تُغلق Sparxity جولة تمويل من الفئة أ، لترتفع حصيلة التمويل الإجمالية إلى 90 مليون دولار للحوسبة المتناثرة بالذكاء الاصطناعي

أغلقت Sparxity، شركة الحوسبة التي تتخذ من دريسدن مقرًا لها، وكانت تُعرف سابقًا باسم SpiNNcloud، جولة تمويل من الفئة أ رفعت إجمالي التمويل الذي حصل عليه فريقها إلى 90 مليون دولار. وسيدعم الاستثمار تطوير شرائح متخصصة صُممت للتعامل مع التناثر الديناميكي الدقيق، وهو نهج يركّز عمليات الذكاء الاصطناعي على أجزاء النموذج اللازمة لكل مهمة.

قاد الجولة ICM HPQC Fund، وشارك فيها مستثمرون منهم Lockheed Martin Ventures وGlobalFoundries وGS Futures وCloudberry Ventures وTGFS وEIC Fund. ومن بين المستثمرين الملائكيين Richard Socher وNancy Xu، إلى جانب استمرار الدعم من Atlantic وSilicon Catalyst. ولم تفصح Sparxity عن قيمة جولة التمويل من الفئة أ على نحو منفصل عن إجمالي التمويل التراكمي.

تتمثل طموحات الشركة في جعل تشغيل نماذج الذكاء الاصطناعي المتزايدة التناثر على نطاق واسع أمرًا عمليًا. وتستهدف الأجهزة من الجيل التالي تسريع الاستدلال بما يصل إلى 44 مرة في النماذج شديدة التناثر، استنادًا إلى نشاط تجاري قائم في أنظمة الحوسبة المتناثرة.

لماذا تحتاج النماذج المتناثرة إلى أجهزة مختلفة

تُجرى في الشبكات العصبية الكثيفة عمليات حسابية كبيرة على مجموعة واسعة من المعلمات. أما البنى المتناثرة، فتُفعّل أجزاءً محددة من النموذج، ما قد يزيد قدرته الإجمالية من دون الحاجة إلى مشاركة كل معلمة في كل عملية حسابية.

يصعب تحقيق هذه الفائدة عندما يكون الاختيار دقيقًا للغاية ويتغير بحسب المدخلات. إذ يتعين على الأجهزة توجيه المهام إلى الموارد المناسبة ونقل البيانات ذات الصلة بكفاءة. ولا يفيد تجنب العمليات الحسابية إلا إذا لم تُلغِ تكلفة تحديد المهام المتبقية وجدولتها ونقلها المكاسب الناتجة عن ذلك.

يعرض Sparxity في نظرة عامة على تقنيتها بنيةً مصممة لمعالجة هذه المشكلة، مشيرًا إلى اختيار أكثر دقة بين الخبراء والذاكرة والانتباه. وتطوّر الشركة الشرائح والبرمجيات معًا، كي يتمكن مطوّرو النماذج من استخدام البنى المتناثرة التي يصعب تنفيذها بكفاءة على الأجهزة المصممة أساسًا للحوسبة الكثيفة.

قال Hector Gonzalez، الشريك المؤسس والرئيس التنفيذي لشركة Sparxity: «لن يتحدد عصر الذكاء الاصطناعي المقبل بكمية القدرة الحاسوبية التي يمكننا توفيرها فحسب، بل أيضًا بمدى ذكاء استخدامها وكفاءتها». وأضاف أن التمويل سيسرّع تطوير السيليكون المخصص لأعباء العمل شديدة التناثر في مراكز البيانات غير المتجانسة.

من ملايين الخبراء إلى الحوسبة الانتقائية

أحد المسارات البحثية التي تقوم عليها الاستراتيجية هو PEER، أي استرجاع الخبراء بكفاءة في استخدام المعلمات. في مزيج من مليون خبير، وصف الباحث Xu Owen He طبقة تسترجع مجموعة صغيرة من مجموعة تضم أكثر من مليون خبير صغير. واختبرت تجارب على مهام نمذجة اللغة كيف يغيّر هذا النهج العلاقة بين أداء النموذج والتكلفة الحاسوبية.

تقوم الفكرة على توسيع نطاق ما يمكن للنموذج الاستفادة منه، من دون معالجة المخزون بأكمله لكل مُدخل. ويتطلب تحويل هذه الكفاءة على مستوى النموذج إلى خفض زمن الاستجابة واستهلاك الطاقة نظامًا قادرًا على التعامل مع المهام الدقيقة الناتجة عن ذلك.

