تقديم العرض الوظيفي
إيلاد راز، الرئيس التنفيذي لشركة نيكست سيليكون - سلسلة مقابلات
إيلاد رازيُعدّ راز، الرئيس التنفيذي لشركة نيكست سيليكون، رائد أعمالٍ مخضرماً وقائداً تقنياً يحظى باحترامٍ واسع النطاق لخبرته العميقة في الأنظمة منخفضة المستوى، والأمن السيبراني، والشبكات، وتطوير أنظمة الملفات. وعلى مدار مسيرة مهنية حافلة شملت مناصب هندسية عسكرية رفيعة المستوى، وقيادة برمجيات عليا، وبناء شركات، واستثمارات طويلة الأجل، قاد راز مشاريع معقدة وحيوية في مختلف جوانب أنظمة التشغيل وتكامل البرمجيات والأجهزة. وقبل تأسيس نيكست سيليكون، أسس راز العديد من شركات التكنولوجيا وباعها بنجاح، وشغل مناصب قيادية عليا في شركة رائدة في مجال أشباه الموصلات، واستثمر في مجموعة متنوعة من الشركات الناشئة، جامعاً بين خبرة هندسية عملية عميقة وقدرة تنفيذية عالية ورؤية استراتيجية طويلة الأجل.
نيكست سيليكون شركة NextSilicon هي شركة إسرائيلية متخصصة في الحوسبة عالية الأداء وأشباه الموصلات، تأسست عام 2017، وتُعيد تعريف بنية الحوسبة لتلبية متطلبات التطبيقات المعقدة، مثل الذكاء الاصطناعي والحوسبة العلمية. طورت الشركة منصة حوسبة ذكية مُعرّفة برمجياً، مصممة لتقديم أداء وكفاءة عاليين دون الحاجة إلى إعادة كتابة التطبيقات. من خلال التركيز على قابلية التكيف على مستوى الأجهزة، تسعى NextSilicon إلى معالجة الاختناقات الأساسية في مراكز البيانات الحديثة وبيئات الحوسبة الفائقة، مما يجعلها بديلاً من الجيل التالي للمُسرّعات التقليدية.
هل يمكنك أن تحدثنا عن رحلتك التي أدت إلى تأسيس شركة NextSilicon؟ ما الذي ألهم الفكرة الأولية، وكيف ساهمت تجاربك المبكرة في مجال الحوسبة في تشكيل رؤيتك؟
لطالما فتنتني الحواسيب منذ صغري. قادني هذا الشغف من العبث بأجهزة كومودور 64 وأتاري القديمة (التي ما زلت أجمعها حتى اليوم) إلى المشاركة في تأسيس شركات ناشئة، وصولاً إلى بيع شركتي السابقة لشركة ميلانوكس. ولكن حتى مع تلك النجاحات المبكرة، ظللت أرى التحدي نفسه يتكرر مرارًا وتكرارًا في هذا المجال. فمع ازدياد تعقيد أعباء العمل الحسابية، وصلت بنى المعالجات المركزية ووحدات معالجة الرسومات التقليدية إلى حدودها القصوى من حيث الأداء وكفاءة استهلاك الطاقة وقابلية التوسع. وسواءً أكان الأمر يتعلق بتحسين الخوارزميات أو تشغيل عمليات محاكاة واسعة النطاق، فقد بات من الواضح أن البنى الحالية تجبر أعباء العمل على التكيف مع الأجهزة، وليس العكس.
انطلقت فكرة NextSilicon من هذا التحدي المتكرر، وطرحت السؤال التالي: ماذا لو استطعنا تغيير المعادلة وبناء بنى حاسوبية تتكيف مع أحمال العمل، بدلاً من إجبار أحمال العمل على التكيف مع الأجهزة؟ لقد علمتني خبرتي المبكرة في تصميم الخوارزميات والأجهزة أن الإنجاز الحقيقي يكمن في الجمع بينهما في الوقت الفعلي. هذا هو أساس بنية الحوسبة الذكية (ICA) ورؤية NextSilicon التوجيهية منذ البداية.
