساب الختامي وقد تجعل الحل قابلاً للتطبيق. وغالبًا ما يكون نشر نموذج كبير مكلفًا جدًا بحيث لا يكون من الممكن تطبيقه. يجب على مستخدمي النهاية أيضًا البحث عن شركات يمكنها مساعدتهم في هذا الاختبار، حيث يمكن لمهندس التعلم الآلي مساعدة في النشر بدلاً من عالم البيانات الذي أنشأ النموذج.

كيف تتكيف شركة Cirrascale مع حلولها لتلبية الطلب المتزايد على تطبيقات الذكاء الاصطناعي التوليدي، مثل نماذج LLMs وإنشاء الصور؟

تقدم شركة Cirrascale مجموعة واسعة من معززات الذكاء الاصطناعي، ومع انتشار نماذج LLMs وGenAI التي تختلف في الحجم والنطاق (مثل السيناريوهات متعددة الوسائط) وال批ة مقابل الوقت الفعلي، فإنها حقًا سؤال عن الخيول المناسبة للمسار.

يمكنك تقديم أمثلة عن كيفية مساعدة شركة Cirrascale للشركات على التغلب على عرقلة التأخير ونقل البيانات في سير عمل الذكاء الاصطناعي؟

تمتلك شركة Cirrascale مراكز بيانات متعددة في مناطق متعددة ولا تعتبر الاتصال الشبكي مركزًا للربح. ويتيح ذلك لمستخدمينا “تحديد الحجم الصحيح” للاتصالات اللازمة لنقل البيانات، بالإضافة إلى استخدام أكثر من موقع إذا كان التأخير ميزة حرجة. كما يمكن لشركة Cirrascale، من خلال تحليل الحمل الفعلي، مساعدة العملاء في تحقيق توازن بين التأخير والأداء والتكلفة لتوفير أفضل قيمة بعد تحقيق متطلبات الأداء.

ما هي الاتجاهات الناشئة في مجال الأجهزة أو البنية التحتية للذكاء الاصطناعي التي أنت أكثر حماسًا لها، وكيف تستعد شركة Cirrascale لمواجهتها؟

نحن متحمسون جدًا لمعالجات جديدة مصممة خصيصًا للاستدلال مقابل معالجات الرسومات القائمة على GPU التي تتناسب بشكل جيد للتدريب، ولكنها ليست مُختبرة للاستخدامات التي تختلف فيها متطلبات الحوسبة بشكل固有的 عن التدريب. شكرًا على المقابلة الرائعة، يُرحب بقراء الذين يرغبون في معرفة المزيد بزيارة شركة Cirrascale للخدمات السحابية.