استغلال السيليكون: كيف تشكل الرقائق المخصصة مستقبل الذكاء الاصطناعي

الذكاء الاصطناعي، مثل أي برنامج، يعتمد على مكونين أساسيين: برامج الذكاء الاصطناعي، التي يشار إليها غالبًا باسم النماذج، والعتاد الحاسوبي، أو الرقائق، التي تدفع هذه البرامج. حتى الآن، كان التركيز في تطوير الذكاء الاصطناعي على تحسين النماذج، بينما كان العتاد يُعتبر مكونًا قياسيًا يتم توفيره بواسطة موردين外ي. ومع ذلك، بدأت هذه النهج في التغيير مؤخرًا. شركات الذكاء الاصطناعي الكبيرة مثل جوجل وميتا وأمازون بدأت في تطوير رقائق الذكاء الاصطناعي الخاصة بها. التطوير الداخلي للرقائق المخصصة يُعلن عن عصر جديد في تقدم الذكاء الاصطناعي. هذا المقال سوف يبحث في الأسباب وراء هذا التحول في النهج وسوف يبرز أحدث التطورات في هذا المجال المتطور.

لماذا التطوير الداخلي للرقائق المخصصة للذكاء الاصطناعي؟

التوجه نحو التطوير الداخلي للرقائق المخصصة للذكاء الاصطناعي يتم دفعه بواسطة عدة عوامل حاسمة، والتي تشمل:

الطلب المتزايد على الرقائق المخصصة للذكاء الاصطناعي

إنشاء واستخدام نماذج الذكاء الاصطناعي يتطلب موارد حسابية كبيرة للتعامل مع كميات كبيرة من البيانات وتوليد تنبؤات أو رؤى دقيقة. الرقائق الحاسوبية التقليدية غير قادرة على التعامل مع المتطلبات الحسابية عند التدريب على تريليونات من نقاط البيانات. هذا القصور أدى إلى إنشاء رقائق الذكاء الاصطناعي المتقدمة خصيصًا لتلبية متطلبات الأداء والكفاءة العالية للتطبيقات الحديثة للذكاء الاصطناعي. مع استمرار البحث والتطوير في الذكاء الاصطناعي، يتزايد الطلب على هذه الرقائق المخصصة.
نيفيديا، وهي شركة رائدة في إنتاج رقائق الذكاء الاصطناعي المتقدمة، تواجه تحديات لأن الطلب يفوق بكثير قدرة الإنتاج. هذا الوضع أدى إلى تمديد قائمة الانتظار لرقائق الذكاء الاصطناعي من نيفيديا إلى عدة أشهر، وتأخير يزداد مع زيادة الطلب على رقائق الذكاء الاصطناعي. بالإضافة إلى ذلك، سوق الرقائق، التي تشمل شركات رئيسية مثل نيفيديا وإنترنت، تواجه تحديات في إنتاج الرقائق. هذا يعود إلى اعتمادها على الشركة التايوانية تي إس إم سي لتصنيع الرقائق. هذا الاعتماد على مصنع واحد يؤدي إلى أوقات انتظار طويلة لتصنيع هذه الرقائق المتقدمة.

جعل حسابات الذكاء الاصطناعي كفاءة في استهلاك الطاقة ومستدامة

الجيل الحالي من رقائق الذكاء الاصطناعي، الذي يتم تصميمه لأداء حسابي ثقيل، يميل إلى استهلاك كميات كبيرة من الطاقة، وينتج حرارة كبيرة. هذا أدى إلى عواقب بيئية كبيرة لتدريب واستخدام نماذج الذكاء الاصطناعي. باحثو أوبن آي آي يشيرون إلى أن: منذ عام 2012، زادت القوة الحاسوبية المطلوبة لتدريب نماذج الذكاء الاصطناعي المتقدمة بنسبة 3.4 مرة كل شهر، مما يشير إلى أن الانبعاثات من قطاع تكنولوجيا المعلومات والاتصالات قد تشكل 14% من الانبعاثات العالمية بحلول عام 2040. دراسة أخرى أظهرت أن تدريب نموذج لغة كبير يمكن أن ينتج ما يصل إلى 284,000 كيلوغرام من ثاني أكسيد الكربون، وهو ما يعادل استهلاك الطاقة لخمس سيارات خلال فترة حياتها. بالإضافة إلى ذلك، من المتوقع أن يزداد استهلاك الطاقة لمراكز البيانات بنسبة 28% بحلول عام 2030. هذه النتائج تؤكد على ضرورة التوازن بين تطوير الذكاء الاصطناعي والمسؤولية البيئية. في الاستجابة، شركات الذكاء الاصطناعي الكبيرة تستثمر الآن في تطوير رقائق أكثر كفاءة في استهلاك الطاقة، بهدف جعل تدريب واستخدام نماذج الذكاء الاصطناعي أكثر استدامة وصداقة للبيئة.