يُوصف جهاز مافريك-2 بأنه مُسرِّع حوسبة ذكي يتكيف مع أحمال العمل في الوقت الفعلي. كيف يختلف تصميمه عن وحدات معالجة الرسومات التقليدية أو مصفوفات البوابات المنطقية القابلة للبرمجة، وما الذي يُتيح هذا المستوى من التكيف؟
لقد أحدثت وحدات المعالجة المركزية ووحدات معالجة الرسومات ثورة في عالمنا وقدمت لنا خدمات جليلة. إلا أنها لم تُصمم قط لتلبية متطلبات الذكاء الاصطناعي الحديث وأعباء الحوسبة عالية الأداء في مجالات مثل العلوم والأرصاد الجوية والطاقة والدفاع. تتميز هذه الأعباء بتعقيد تبعيات البيانات وأنماط الوصول إلى الذاكرة وأنماط الحوسبة التي لم تُصمم المعالجات الحالية للتعامل معها. والنتيجة هي اختناقات تُعيق الابتكار.
يتميز معالج مافريك-2 بنهجه المبتكر الذي يجمع بين محرك تدفق بيانات قابل لإعادة التكوين وتحسين البرمجيات في الوقت الفعلي. ويكمن الاختلاف المعماري الرئيسي في أن تكوين الأجهزة يتم بناءً على عبء العمل، وليس العكس. ففي مافريك-2، يُحدد توافر البيانات عملية الحساب، بدلاً من عداد البرنامج الذي يُحدد تنفيذ التعليمات كما هو الحال في المعالجات التقليدية. وهذا يُتيح لنا إنشاء وحدات معالجة افتراضية مُعرّفة برمجياً، يُمكن تكوينها وإعادة تكوينها في الوقت الفعلي لتتوافق مع أنماط عبء العمل المحددة.
تتحدث النتائج عن نفسها: يُقدّم برنامج Maverick-2 أداءً يفوق أداء وحدات معالجة الرسومات بأكثر من أربعة أضعاف لكل واط، وأكثر من عشرين ضعفًا لوحدات المعالجة المركزية، مع خفض تكاليف التشغيل بأكثر من النصف. ونتيجةً لذلك، يستطيع الباحثون والمهندسون تشغيل عمليات محاكاة واسعة النطاق وغير منتظمة بسرعة وكفاءة أكبر، مما يُتيح لهم الوصول إلى رؤى واكتشافات رائدة في وقت قياسي.
لقد ذكرتم تحقيق أداء يفوق أداء وحدات معالجة الرسومات بأكثر من أربعة أضعاف لكل واط، وأكثر من عشرين ضعفًا مقارنةً بوحدات المعالجة المركزية المتطورة. ما هي الابتكارات الرئيسية التي تُسهم في تحقيق هذه المكاسب في الأداء في بيئات العمل الواقعية؟
تأتي مكاسب الأداء من خلال عدد قليل من الابتكارات الرئيسية التي تعمل معًا.
أولًا، ابتعدنا عن نموذج فون نيومان الذي هيمن على الحوسبة لثمانين عامًا. فبدلًا من تنفيذ التعليمات بالتسلسل، يستخدم مافريك-2 بنية تدفق البيانات حيث تتبع العمليات الحسابية توافر البيانات. وهذا أنسب بشكل أساسي لأحمال العمل غير المنتظمة والتي تتطلب ذاكرة كبيرة.
ثانيًا، تقوم بنيتنا ذاتية التحسين بتوليد نوى معالجة مُعرّفة برمجياً في الوقت الفعلي. يتكيف الجهاز مع احتياجات كل تطبيق دون الحاجة إلى إعادة كتابة التعليمات البرمجية - ستحصل على التحسين دون أي تكلفة إضافية.
ثالثًا، وهذا أمر بالغ الأهمية: نركز على الأداء المستدام في الواقع العملي، لا على الأداء النظري الأمثل. تبدو العديد من البنى رائعة على الورق، لكنها تفشل في أحمال العمل الفعلية. يحافظ Maverick-2 على كفاءته في مجالات الذكاء الاصطناعي والحوسبة عالية الأداء وقواعد البيانات المتجهة من خلال التكيف المستمر مع احتياجات أحمال العمل.
يدعم Maverick-2 لغات C/C++ وFortran وOpenMP وKokkos مباشرةً دون الحاجة إلى تعديلات برمجية. كيف استجاب المطورون لهذه الميزة، وما هي خططكم لدعم CUDA وROCm وأطر عمل الذكاء الاصطناعي الشائعة؟
يُعجب المطورون بكون Maverick-2 بديلاً جاهزاً للاستخدام. إذ يُمكنهم تشغيل تطبيقاتهم الحالية فوراً دون عوائق النقل التي تُعيق هذا القطاع. ندعم حالياً لغات C/C++ وFortran وOpenMP وKokkos بشكل مباشر، بينما نعمل على تطوير CUDA وROCm وأطر الذكاء الاصطناعي الرئيسية مثل TensorFlow وJAX وPyTorch وONNX. هذا يُلغي الحاجة إلى الاعتماد على مورد واحد وإعادة كتابة التعليمات البرمجية المكلفة، ويُمكّن العملاء من تقييم واعتماد بنى جديدة دون التأثير على سير عملهم.
