Meta تشرح الفرق بين GPU وCPU وشرائح MTIA الخاصة بها في بنية AI التحتية

لماذا توضح ميتا العتاد

أطلقت ميتا سلسلة تعليمية بعنوان 'البنية التحتية المشروحة' — تشرح الشركة علنًا ما هي قوة الحوسبة وكيف تمكّن معالجات GPU و CPU والرقائق المخصصة MTIA الخاصة بها أنظمة الذكاء الاصطناعي من العمل بمقياس مليارات المستخدمين.

تندرج المبادرة ضمن استراتيجية أوسع للشفافية: تنشر ميتا بشكل متسق مواد عن كيفية عمل أنظمة الذكاء الاصطناعي الخاصة بها — من هندسة مراكز البيانات إلى مبادئ خوارزميات التوصيات.

قوة الحوسبة — مصطلح يُسمع بشكل متزايد في تصريحات الرؤساء التنفيذيين والتقارير الفصلية للمستثمرين، لكن نادراً ما يُشرح باللغة البسيطة لجمهور واسع. بالمعنى الأساسي، قوة الحوسبة هي السرعة الإجمالية التي ينفذ بها النظام العمليات الحسابية. كلما كانت أعلى، كان بإمكان تدريب نماذج أكثر تعقيداً وتعمل بشكل أسرع في الإنتاج.

بالنسبة لشركة الذكاء الاصطناعي، هذا هو الأساس حرفياً: بدون قوة حوسبة كافية، لا يمكن وجود نماذج جديدة ولا استجابات فورية للمستخدمين ولا تغذيات توصيات في الوقت الفعلي.

السياق في هذا النشر مهم: أكبر شركات التكنولوجيا في العالم تتنافس الآن بنشاط على قوة الحوسبة. تخطط ميتا لإنفاق 60–65 مليار دولار على البنية التحتية للذكاء الاصطناعي في عام 2025 فقط — لقد أصبح شرح السبب في الحاجة إلى مثل هذه المبالغ ضرورة.

ثلاثة أنواع من المعالجات في ترسانة ميتا

تبني ميتا البنية التحتية للذكاء الاصطناعي على مزيج من ثلاث معماريات، لكل منها دورها الخاص:

• GPU (معالجات الرسومات) — قوة العمل الرئيسية لتدريب الشبكات العصبية. تعالج آلاف النوى المتوازية عمليات حسابية مصفوفية تشكل أساس معظم خوارزميات الذكاء الاصطناعي. تم تدريب جميع إصدارات نموذج Llama المفتوح على معالجات GPU.
• CPU (معالجات مركزية) — تدير منطق النظام، وتنسق المهام، وتعالج البيانات التي لا تتطلب توازياً ضخماً.
• MTIA (معجل التدريب والاستدلال من ميتا) — رقاقة مخصصة خاصة بها، تم إنشاؤها خصيصاً لأحمال العمل في ميتا: أنظمة التوصيات، وتصنيف المحتوى على Facebook و Instagram، واستدلال نموذج Llama.

يسمح مزيج المعماريات الثلاث لميتا بتوزيع الحمل بشكل أمثل: عدم استخدام معالجات GPU مكلفة حيث تكفي وحدات المعالجة المركزية، ونشر MTIA حيث تكون السرعة المتخصصة مطلوبة مع استهلاك أقل للطاقة.

لماذا تبني ميتا رقائقها الخاصة

يخلق الاعتماد على الموردين الخارجيين — بشكل أساسي NVIDIA — مخاطر في سلسلة الإمداد ويحد من فرص التحسين الدقيق للمهام المحددة للشركة.

ظل سوق GPU يعمل في ظروف نقص حاد على مدار السنتين الماضيتين: امتدت قوائم الانتظار للسلسلة الجديدة Hopper و Blackwell لعدة أشهر.

علاوة على ذلك، يجب أن تدعم الرقائق ذات الأغراض العامة مجموعة واسعة من المهام، مما يعني حتماً مقايضات الأداء.

تم تصميم MTIA للنماذج المحددة وأنماط الحوسبة في ميتا، مما يوفر ميزة في الكفاءة وتكلفة التشغيل.

تسمح الرقاقة المملوكة لميتا بـ:

• تقليل تكلفة الاستدلال من خلال معمارية مخصصة لنماذج محددة؛
• تسريع تكرارات التطوير دون الاعتماد على خارطة طريق الشركات المصنعة الخارجية؛
• توسيع القدرة دون التنافس على الرقائق النادرة من الجهات الخارجية؛
• تحسين استهلاك الطاقة لخصائص أحمال العمل المحددة.

'نحن مقتنعون بأن هذا أحد أهم الاستثمارات التي نقوم بها في الوقت

الحالي'، قال مارك زوكربيرج، معلناً خطط استثمار 60–65 مليار دولار في البنية التحتية للذكاء الاصطناعي في عام 2025.

ما يعنيه هذا

المواد التعليمية من ميتا ليست مجرد علاقات عامة للشركة. تكسب الشركة التي يمكنها شرح الموضوعات المعقدة بطريقة سهلة الفهم على عدة جبهات: تجذب مواهب الهندسة، وتشكل السرد للمنظمين، وتقوي ثقة مطوري الشركاء.

للمستخدم العادي، تذكرهم هذه المواد: خلف كل استجابة مساعد الذكاء الاصطناعي أو توصية في الخلاصة تقف أطنان من الأجهزة المادية والمليارات من الدولارات في الاستثمارات.

بالنسبة للصناعة ككل، فهذا إشارة أوسع — السيليكون المخصص لم يعد امتيازاً حصرياً لشركة أبل أو جوجل: الآن تبني كل شركة ذكاء اصطناعي كبرى أجهزتها الخاصة، وستحدد قوتها من سيحدد الخطى في الجيل القادم من أنظمة الذكاء الاصطناعي.

*تم تصنيف ميتا كمنظمة إرهابية وممنوعة في روسيا.