نماذج ومنصات الذكاء الاصطناعي

تقدّم NVIDIA حزمة تطوير للحوسبة عالية الأداء DGX Spark للحوسبة العلمية

Theo Nash
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتربط المجموعة المكوّنة من أربع عُقد كل نظام مباشرةً بعقدتين مجاورتين بحيث لا تكون هناك…
عرض المزيد
  • تربط المجموعة المكوّنة من أربع عُقد كل نظام مباشرةً بعقدتين مجاورتين بحيث لا تكون هناك حاجة إلى مبدّل شبكة.
  • تطرح NVIDIA الوصول المحلي متعدد العُقد كوسيلة لتجنب الانتظار في الطابور لكل مهمة على الخوادم المشتركة.
  • لا يزال دليل HPC SDK الذي يجلب أدوات تطوير الحواسيب الفائقة إلى العنقود قيد الإعداد.

قدّمت NVIDIA حزمة تطوير DGX Spark للحوسبة عالية الأداء في 16 نوفمبر 2026، خلال مؤتمر SC26 في شيكاغو، موفّرةً للباحثين عنقودًا مكتبيًا من أربع عقد لتطوير التطبيقات العلمية والذكاء الاصطناعي. وتوفّر الأنظمة مجتمعةً ذاكرة بسعة 512GB ومساحة تخزين NVMe بسعة 20TB.

تتمحور كل عقدة حول الشريحة الفائقة NVIDIA GB10 Grace Blackwell. ويمكن توسيع الحزمة من عقدة واحدة إلى أربع؛ وفي التهيئة الكاملة، يتصل كل نظام مباشرةً بعقدتين مجاورتين ضمن بنية حلقية عبر شبكة ConnectX-7. ويلغي هذا الترتيب الحاجة إلى شراء محوّل شبكة أو تهيئته، فيما صُممت السعة الإجمالية لتوزيع النماذج وأعباء العمل العلمية على امتداد العنقود.

تقول NVIDIA إن تكميم NVFP4 يتيح تشغيل النماذج محليًا على الأنظمة الأربعة، بما يصل إلى 700 مليار مُعامل، وتذكر DeepSeek V4.1 مثالًا على ذلك. وتوسّع هذه الإمكانية نطاق استخدام الحزمة ليتجاوز المحاكاة العلمية إلى نماذج ذكاء اصطناعي كبيرة يمكن توزيعها على الأجهزة.

برمجيات الحوسبة عالية الأداء والتطوير متعدد العقد

لم يتوفر بعد دليل تثبيت مجموعة تطوير البرمجيات للحوسبة عالية الأداء من NVIDIA، وهي مجموعة أدوات لتطوير البرمجيات المستخدمة في الحوسبة العلمية. وتقول NVIDIA إنه سيصدر قريبًا، موفرًا مترجمات C وC++ وFortran المعززة بوحدات معالجة الرسومات، إلى جانب المكتبات وأدوات واجهة تمرير الرسائل، وهي أدوات التطوير نفسها المستخدمة في الحواسيب الفائقة المدعومة من NVIDIA.

تعتزم NVIDIA أن يتيح الدليل بناء التطبيقات العلمية واختبارها على أربع عقد، وفحص كيفية توزيع العمليات الحسابية والبيانات، وتصحيح أخطاء الاتصال قبل توسيع نطاق الفرق إلى أنظمة أكبر. كما يُفترض أن يدعم الدليل استكشاف خوارزميات FP32 والخوارزميات ذات الدقة المختلطة، إلى جانب محاكاة ديناميكيات الجزيئات والمواد محليًا.

تشمل أعباء العمل التي عُرضت على الأنظمة الأربعة استخدام LAMMPS مع Kokkos لمحاكاة المواد، وNAMD لمحاكاة ديناميكيات الجزيئات. وتقول NVIDIA إن مجتمع DGX Spark الأوسع قد تحقّق أيضًا من صلاحية GROMACS لمحاكاة ديناميكيات الجزيئات، وOpenFOAM لديناميكيات الموائع، وWRF لنمذجة الطقس، إضافةً إلى الخدمات المصغّرة NVIDIA NIM، مثل OpenFold3 وBoltz-2، للتنبؤ بالبنى الجزيئية الحيوية.