كيف يعمل نظام التحسين القائم على القياس عن بُعد في مافريك-2 في الخلفية؟ ما هي الخطوات اللازمة لتحليل وإعادة تكوين الشريحة في الوقت الفعلي؟
تخيّل عملية تحسين نظامنا كحلقة مستمرة: أثناء التنفيذ، يقيس نظام القياس عن بُعد لدينا مئات مؤشرات الأداء (مثل عرض نطاق الذاكرة، والاستخدام، وأعماق قوائم الانتظار). تُغذّى جميع هذه البيانات إلى مُحسِّن وقت التشغيل الذي يُحدّد ما إذا كان تكوين الأجهزة الحالي لا يزال مثاليًا لحجم العمل واحتياجاته المُتوقّعة. إذا لم يكن كذلك، يُمكنه إعادة تقسيم الموارد، وإعادة ترتيب مسارات البيانات، وتعديل مسارات الحوسبة باستمرار، ما يعني أن التطبيق لا يتوقف. يحدث هذا في غضون أجزاء من الثانية، لذا يحافظ التطبيق على ذروة كفاءته باستمرار مع تغيّر ملف تعريف الحوسبة الخاص به.
هل هناك أنواع محددة من أحمال العمل أو حالات استثنائية يكون فيها ضبط أداء وقت التشغيل التكيفي أقل فعالية أو يؤدي إلى مفاضلات في زمن الاستجابة أو الطاقة؟
أي بنية لها مزاياها وعيوبها. يتفوق نظام مافريك-2 في التعامل مع أحمال العمل المعقدة وغير المنتظمة ذات أنماط الحوسبة والوصول إلى البيانات المتغيرة. أما بالنسبة لأحمال العمل ذات الوظائف الثابتة والمتوقعة، فيمكن لوحدة معالجة رسومية مضبوطة جيدًا أن تكون فعالة للغاية دون الحاجة إلى تكلفة إضافية للتكيف. في هذه الحالات، يظل نظامنا قادرًا على التكيف، مما يوفر أداءً قويًا، ولكن قد تكون الميزة النسبية أقل.
يتمحور تصميم NextSilicon حول التنوع والقدرة التنافسية في الحالات البسيطة، ولكنه يتميز بالتحول في الحالات الصعبة.
لماذا قررت إعطاء الأولوية لسوق الحوسبة عالية الأداء في وقت مبكر، في حين كانت معظم الشركات الناشئة تتجه بسرعة نحو الذكاء الاصطناعي؟ كيف أثر ذلك على منتجك واستراتيجية عملك؟
تمثل الحوسبة عالية الأداء (HPC) أحدث ما توصلت إليه الحوسبة من حيث التعقيد الحسابي وحل المشكلات المتعلقة بمجموعات البيانات الضخمة، والوصول غير المنتظم للذاكرة، والأنماط الحسابية غير المتوقعة. إذا تمكنت من بناء بنية تحتية تزدهر في هذا المجال - مثل تشغيل عمليات محاكاة على نطاق إكسابايت في نمذجة المناخ أو فيزياء الجسيمات - فسوف تتفوق في مجال الذكاء الاصطناعي أيضًا.
من خلال التركيز أولاً على الحوسبة عالية الأداء، أثبتنا كفاءة نظام مافريك-2 في أصعب مهام المعالجة في مجالات نمذجة المناخ والفيزياء وعلوم الحياة. وقد منحنا ذلك مصداقيةً وبيانات أداء واقعية ومنتجًا ناضجًا قبل التوسع في أسواق الذكاء الاصطناعي. والآن، نحن في وضعٍ يمكّننا من خدمة كلا المجالين، دون المساس ببنيتنا التقنية للاستفادة من التوجهات أو الاحتياجات قصيرة الأجل.
