نماذج ومنصات الذكاء الاصطناعي

تفتتح Vertiv مختبر ATLAS لاختبار البنية التحتية للذكاء الاصطناعي قبل وصول الرقائق

Theo Nash
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتختبر Vertiv الطاقة والتبريد وأدوات التحكم كنظام واحد لكشف أخطاء التكامل قبل مواقع…
عرض المزيد
  • تختبر Vertiv الطاقة والتبريد وأدوات التحكم كنظام واحد لكشف أخطاء التكامل قبل مواقع العملاء.
  • تتيح أحمال عمل NVIDIA المحاكاة للمهندسين اختبار البنية التحتية قبل وجود أنظمة الحوسبة الإنتاجية المطابقة.
  • قد يصبح النموذج المعتمد مرجعاً تصميماً للحرم الجامعي يوفر على كل عملية نشر هندسة جديدة.

أعلنت Vertiv في 16 نوفمبر 2026 أن مختبر ATLAS سيختبر أنظمة الطاقة والتبريد والتحكم وتقنية المعلومات في مصنع للذكاء الاصطناعي بوصفها منظومة متكاملة، مستخدماً أحمال حوسبة من NVIDIA مُحاكاة قبل وصول أنظمة الإنتاج إلى السوق. والهدف هو كشف مشكلات التكامل أثناء العمل الهندسي بدلاً من اكتشافها في موقع العميل.

يرمز ATLAS إلى مختبر الاختبار المتقدم للهندسة المعمارية والأنظمة. وعقد قادة الهندسة في Vertiv وNVIDIA مراسم قص الشريط وجلسات عمل تقنية في 6 نوفمبر 2026، انتقلوا خلالها من متطلبات الهندسة المعمارية والمحاكاة الرقمية إلى تقييم كيفية تفاعل أنظمة الطاقة والتبريد السائل والتحكم وأحمال عمل الذكاء الاصطناعي المُحاكاة معاً.

يعالج المختبر فجوة في أساليب التحقق من صحة الأنظمة: إذ تُقيَّم معدات البنية التحتية عادةً منتجاً تلو الآخر، بينما يعمل مصنع الذكاء الاصطناعي كنظام مترابط. وتحدد Vertiv خمسة ضغوط: الكثافة والسرعة والنطاق والتعقيد وأنماط الأحمال الديناميكية. وقد يعزز بعضها بعضاً، لذا فإن معالجة أحدها بمعزل عن غيره قد تنقل موضع الاختناق إلى جزء آخر من المنشأة.

اختبار منظومة متكاملة لمصنع ذكاء اصطناعي

تمثل المنشأة الفعلية وحدة واحدة من مصنع للذكاء الاصطناعي، تضم معدات الكهرباء والأنظمة الحرارية والتحكم وتقنية المعلومات في بيئة واحدة. وتقول Vertiv إن محاكاة أحمال العمل لديها تعيد إنتاج سلوك الطاقة والحرارة في بنيات الحوسبة المسرّعة الحالية والمستقبلية من NVIDIA، ما يتيح للمهندسين اختبار استجابات البنية التحتية قبل أن تصبح أنظمة الحوسبة الإنتاجية المقابلة متاحة تجارياً.

يستخدم المهندسون أولاً المحاكاة واختبارات الشكل والملاءمة لتقييم مخاطر التصميم. ثم يحاكون أحمال الحوسبة المستقبلية ويختبرون أنظمة الطاقة والتبريد معاً تحت الضغط، فيما تستجيب أنظمة التحكم المنسقة للتقلبات السريعة والمتزامنة في أحمال عمل الذكاء الاصطناعي. ويبدأ نطاق الاختبارات عند نقطة الاتصال بالشبكة الكهربائية، ويمتد إلى الرف، ويتتبع الحرارة من التبريد السائل على مستوى الرقاقة إلى تصريفها وإعادة استخدامها.

تقول Vertiv إن التصميم الذي جرى التحقق من صحته على مستوى الوحدة يمكن أن يصبح تصميماً مرجعياً لمجمع، ما يلغي الحاجة إلى إعادة تصميم البنية التحتية لكل عملية نشر. وهذا يجعل الوحدة أكثر من مجرد منصة لاختبار الأجهزة؛ إذ يُراد لها أن ترسي أساساً تقنياً قابلاً للتكرار لمشروعات العملاء.

محاكاة NVIDIA DSX والاختبارات المادية

يجمع ATLAS هذه الاختبارات المادية مع المحاكاة وسير عمل التوائم الرقمية في منصة NVIDIA DSX لمصانع الذكاء الاصطناعي، باستخدام مكتبات Omniverse وDSX Sim وأصول SimReady. وتضم النماذج أصول الطاقة والتبريد من Vertiv، بحيث يمكن تقييم تصاميم البنية التحتية قبل تنفيذها فعلياً، مع الاسترشاد بمتطلبات مستمدة من التصاميم المرجعية لمصانع الذكاء الاصطناعي لدى NVIDIA.

تصف NVIDIA منصة DSX بأنها توحّد تقنيات التصميم والمحاكاة والعمليات وتقنيات منظومة الشركاء عبر الشبكة الكهربائية والمنشآت والرقائق وبرمجيات البنية التحتية وأنظمة الشركاء. وتختص DSX Sim بنمذجة المنشأة والبنية التحتية وأنظمة تقنية المعلومات معاً قبل بدء الإنشاء. وفي ATLAS، تُقرن هذه الأدوات الرقمية بأعمال التكامل المادي التي تشمل هندسة أنظمة الطاقة والتبريد السائل والتحكم.

التكامل بين الموردين

تقدم Vertiv المختبر بوصفه بيئة مشتركة لمصنّعي الرقائق، وصانعي الخوادم وأنظمة الرفوف، ومزودي الطاقة والتبريد، وشركات المرافق ومشغليها. وتلتقي تقنياتهم عند واجهات مشتركة، حيث يمكن لمشكلات التكامل أن تؤثر في التصميم والنشر والتشغيل. وتوفر بيئة الاختبار المشتركة أساساً تقنياً مشتركاً تستند إليه هذه الجهات في اتخاذ القرارات المتعلقة بالرقائق والرفوف والمنشآت والشبكة الكهربائية.

قال الرئيس التنفيذي لشركة Vertiv، جيوردانو ألبيرتاتزي، إن ATLAS يتيح للشركة «إثبات صلاحية الهندسة المعمارية المتكاملة قبل أن يلتزم العميل برصد رأس المال لبنائها». وقال فلاديمير تروي، نائب رئيس البنية التحتية للذكاء الاصطناعي في NVIDIA، إن التحقق من صحة الأنظمة في مرحلة مبكرة قد يساعد على حل تحديات البنية التحتية قبل وصول أنظمة الحوسبة.

تتمثل الغاية المعلنة للشركتين في تقليص الوقت اللازم لإنتاج الرمز الأول وتحويل القدرة المتاحة، المقاسة بالميغاواط، إلى حوسبة منتجة في وقت أقرب. لذا، تكمن الأهمية التجارية في قابلية تكرار التجربة: أي في معرفة ما إذا كان بالإمكان الاستناد إلى وحدة جرى التحقق من صحتها لتصميم مجمع واسع النطاق يقلل أعمال التكامل المنفذة لكل موقع على حدة، ويوفر نقطة انطلاق مختبرة للنشر.

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.