Prometheus: خادم Majestic Labs بذاكرة 128 تيرابايت للذكاء الاصطناعي

تعمل شركة Majestic Labs، وهي شركة ناشئة في مجال عتاد الذكاء الاصطناعي، على تطوير خادم جديد للذكاء الاصطناعي باسم Prometheus، بسعة ذاكرة تصل إلى 128 تيرابايت. وهذه السعة تزيد على 60 ضعف سعة الخادم الرائد Nvidia DGX B300، أحد أقوى الأنظمة المتاحة تجاريًا في السوق لمعالجة أحمال الذكاء الاصطناعي. وبحسب ما نقلته IEEE Spectrum، تراهن الشركة على بنية معمارية مبنية بالكامل حول ذاكرة DRAM، سعيًا لحل ما يُعرف بـ«جدار الذاكرة» (memory wall)، وهو أحد أبرز القيود على أداء الاستدلال (inference) في النماذج اللغوية الكبيرة.

لماذا أصبحت الذاكرة عنق الزجاجة الرئيسي للذكاء الاصطناعي

• المنتج — خادم Prometheus من Majestic Labs
• سعة الذاكرة — حتى 128 تيرابايت
• المقارنة — أكثر من 60 ضعف ذاكرة Nvidia DGX B300
• البنية المعمارية — موحّدة وقائمة بالكامل على DRAM (وتحديدًا LPDDR6)، بخلاف الجمع بين HBM وDRAM لدى Nvidia
• الشخصية الرئيسية — Sha Rabii، المؤسس المشارك ورئيس Majestic Labs

وفقًا لورقة علمية مؤثرة تستند إليها IEEE Spectrum، فإن توليد الرموز (tokens) في النماذج اللغوية الكبيرة محدود بطبيعته بسرعة الذاكرة. فالسرعة التي ينتج بها النموذج النص تتحدد بمدى سرعة قراءة البيانات من الذاكرة، وفي مقدمتها أوزان النموذج، لا بمدى سرعة عمل وحدات الحوسبة. وكلما كبر النموذج، تفاقمت المشكلة، فينشأ «جدار الذاكرة» الذي يحدّ من أداء الاستدلال بغضّ النظر عن زيادة القدرة الحاسوبية للمعالجات. فمهما أضاف المهندسون من أنوية ووحدات Tensor، تظل سرعة إخراج النص رهينة بعرض النطاق الترددي للذاكرة وبسعتها المتاحة.

كيف تختلف بنية DRAM في Prometheus عن نهج Nvidia

يرى Sha Rabii، المؤسس المشارك ورئيس Majestic Labs، أن حجم الذاكرة هو ما يمنح الشركة ميزتها التنافسية. ويقول إن Nvidia «أنجزت عملًا مذهلًا في بناء نظام قادر على التوسع»، لكن هذا النهج يصبح أقل جدوى اقتصادية كلما كبرت النماذج، إذ يصبح النظام «مزوّدًا بقدرة حوسبية زائدة عن الحاجة، ويعاني جوعًا إلى الذاكرة». وتستخدم خوادم Nvidia اليوم ذاكرة سريعة عالية النطاق الترددي (HBM)، وغالبًا لتخزين أوزان النموذج، إضافة إلى مجمّع منفصل من ذاكرة DRAM، عادةً أكبر حجمًا لكنه أبطأ، يخدم بقية مهام النموذج اللغوي الكبير والنفقات التشغيلية للخادم.

أما Majestic Labs فاختارت طريقًا مختلفًا جذريًا: بنية موحّدة مبنية بالكامل على DRAM، وتحديدًا على ذاكرة بمعيار LPDDR6، دون الفصل بين مجمّع سريع وآخر بطيء. ويوضح Rabii أن معظم واجهات الذاكرة مصمّمة للعمل على مسافات مادية قصيرة جدًا، تبلغ أحيانًا بضعة ملّيمترات فقط، وهذا بالتحديد ما يحدّ ماديًا من مقدار الذاكرة الذي يمكن وضعه في النظام مع الحفاظ على نطاق ترددي مرتفع.

ماذا قد يعني ذلك لسوق البنية التحتية للذكاء الاصطناعي

إذا نجحت رهانات Majestic Labs، فستقدّم للسوق مصدرًا بديلًا للقدرة الحاسوبية للأحمال التي تعاني اليوم نقصًا في الذاكرة تحديدًا، مثل العمل بسياق طويل، ونماذج مزيج الخبراء (MoE) ذات العدد الكلي الكبير من المعاملات مع تفعيل جزئي منها، والاستخدام المكثف لـ KV-cache عند خدمة عدد كبير من الطلبات المتزامنة. ويتحدى هذا الافتراض الشائع بأن سباق البنية التحتية للذكاء الاصطناعي يقتصر في المقام الأول على عدد وحدات معالجة الرسومات (GPU) وحجم القدرة الحاسوبية بوحدات الفلوبس، إذ ينقل Prometheus جزءًا من التركيز التنافسي إلى حجم الذاكرة وبنيتها. وفي ضوء الهيمنة التي تتمتع بها Nvidia على سوق خوادم الذكاء الاصطناعي، يبرز رهان الشركة الناشئة على بنية تتمحور حول الذاكرة لا الحوسبة، في وقت تتبع فيه معظم الجهات الفاعلة خريطة الطريق الموجّهة نحو الحوسبة التي رسمتها Nvidia خلال السنوات الأخيرة.

والظهور الفعلي لمشروع كهذا يدل على أن «جدار الذاكرة» لم يعد موضوعًا أكاديميًا متخصصًا في الأوراق العلمية، بل تحوّل إلى حافز تجاري لإطلاق شركة ناشئة جديدة في مجال العتاد. وإذا نجحت Majestic Labs في الوصول بـ Prometheus إلى الإنتاج التجاري، فسيجد مشغّلو مراكز البيانات ومزوّدو الخدمات السحابية، للمرة الأولى منذ فترة طويلة، بديلًا حقيقيًا للمجموعة القياسية «GPU زائد HBM»، ولن تقتصر المنافسة في قطاع البنية التحتية للذكاء الاصطناعي على مقارنة عدد المسرّعات الرسومية وأجيالها.