Python في الذكاء الاصطناعي: لماذا اللغة أبطأ 70 مرة من C وتفقد الأرض على edge

تحسب صناعة الذكاء الاصطناعي — الصناعة الأكثر كثافة حسابية في التاريخ — بشكل أساسي بلغة برمجة Python، وهي أبطأ بحوالي 70 مرة من لغة C وتحتل المركز 26 من 27 في تصنيف كفاءة الطاقة في لغات البرمجة.

تكلفة تاج Python

يقسم مؤلف المقالة على Habr تكلفة هذا الاختيار إلى ثلاثة أبعاد: في ميكروثواني الحساب، في جيجاواط ساعة من طاقة مراكز البيانات، وفي العمل المضاعف للمهندسين الذين يجب أن يعوضوا عن بطء اللغة بتحسين إضافي وتغليف فوق مكتبات أسرع. يتم بناء المادة على أرقام وروابط لمصادر أولية، وتعتبر أيضاً حجج مضادة صادقة لصالح Python — أي أنها لا تقتصر على اتهامات أحادية الجانب للغة في جميع مشاكل الصناعة.

لماذا اختارت الصناعة Python على أي حال

تطورت هيمنة Python في التعلم الآلي تاريخياً: نما نظام بيئي ضخم من المكتبات حول اللغة، والجزء "البطيء" من الكود يتم تفويضه عملياً دائماً إلى تطبيقات C و CUDA السريعة تحت الغطاء. لكن مع انتقال الحمل من تدريب النماذج الكبيرة في السحابة إلى تشغيلها على جانب المستخدم، بدأ هذا القرار المعماري يعمل ضد الصناعة.

بينما كان التدريب والاستدلال يحدثان بشكل أساسي في مراكز البيانات على مجموعات GPU قوية، كانت العامل الإضافي لـ Python غير مرئي في خلفية التكلفة الإجمالية للحساب. يتغير الوضع عندما يحتاج النموذج إلى التشغيل على هاتف ذكي أو جهاز كمبيوتر محمول أو جهاز مضمن مع ميزانية طاقة محدودة: هناك يصبح الفرق بين تنفيذ الكود المترجم والمترجم فوراً حرجاً لوقت الاستجابة وعمر البطارية، وليس فقط بند في تقارير استهلاك الطاقة بمراكز البيانات.

حيث يتم بالفعل استبدال Python

مع انتقال استدلال نموذج الذكاء الاصطناعي إلى أجهزة المستخدم — سيناريوهات on-device و edge، الاستدلال المحلي بدون وصول إلى السحابة — تضعف مواقع Python. يتم بالفعل المطالبة بهذه الأراضي الجديدة من قبل لغات مترجمة، وأولاً كل شيء Swift، والذي في مثل هذه السيناريوهات له ميزة سرعة التنفيذ واستهلاك الطاقة.

• Python أبطأ بحوالي 70 مرة من لغة C
• في تصنيف كفاءة الطاقة في لغة البرمجة، يحتل Python المركز 26 من 27
• تُقاس تكلفة هيمنة Python بالميكروثواني والجيجاواط ساعة وعمل المهندسين
• على استدلال on-device و edge، يتم نقل Python بواسطة لغات مترجمة، أولاً وقبل كل شيء Swift

ما تعنيه هذه التكلفة لمراكز البيانات

الجيجاواط ساعة في هذه المقارنة ليست تجريد، بل هي نتيجة مباشرة لحقيقة أن Python المترجم فوراً يتطلب المزيد من دورات الحساب للمهمة نفسها مقارنة بالكود المترجم، وبالتالي المزيد من الكهرباء للتبريد وتشغيل الخوادم. العمل المضاعف للمهندسين هو تكلفة العامل الإضافي المستمر: تغليف كود Python على مكتبات C و CUDA أسرع، وتحديد الأداء من الاختناقات وإعادة كتابة الأقسام الحرجة على مستوى أقل لتعويض بطء اللغة.

ما يعنيه هذا

يبقى Python باللغة الافتراضية لتدريب وتوليد نماذج الذكاء الاصطناعي، لكن مع انتقال الاستدلال إلى الأجهزة المحلية وسيناريوهات edge، حيث يحسب كل ميليواط وميلي ثانية، تصبح تكلفته ملحوظة بشكل متزايد — وهناك حيث تحصل اللغات المترجمة على فرصة لنقل القائد منذ فترة طويلة. هذا لا يتعلق بالاستبدال الكامل لـ Python في السنوات القادمة، بل بتقسيم تدريجي لمجالات التطبيق: السحابة والتوليد يبقيان معها، edge و on-device ينتقلان بشكل متزايد إلى بدائل مترجمة مثل Swift.