منظومة الحوسبة
من السيليكون إلى النموذج
يتطلب تدريب النماذج الرائدة وتشغيلها منظومة متناسقة — مسرّعات، وذاكرة، ووصلات بينية، وشبكات، وبرمجيات تدريب موزّع — على نطاق لا يلمسه معظم المهندسين مباشرة. يجب أن تتصرف عناقيد من عشرات الآلاف إلى مئات الآلاف من المسرّعات كأنها آلة واحدة: تشغيل التدريب الرائد عملية حسابية واحدة متزامنة بإحكام موزّعة على مبنى كامل. وفهم هذه المنظومة يفسّر اقتصاديات النماذج من المبادئ الأولى — لماذا تكلّف تشغيلات التدريب ما تكلّفه، ولماذا تستمر أسعار الاستدلال (Inference) في الانخفاض، ولماذا توجد بعض القدرات خلف واجهات API السحابية فقط، ولماذا انتقل قيد الصناعة من إمداد الرقائق نحو الطاقة والتبريد وبناء مراكز البيانات (Data centers). كما يفسّر السلوك الاستراتيجي لكل لاعب كبير: من يسيطر على المنظومة يسيطر على هامش الربح.
- التشغيل الرائد عملية حسابية واحدة متزامنة عبر مركز بيانات كامل
- المسرّعات والذاكرة والوصلات البينية والبرمجيات يشكّل كلٌّ منها عنق زجاجة عند نطاقات مختلفة
- انضمت الطاقة وسعة مراكز البيانات إلى الرقائق كقيود من الدرجة الأولى
NVIDIA Blackwell: الخزانة هي الوحدة
يمثّل جيل Blackwell من NVIDIA — رقائق B200، وأنظمة GB200/GB300 التي تقرنها بمعالجات Grace — تحولًا في ماهية المنتج الفعلي. فالعرض الرئيسي ليس رقاقة بل خزانة (Rack): يربط GB200 NVL72 اثنتين وسبعين وحدة GPU من Blackwell عبر NVLink في ما يمكن للبرمجيات أن تعامله كمسرّع واحد هائل بنطاق ذاكرة سريعة موحّد. يوجد هذا التصميم لأن النماذج الرائدة لا تتسع لأي جهاز منفرد؛ فالنموذج مجزّأ عبر وحدات GPU كثيرة، وسرعة تبادل هذه الأجزاء للبيانات تحكم كل شيء. وتركيز Blackwell على الصيغ منخفضة الدقة (حتى FP4 للاستدلال) يعكس أين صار المال الآن: تشغيل النماذج بتكلفة منخفضة وبأحجام كبيرة، لا تدريبها فحسب. والخندق الحقيقي لـ NVIDIA هو CUDA ومنظومة الشبكات بقدر ما هو السيليكون نفسه — فتغيير المورّد يعني إعادة كتابة طبقة البرمجيات، ولهذا تتحرك المنظومة ببطء حتى حين تبدو البدائل منافسة على الورق.
- GB200 NVL72: اثنتان وسبعون وحدة GPU في نطاق NVLink واحد — الخزانة كمسرّع منطقي واحد
- صيغ الاستدلال منخفضة الدقة (FP8/FP4) تستهدف اقتصاديات التشغيل، لا سرعة التدريب فحسب
- الارتباط بـ CUDA ومنظومة الشبكات، لا عمليات FLOPS الخام، هو ما يحفظ مكانة NVIDIA
وحدات TPU واتجاه السيليكون المخصّص
سلسلة TPU من Google هي أطول دليل قائم على أن مزوّدي الحوسبة السحابية الكبار يستطيعون الإفلات من «ضريبة NVIDIA». يستهدف TPU v6e (Trillium) التدريب والتشغيل بكفاءة؛ ويتميّز v7 (Ironwood) بأنه صُمّم والاستدلال هدف من الدرجة الأولى — وهي إشارة إلى حيث تحوّل الطلب على الحوسبة في السوق. تربط حجرات TPU آلاف الرقائق عبر الوصلات البصرية الخاصة بـ Google، وتدرّب Google عائلة Gemini بالكامل عليها. والمنطق نفسه يدفع كل مشترٍ كبير نحو السيليكون المخصّص: Trainium من Amazon يدعم عناقيد تدريب بحجم Anthropic، وMTIA من Meta يخدم أحمال الاستدلال الداخلية. الدافع هو هامش الربح وأمن الإمداد لا هزيمة NVIDIA صراحةً — فالمسرّع الذي يحتاج فقط إلى تشغيل أحمالك جيدًا يمكنه مقايضة العمومية بالتكلفة. والعاقبة للبُناة غير مباشرة لكنها حقيقية: تنوّع السيليكون أداة ضغط على الأسعار، ومنظومات التشغيل تخفي العتاد خلف واجهة API بشكل متزايد.