تكييف الرقائق للtasks المخصصة

العمليات المختلفة للذكاء الاصطناعي لها متطلبات حسابية مختلفة. على سبيل المثال، تدريب نماذج التعلم العميق يتطلب قوة حسابية كبيرة وسرعة عالية للتعامل مع مجموعات بيانات كبيرة وتنفيذ حسابات معقدة بسرعة. الرقائق المصممة للتدريب يتم تحسينها لتعزيز هذه العمليات، مما يحسن السرعة والكفاءة. من ناحية أخرى، عملية الاستدلال، حيث يتم تطبيق نموذج ما لتحقيق رؤى، تتطلب معالجة سريعة مع استهلاك طاقة أقل، خاصة في الأجهزة الحوافية مثل الهواتف الذكية وأجهزة إنترنت الأشياء. الرقائق المصممة للاستدلال يتم هندستها لتحسين الأداء لكل وات، مما يضمن استجابة سريعة وادخار البطارية. هذا التكييف الدقيق لتصاميم الرقائق للتدريب والاستدلال يسمح لكل رقاقة بالتعديل بدقة لمهامها المحددة، مما يحسن الأداء عبر الأجهزة والتطبيقات المختلفة. هذا النوع من التخصص لا يدعم فقط وظائف الذكاء الاصطناعي الأكثر متانة، ولكن أيضًا يعزز الكفاءة والفعالية التكلفة على نطاق أوسع.

تقليل العبء المالي

عبء التدريب والتشغيل الحاسوبي لنموذج الذكاء الاصطناعي يبقى كبيرًا. أوبن آي آي، على سبيل المثال، تستخدم جهاز كمبيوتر كبير مصمم بواسطة مايكروسوفت للتدريب والاستدلال منذ عام 2020. تكلف أوبن آي آي حوالي 12 مليون دولار لتدريب نموذج جي بي تي-3، وارتفع التكلفة إلى 100 مليون دولار لتدريب نموذج جي بي تي-4. وفقًا لتقرير من سيمي أناليسيس، تحتاج أوبن آي آي إلى حوالي 3617 خادم إتش جي إكس إيه 100، بإجمالي 28,936 وحدة معالجة رسومات، لدعم تشات جي بي تي، مما يجعل التكلفة المتوسطة لكل استعلام حوالي 0.36 دولار. مع هذه التكاليف العالية في الاعتبار، سام ألتمان، الرئيس التنفيذي لأوبن آي آي، يبحث عن استثمارات كبيرة لبناء شبكة عالمية من مصانع تصنيع رقائق الذكاء الاصطناعي، وفقًا لتقرير بلومبرغ.

استخدام السيطرة والابتكار

الرقائق المخصصة للذكاء الاصطناعي من شركات خارجية غالبًا ما تأتي مع قيود. الشركات التي تعتمد على هذه الرقائق قد تجد نفسها مقيدة بالحلول الجاهزة التي لا تتوافق تمامًا مع نماذج أو تطبيقات الذكاء الاصطناعي الفريدة. التطوير الداخلي للرقائق المخصصة يسمح بالتخصيص المعدل للاستخدامات المحددة. سواء كان ذلك لسيارات ذاتية القيادة أو أجهزة محمولة، السيطرة على العتاد تمكن الشركات من الاستفادة الكاملة من خوارزميات الذكاء الاصطناعي. الرقائق المخصصة يمكن أن تعزز المهام المحددة، وتقلل من التأخير، وتحسن الأداء العام.

أحدث التطورات في تطوير رقائق الذكاء الاصطناعي

هذا القسم يغوص في أحدث الإنجازات التي حققها جوجل وميتا وأمازون في بناء تقنية رقائق الذكاء الاصطناعي.

