AWS تطلق Neuron Agentic Development لأتمتة تطوير نوى الذكاء الاصطناعي

قدّمت AWS أداة Neuron Agentic Development، وهي مجموعة من وكلاء الذكاء الاصطناعي والأدوات المتخصصة التي تؤتمت تطوير نوى الحوسبة وتحسينها لمسرّعات الذكاء الاصطناعي الخاصة بالشركة: Trainium وInferentia. وهذه الأدوات متاحة بالفعل للمطورين الذين يبنون بنية تحتية للتعلم الآلي (ML) على AWS.

لماذا تمثل النوى عنق الزجاجة؟

لا يقتصر تطوير تطبيق ذكاء اصطناعي فعّال على عتاد مخصص على بنية النموذج وجودة البيانات. فكي تستغل الشبكة العصبية قدرة مسرّع الذكاء الاصطناعي فعلياً، لا بد من نوى حوسبة (kernels)، وهي كتل برمجية منخفضة المستوى تتحكم في كيفية تنفيذ عمليات محددة فعلياً على الشريحة.

قبل ظهور Neuron Agentic Development، كانت هذه العملية يدوية بالكامل. فقد كان المهندسون يقضون أياماً وأسابيع في التحليل (profiling) وتعديل معاملات التبليط (tiling) والتوجيه الشعاعي (vectorization) والتوازي، ثم يعيدون قياس النتيجة من جديد. ويزداد الأمر كلفة مع العمليات غير القياسية التي لا تغطيها المكتبات الجاهزة، إذ تتطلب كل بنية نموذج جديدة دورة ضبط خبيرة مستقلة، والمتخصصون في هذا المجال قلّة في السوق.

كيف يعمل الوكلاء؟

لا يمثل Neuron Agentic Development وكيلاً واحداً، بل مجموعة من الوكلاء المتخصصين، يتولى كل منهم مرحلة محددة من دورة التطوير:

• تحليل الشيفرة المصدرية للنواة وتحديد اختناقات الأداء
• توليد عدة تطبيقات بديلة لكل عملية
• التحليل الآلي لأداء الخيارات مباشرة على شريحتي Trainium وInferentia
• التحسين المتكرر دون مشاركة المهندس في كل دورة قياس
• توثيق التحسينات المكتشفة بوصفها أنماطاً قابلة للتكرار وإعادة الاستخدام

ويتكامل الوكلاء مع AWS Neuron SDK، وهي الأدوات الرسمية لبرمجة هاتين الشريحتين. وهذا يعني أنهم يفهمون الخصائص العتادية لشريحتي Trainium وInferentia، ويولّدون شيفرة موجهة تحديداً لهاتين البنيتين، لا لطبقة تجريد عامة.

السياق الاستراتيجي: رهان ضد NVIDIA

تستثمر AWS منذ سنوات في Trainium وInferentia بوصفهما بديلاً عن وحدات معالجة الرسومات (GPU) من NVIDIA في مهام التعلم الآلي. فقد صُممت Trainium لتدريب النماذج الكبيرة، وInferentia للاستدلال (inference). وفي أعباء عمل معينة، تتفوقان اقتصادياً على A100 أو H100، لكن أمامهما عائقاً جوهرياً: البرمجة لهما أكثر تعقيداً.

لقد بُني منظومة NVIDIA المحيطة بـ CUDA وcuDNN ومكتبات مثل Flash Attention على مدى سنوات، ويشعر المطورون هناك بالثقة. وتحتاج AWS إلى وسيلة لتقليل الاحتكاك عند الانتقال، وهنا يمكن لوكلاء الذكاء الاصطناعي أن يؤدوا دوراً لم يكن يؤديه سابقاً سوى قلة من متخصصي التحسين العتادي.

ماذا يعني ذلك؟

يمثل Neuron Agentic Development محاولة لإزالة أحد أبرز العوائق أمام اتساع استخدام Trainium وInferentia. فإذا نجح الوكلاء في أداء المهمة عملياً، ينخفض حاجز الدخول، وتصبح شرائح AWS المخصصة متاحة لا للفرق الكبيرة ذات الخبرة العتادية العميقة فحسب، بل أيضاً للشركات التي ظلت على NVIDIA حتى الآن بحكم العادة وحدها.