- TPU v6e Trillium و v7 Ironwood — تصميم Ironwood الموجّه للاستدلال أولًا يواكب تحوّل السوق
- Trainium (Amazon) و MTIA (Meta): سيليكون مخصّص من أجل هامش الربح وأمن الإمداد
- التكامل الرأسي — رقاقة خاصة، ووصلات خاصة، ونماذج خاصة — هو نمط مزوّدي الحوسبة السحابية الكبار
لماذا يهيمن عرض نطاق الذاكرة والوصلات البينية
الحقيقة المخالفة للحدس في عتاد الذكاء الاصطناعي الحديث: الحوسبة الخام نادرًا ما تكون عنق الزجاجة. استدلال النماذج اللغوية الكبيرة محكوم بالذاكرة — فتوليد كل رمز يتطلب تمرير أوزان النموذج وذاكرة KV المؤقتة (KV cache) عبر الرقاقة، لذا يتبع عدد الرموز في الثانية عرض نطاق الذاكرة لا عمليات FLOPS. ولهذا يبدأ كل جيل من المسرّعات بأرقام سعة HBM (الذاكرة عالية عرض النطاق) وعرض نطاقها، ولهذا يُعد إمداد HBM من أضيق قيود الصناعة. وعلى نطاق العنقود يتكرر المنطق نفسه بمستوى أعلى: تعتمد إنتاجية (Throughput) التدريب على سرعة تبادل آلاف الرقائق للتدرّجات والتنشيطات، مما يجعل NVLink والنسيج الشبكي من فئة InfiniBand والوصلات البصرية هي المميّزات الحقيقية. اقرأ أي إعلان عن عتاد بهذه العدسة — أرقام الذاكرة والوصلات البينية تخبرك أكثر من أرقام الحوسبة — ولاحظ أن التقنيات التي ستقابلها لاحقًا (التكميم، وإدارة ذاكرة KV المؤقتة، والتجميع في دفعات) كلها هجمات على عنق زجاجة الذاكرة.
- توليد الرموز يمرّر الأوزان عبر الذاكرة في كل خطوة — عرض النطاق يحدد سقف السرعة
- سعة HBM وإمدادها قيود من الدرجة الأولى على الصناعة كلها
- الوصلات البينية على نطاق العنقود تحدد هل تتصرف عشرة آلاف رقاقة كآلة واحدة
- التكميم والتخزين المؤقت لـ KV تحسينات لعرض نطاق الذاكرة في ثوب برمجي
كيف ينطبق هذا عليّ؟
لن تشتري هذه الرقائق أبدًا، لكن منظومة الحوسبة تفسّر سوق الذكاء الاصطناعي الذي تعيش فيه: لماذا تتركز القدرة في شركات قليلة، ولماذا تستمر الأسعار في الانخفاض، ولماذا يضيق توافر الذكاء الاصطناعي أحيانًا.
- تركّز الذكاء الاصطناعي الرائد قصة حوسبة — قلة من المؤسسات تستطيع تمويل هذه العناقيد وتزويدها بالطاقة
- انخفاض أسعار الذكاء الاصطناعي يعود في معظمه إلى كفاءة العتاد والتشغيل، لا إلى كرم المورّدين
- طاقة مراكز البيانات وتبريدها هما الآن حدود النمو العملية للصناعة
الإلمام بمنظومة الحوسبة يمكّنك من محاورة فرق البنية التحتية والمشتريات بثقة، ويؤسّس قرار الاستضافة المحلية مقابل السحابة على الفيزياء والاقتصاد لا على التفضيل الشخصي.
- الذكاء الاصطناعي المحلي على النطاق الرائد نادرًا ما يكون واقعيًا — فأنظمة الخزانات والطاقة والتبريد مشاريع مراكز بيانات؛ قيّم بدلًا من ذلك السحابة الخاصة أو خيارات الاستضافة المخصّصة لمستأجر واحد
- اسأل عن العتاد والدقة اللذين يشغّل عليهما المورّد — فعمليات النشر المكمَّمة قد تتصرف بشكل مختلف عن النموذج كامل الدقة الذي جرى تقييمه
- تركّز الإمداد (المسرّعات و HBM) سؤال مشروع عن مخاطر المورّدين واستمرارية الأعمال في المراجعات الأمنية
أنت ترث هذه المنظومة عبر تسعير واجهات API وزمن الاستجابة. ومعرفة أن الاستدلال محكوم بالذاكرة تفسّر معظم نصائح التحسين التي ستصادفها وتساعدك على توقّع سلوك التكلفة.
- حدس زمن الاستجابة: الوقت حتى أول رمز تحكمه الحوسبة والطابور؛ وعدد الرموز في الثانية بعده يحكمه عرض نطاق الذاكرة
- التخزين المؤقت للتعليمات (Prompt caching) والتجميع في دفعات موجودان بسبب عنق زجاجة الذاكرة — صمّم تعليماتك لتستفيد منهما
- انخفاضات الأسعار المدفوعة بالعتاد متكررة — أعد النظر في قرارات البناء مقابل الشراء واختيار فئة النموذج سنويًا على الأقل
منظومة الحوسبة تضع الحد الأدنى تحت كل نموذج للتكلفة الإجمالية للملكية (TCO) والسقف فوق كل طموح للاستضافة الذاتية. والعملاء يسيئون تقدير الاثنين باستمرار دون هذا السياق.
- تحدَّ خطط الاستضافة الذاتية بالتكلفة الكاملة للمنظومة — المسرّعات والوصلات البينية والطاقة والفريق اللازم لتشغيلها، لا أسعار GPU المعلنة فقط
- أدخل انخفاض تكلفة الوحدة في التوقعات متعددة السنوات — التسعير الثابت لكل رمز يبالغ في تقدير الإنفاق المستقبلي
- المنافسة بين مزوّدي السحابة في السيليكون المخصّص ورقة تفاوض في عقود الذكاء الاصطناعي للمؤسسات