كشفت شركة Nvidia خلال مؤتمرها السنوي GTC عن توجه جديد يعكس تغيرًا مهمًا في أولويات صناعة الذكاء الاصطناعي، حيث أعلنت عن نظام يعتمد على تقنيات شركة Groq المتخصصة في تسريع تشغيل النماذج، في خطوة تستهدف تحسين أداء ما يعرف بعمليات Inference أي تشغيل النماذج بعد تدريبها.
التحرك يأتي في وقت بدأت فيه الشركات تدرك أن التحدي الأكبر لم يعد في تدريب النماذج، بل في تشغيلها بكفاءة على نطاق واسع، خاصة مع الانتشار السريع لتطبيقات الذكاء الاصطناعي مثل المساعدات الذكية وأنظمة البحث التوليدي.
من تدريب النماذج إلى تشغيلها: نقطة التحول في السوق
خلال السنوات الماضية، ركزت شركات التكنولوجيا على تطوير نماذج أكبر وأكثر تعقيدًا، ما أدى إلى زيادة الطلب على قدرات التدريب باستخدام وحدات المعالجة الرسومية (GPU).
لكن مع انتقال الذكاء الاصطناعي إلى الاستخدام الفعلي داخل التطبيقات اليومية، أصبح الضغط الأكبر على مرحلة التشغيل، حيث يتم تنفيذ ملايين العمليات يوميًا لكل نموذج، ما يرفع من تكلفة البنية التحتية ويجعل الكفاءة التشغيلية عاملًا حاسمًا.
هذا التحول هو ما يدفع شركات مثل Nvidia إلى إعادة توجيه استثماراتها نحو تقنيات تسرّع عمليات التشغيل وتقلل تكلفتها.
لماذا تعتمد Nvidia على Groq؟
تعتمد Nvidia في نظامها الجديد على تقنيات شركة Groq، التي طورت نوعًا مختلفًا من المعالجات مصمم خصيصًا لتشغيل نماذج الذكاء الاصطناعي بسرعة عالية.
وتتميز هذه التقنية بقدرتها على تقليل زمن الاستجابة بشكل كبير، إلى جانب تحسين كفاءة المعالجة، وهو ما يجعلها مناسبة لتطبيقات تحتاج إلى استجابة فورية مثل:
- المساعدات الذكية
- أنظمة المحادثة
- تطبيقات البحث التوليدي
ويعكس هذا التوجه إدراك Nvidia أن مستقبل المنافسة في الذكاء الاصطناعي لن يكون فقط في قوة النماذج، بل في القدرة على تشغيلها بسرعة وبتكلفة أقل.
سوق ضخم مدفوع بمرحلة التشغيل
تتوقع Nvidia أن يصل حجم سوق رقائق الذكاء الاصطناعي إلى نحو تريليون دولار خلال السنوات المقبلة، مع توقع أن يأتي الجزء الأكبر من هذا النمو من الطلب على تشغيل النماذج وليس تدريبها.
ويرتبط ذلك بزيادة اعتماد الشركات على الذكاء الاصطناعي في العمليات اليومية، ما يعني تشغيلًا مستمرًا للنماذج، وبالتالي زيادة الطلب على حلول أكثر كفاءة.
المنافسة تنتقل إلى طبقة البنية التحتية
تحرك Nvidia يأتي أيضًا في ظل تصاعد المنافسة من شركات متخصصة في تطوير شرائح موجهة لعمليات التشغيل، مثل Groq وCerebras، التي تسعى لتقديم بدائل أكثر كفاءة من المعالجات التقليدية.
وفي هذا السياق، لم يعد التفوق في الذكاء الاصطناعي يعتمد فقط على تطوير النماذج، بل على التحكم في البنية التحتية التي تشغّل هذه النماذج.
خلاصة جولة
ما أعلنته Nvidia خلال GTC يعكس تحولًا أعمق في صناعة الذكاء الاصطناعي.
فبينما كان السباق في السنوات الماضية يدور حول بناء النماذج، أصبح التحدي الحقيقي اليوم في تشغيل هذه النماذج بكفاءة وعلى نطاق واسع.
وفي هذا التحول، قد تكون الشركات التي تسيطر على تقنيات التشغيل — وليس فقط التدريب — هي الأقدر على قيادة المرحلة القادمة من سوق الذكاء الاصطناعي.