معالجات أكسيون من جوجل

جوجل تقدمت بشكل مطرد في مجال تقنية رقائق الذكاء الاصطناعي منذ إدخال وحدة معالجة التنسور في عام 2015. بناءً على هذا الأساس، جوجل أطلقت مؤخرًا معالجات أكسيون، وهي معالجات ذكاء اصطناعي مخصصة مصممة خصيصًا لمراكز البيانات وعمليات الذكاء الاصطناعي. هذه المعالجات تعتمد على هيكل أرم، المعروف بكفاءته وتصميمه المدمج. معالجات أكسيون تهدف إلى تحسين كفاءة التدريب والاستدلال القائم على المعالجات، مع الحفاظ على كفاءة الطاقة. هذا التقدم أيضًا ي代表 تحسنًا كبيرًا في الأداء لمجموعة من عمليات العمل العامة، بما في ذلك خوادم الويب وتطبيقات الحاويات، والقواعد البيانية المفتوحة، وآلات الذاكرة، ومحركات تحليل البيانات، ومعالجة الوسائط، وغيرها.

مسرع ميتا للتدريب والاستدلال

ميتا تتقدم في تقنية رقائق الذكاء الاصطناعي مع مسرعها للتدريب والاستدلال. هذا الأداة مصممة لتعزيز كفاءة عمليات التدريب والاستدلال، خاصة لخوارزميات الترتيب والتوصية. مؤخرًا، ميتا وضحت كيف أن مسرعها للتدريب والاستدلال هو جزء أساسي من استراتيجيتها لتعزيز بنية تحتية للذكاء الاصطناعي أبعد من وحدات معالجة الرسومات. كان من المخطط إطلاقه في عام 2025، ولكن ميتا قد وضعت بالفعل كلا الإصدارين من مسرعها للتدريب والاستدلال في الإنتاج، مما يظهر وتيرة أسرع في خططها لتطوير الرقائق. في الوقت الحالي، يركز مسرع ميتا للتدريب والاستدلال على التدريب لبعض أنواع الخوارزميات، ولكن ميتا تهدف إلى توسيع استخدامها لتشمل التدريب على الذكاء الاصطناعي التوليدي، مثل نماذج لاما للغة.

ترينيوم وإنفيرينشيا من أمازون

منذ إدخال رقاقة نيترو المخصصة في عام 2013، أمازون توسعت بشكل كبير في تطوير رقائق الذكاء الاصطناعي. الشركة كشفت مؤخرًا عن رقائق الذكاء الاصطناعي المبتكرة، ترينيوم وإنفيرينشيا. ترينيوم مصمم لتعزيز تدريب نموذج الذكاء الاصطناعي ويتم تضمينه في مجاميع إيك 2 ألترا كلستر. هذه المجاميع، التي يمكن أن تستضيف ما يصل إلى 100,000 رقاقة، يتم تحسينها لتدريب نماذج أساسية وكبيرة للغة بطريقة كفاءة في استهلاك الطاقة. إنفيرينشيا، من ناحية أخرى، مصممة لمهام الاستدلال حيث يتم تطبيق نماذج الذكاء الاصطناعي بشكل فعال، مع التركيز على تقليل التأخير والتكاليف أثناء الاستدلال لخدمة احتياجات ملايين المستخدمين الذين يتفاعلون مع خدمات الذكاء الاصطناعي.

الخلاصة

الحركة نحو التطوير الداخلي للرقائق المخصصة للذكاء الاصطناعي من قبل شركات كبيرة مثل جوجل ومايكروسوفت وأمازون تعكس تحولًا استراتيجيًا للتعامل مع المتطلبات الحسابية المتزايدة لتكنولوجيا الذكاء الاصطناعي. هذا الاتجاه يبرز ضرورة وجود حلول مخصصة لدعم نماذج الذكاء الاصطناعي بكفاءة، وتلبية احتياجات هذه الأنظمة المتقدمة. مع استمرار نمو الطلب على الرقائق المخصصة للذكاء الاصطناعي، من المرجح أن تشهد شركات مثل نيفيديا زيادة كبيرة في قيمة السوق، مما يؤكد على الدور الحاسم الذي تلعبه الرقائق المخصصة في تعزيز ابتكارات الذكاء الاصطناعي. من خلال إنشاء رقائقها الخاصة، هذه الشركات التكنولوجية الكبيرة لا تحسن فقط أداء وأنظمة الذكاء الاصطناعي، ولكن أيضًا تعزز مستقبلًا أكثر استدامة وتكلفة فعالة.