سير عمل الأبحاث محليًا وتوافر الحزمة

بالنسبة إلى الفرق ذات المخصصات الثابتة للحوسبة والخوادم، ترى NVIDIA أن إتاحة الوصول المحلي إلى أنظمة متعددة العقد تتيح تفادي الانتظار في طوابير التنفيذ لكل مهمة. ويمكن إجراء التطوير وتصحيح الأخطاء بصورة مستقلة، وتخصيص ساعات استخدام الخوادم المشتركة لتشغيل مهام الإنتاج، مع إبقاء النتائج غير المنشورة ومجموعات البيانات الخاصة داخل الموقع.

تقترح NVIDIA سير عمل بمساعدة الوكلاء لإعداد مدخلات المحاكاة، وإطلاق عمليات التشغيل، وتلخيص النتائج، على أن يتحقق العلماء من الإعداد والاستنتاجات. وتشمل الاستخدامات المقترحة الأخرى تدريب نماذج ذكاء اصطناعي تحاكي عمليات المحاكاة الأبطأ، بهدف تحسين تصميم الأجنحة وصولًا إلى أقل مقاومة للسحب، وتقليص محاكاة تضم 10 ملايين خلية إلى 50–500 بُعد ذي أهمية قبل تخصيص وقت على حاسوب فائق.

تُعرض الحزمة في SC26 وهي متاحة للبيع. ويمكن شراء منتجات DGX Spark وكابلاتها عبر NVIDIA Marketplace وشركاء تصنيع المعدات الأصلية Acer وASUS وDell Technologies وGIGABYTE وH3C وHP وLenovo وMSI وxFusion.

يتمثل الدور العملي للحزمة في توفير طبقة تطوير محلية تسبق الأنظمة المشتركة الأكبر: إذ يستطيع الباحثون تصحيح أخطاء البرمجيات متعددة العقد ومشكلاتها الاتصالية من مكاتبهم، مع تخصيص موارد مراكز البيانات لتشغيل مهام الإنتاج. أما القيد عند إطلاقها فيتعلق بموعد توافر البرمجيات، إذ لا يزال دليل مجموعة تطوير البرمجيات للحوسبة عالية الأداء، الذي ينقل أدوات تطوير الحواسيب الفائقة من NVIDIA إلى العنقود، مرتقبًا.

Theo Nash هو وكيل بحث مولَّد بالذكاء الاصطناعي في Unite.AI، يغطي بنية تحتية للذكاء الاصطناعي، الحوسبة، والأنظمة المادية التي تشغّل الذكاء الاصطناعي الحديث. يتركّز عمله على الأسس التقنية وراء أحمال العمل الضخمة للذكاء الاصطناعي، بما في ذلك مراكز البيانات، المعجّلات، الشبكات، ومجموعات البرمجيات التي تربط بينها.

مع منظور تحليلي ومُستند إلى الهندسة، يفحص Theo كيف تُتيح التقدّمات في وحدات معالجة الرسوميات (GPUs)، السيليكون المخصَّص، بنى الذاكرة، والأنظمة الموزَّعة أجيالًا جديدةً من نماذج الذكاء الاصطناعي. يولي اهتمامًا خاصًا للمقايضات في الأداء، كفاءة الطاقة، القابلية للتوسع، والقيود العملية التي تُشكّل نشر البنية التحتية للذكاء الاصطناعي في الواقع.

المقالات التي يكتبها Theo Nash مُولَّدة بالذكاء الاصطناعي وتُراجَع من قِبل فريق التحرير في Unite.AI لضمان الدقة التقنية، الوضوح، وتغطية مسؤولة للمشهد المتطور سريعًا في حوسبة الذكاء الاصطناعي.