الآن وقد أصبح نظام Maverick-2 قيد التشغيل وتم نشره لدى عشرات العملاء، هل يمكنك مشاركة أمثلة عن كيفية استخدامه؟ هل هناك أي نتائج أو معايير محددة من عمليات النشر الرائدة؟
من الأمثلة الرائدة على ذلك نشرنا في مختبرات سانديا الوطنية، حيث يُشغّل نظام مافريك-2 حاسوب سبيكترا العملاق كجزء من برنامج فانجارد-2. نشهد نتائج أداء مبهرة فور تشغيله دون الحاجة إلى تعديلات برمجية. كما نتعاون مع مشروع ODISSEE (حلول البيانات المكثفة عبر الإنترنت للعلوم في عصر الإكسابايت)، الذي يجمع مؤسسات بحثية رائدة للتعامل مع بيانات بحجم الإكسابايت من مصادم الهادرونات الكبير عالي الإضاءة التابع لسيرن ومرصد مصفوفة الكيلومتر المربع. يتمثل دور مافريك-2 في حل تحدي معالجة بيتابايت من البيانات التجريبية الخام في جزء بسيط من الوقت والطاقة اللازمين سابقًا. والهدف النهائي هو تمكين تحليلات فيزيائية واكتشافات فلكية أسرع.
لقد جمعتم أكثر من 300 مليون دولار، مع جولات تمويل رئيسية أُعلن عنها في عام 2021 ومؤخراً. هل يمكنك أن توضح كيف ساهم هذا التمويل في تسريع تطوير منتجكم وتوسيع نطاق وصولكم إلى السوق؟
أتاح لنا التمويل القيام بثلاثة أمور. أولاً، تمكّنا من تطوير بنية النظام بشكل أكبر، ليس فقط من خلال تحسينات طفيفة، بل من خلال تطويرات جوهرية جعلت نظام مافريك-2 جاهزاً للإنتاج. ثانياً، قمنا بتوسيع نطاق عمليات التصنيع وسلسلة التوريد لدينا لتلبية الطلب المتزايد، وهو تحدٍّ كبير بالنسبة للرقائق الإلكترونية الجديدة. ثالثاً، قمنا بتوسيع منظومة برامجنا لتمكين العملاء من دمجها ونشرها بشكل أسرع.
كما مكّن ذلك من إقامة شراكات استراتيجية مع مراكز الحوسبة الفائقة ومزودي الخدمات السحابية، مما سمح لنا بتبسيط عملية تحويل الفكرة إلى نشر والتوسع بشكل أسرع بكثير من الشركات الناشئة التقليدية في مجال الأجهزة.
في ظل وجود شركات مثل سيريبراس وسامبا نوفا وإنفيديا، كيف ترون موقع شركة نيكست سيليكون في السوق؟ وما هي استراتيجيتكم التسويقية كمنافس؟
نحن في NextSilicon ننظر إلى أنفسنا كشركة تقنية أكثر من كوننا مجرد شركة تصنيع رقائق. نعمل على تحسين كل مهمة، ونوفر مرونة عالية، ولا نُقيّد عملاءنا ببرامج أو أجهزة احتكارية. يستطيع عملاؤنا استخدام أكوادهم الحالية وتحقيق تسريع فوري دون الحاجة إلى عمليات نقل مطولة أو التقيد بنظام بيئي واحد، مثل CUDA. يكتسب هذا الأمر أهمية خاصة مع تطور مهام الذكاء الاصطناعي لتتجاوز مجرد التدريب. تتطلب نماذج الاستدلال، والاستنتاج الموسع، ونوافذ السياق الكبيرة أنماط حوسبة مختلفة جذريًا: وصول أكثر ديناميكية للذاكرة، وحسابات متغيرة الطول، وتخصيص موارد تكيفي. هذه ليست مشاكل يمكن حلها باستخدام نفس البنية الثابتة.
تركز استراتيجيتنا التسويقية على حلّ أصعب المشكلات أولاً: العمل مع المؤسسات البحثية والمختبرات الوطنية والشركات التي تُعدّ فيها الأداء وكفاءة الطاقة والمرونة عوامل حاسمة. ومن ثمّ، نتوسع إلى أسواق الذكاء الاصطناعي والبيانات الضخمة. يهيمن على هذا القطاع بنى ثابتة، بينما نقدم نحن حلاً مختلفاً، يتمثل في قابلية التكيف منذ البداية. يشهد الذكاء الاصطناعي تحولاً من مجرد التوسع إلى الذكاء. تُمكّن النماذج الأكبر حجماً من استدلال أكثر ذكاءً، بدءاً من التعليمات القصيرة وصولاً إلى فهم السياقات الطويلة. في هذا التحول، لن تكون البنى القابلة للتكيف مجرد ابتكار، بل ستكون ضرورية.
شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا نيكست سيليكون.