وقال He، الباحث السابق في Google DeepMind والمستشار الاستراتيجي لدى Sparxity، إن التصميم المشترك للنماذج وخطوط تقطيرها والأجهزة، مع مراعاة التناثر، يمكن أن يفتح المجال لمزيد من الكفاءة الحاسوبية. وهذا هو الترابط الذي يُراد للتمويل الجديد تطويره: نماذج تختار بمزيد من الانتقائية، تقترن بأجهزة قادرة على تنفيذ تلك الاختيارات.

قاعدة تجارية قائمة قبل الشريحة المقبلة

تقول Sparxity إن قاعدة أعمالها تشمل إرسال ثلاثة تصاميم للشرائح إلى التصنيع، وإنتاج أكثر من 70,000 شريحة، ونشر 12 خزانة. وتفيد بأن لديها أكثر من 30 عميلًا حول العالم، وأن إيراداتها تضاعفت أربع مرات بين عامي 2024 و2025، مع استمرار الزخم في عام 2026.

تخدم أنظمتها الحالية كلاً من الحوسبة عالية الأداء والذكاء الاصطناعي. وتفيد الشركة بأن حلولها للأنظمة المتناثرة أسرع بعشرة أضعاف، وأن استهلاك الطاقة في التعلم الآلي القائم على الأحداث أقل بـ18 مرة، وأن أزمنة تنفيذ التحسين أقصر بـ20 مرة في أعباء عمل مختارة. وتتعلق هذه النتائج بتطبيقات محددة على أنظمتها الحالية؛ أما رقم تسريع الاستدلال بما يصل إلى 44 مرة فهو هدف للتقنيات من الجيل التالي في النماذج شديدة التناثر.

وهذا التمييز محوري في قصة التمويل. فشركة Sparxity تصنّع الأنظمة وتنشرها بالفعل، في حين يدعم التمويل من الفئة أ خطوة إضافية نحو تطوير أجهزة مصممة خصيصًا للتناثر الديناميكي في استدلال الذكاء الاصطناعي.

يقدّم مركز يوليش للحوسبة الفائقة مثالًا ملموسًا على نشر النظام

يصف مركز يوليش للحوسبة الفائقة بشكل مستقل نظامًا من وحدتي رفّ من SpiNNaker2، طورته Sparxity وأطلقت عليه اسم JUBIS، ورُكّب في أبريل 2026. ويتألف النظام من 4,320 شريحة و656,640 نواة ARM مزوّدة بمسرّعات عصبية الشكل.

يدعم JUBIS مشروع الحاسوب الفائق القائم على الأحداث للذكاء الاصطناعي وما بعده التابع لمركز يوليش، والذي يستكشف الذكاء الاصطناعي في الزمن الحقيقي، ومحاكاة علوم الأعصاب، وأعباء عمل أخرى مثل محاكاة الحواسيب الكمومية. ويشمل المشروع أيضًا قياس الأداء، وإعداد نماذج أولية للتطبيقات، وتطوير البرمجيات لجعل النظام مفيدًا ضمن بيئة أوسع للحوسبة عالية الأداء.

يوضح هذا النشر أن تصميم بنية حوسبة يتطلب أكثر من مجرد مواصفات شريحة. يحتاج الباحثون إلى أدوات وواجهات وطريقة لدمج النظام في أعمالهم الحالية. ويمتد نهج Sparxity المتكامل من السيليكون المصمم حسب الطلب إلى التركيبات التي تضم رفوفًا متعددة.

مسار إلى مراكز البيانات الأوروبية

تعمل Sparxity أيضًا مع T-Systems على مسار محتمل لدخول مراكز البيانات التجارية. ويوضح إعلان Deutsche Telekom الصادر في 3 نوفمبر توقيع خطاب نوايا لدمج تقنية Sparxity مع البنية التحتية لدى T-Systems وخبرتها التشغيلية.

تبدأ الخطة باستخدام الأجهزة الحالية لتطوير أساليب الدمج التقني، ثم نشر رقائق الجيل التالي، المقرر طرحها في عام 2028. ويتوقع الشركاء الاتفاق على مزيد من التفاصيل خلال الأشهر المقبلة.

يدعم التمويل الجديد انتقال Sparxity من إثبات جدوى الحوسبة المتناثرة في الأنظمة المتخصصة إلى الاضطلاع بدور أكبر في البنية التحتية للذكاء الاصطناعي. وتقوم رؤيتها على أن المكاسب المستقبلية ستتحقق عبر تقليل العمل غير الضروري، وتصميم الأجهزة والبرمجيات والنماذج معًا، بحيث تتحول هذه الوفورات إلى أداء مفيد.