NVIDIA تستعرض GQE: منصة لمحركات معالجة الاستعلامات المسرّعة بوحدات GPU

نشرت شركة NVIDIA في يونيو 2026 على مدوّنتها المخصصة للمطورين مادة تقنية عن GQE، وهي منصة لتصميم محركات معالجة الاستعلامات (query engines) المسرّعة بوحدات GPU، والتي كثيرًا ما يصطدم أداؤها بحدود عرض النطاق الترددي للذاكرة والإدخال/الإخراج.

ما هو محرك معالجة الاستعلامات وما علاقة GPU به؟

محركات معالجة الاستعلامات هي أنظمة برمجية تنفّذ الاستعلامات التحليلية على كميات كبيرة من البيانات، مثل التجميع والتصفية وربط الجداول وغيرها من العمليات التي تقوم عليها التحليلات وإعداد البيانات. ظلّت هذه الأنظمة زمنًا طويلًا تعمل على معالجات عامة الأغراض. ومع نمو أحجام البيانات، يتجه القطاع بوتيرة متزايدة إلى نقل هذه الحسابات إلى وحدات GPU، القادرة على معالجة مصفوفات ضخمة من الصفوف والأعمدة بالتوازي بسرعة تفوق CPU بأضعاف كثيرة، متى جرى تحسينها على النحو الملائم.

ما المشكلة التي تعالجها GQE؟

توضح NVIDIA أن محركات الاستعلامات المسرّعة بوحدات GPU لا تصطدم عادةً بقدرة المعالج الحسابية، بل بسرعة نقل البيانات من الذاكرة إلى وحدات الحوسبة. فعرض النطاق الترددي للذاكرة والإدخال/الإخراج، لا عدد الأنوية، هو الذي يحدد في أغلب الأحيان سرعة معالجة الاستعلامات فعليًا. وتشير NVIDIA إلى أن إنجازاتها العتادية، ومنها الذاكرة عالية عرض النطاق (HBM) ــ وهي ذاكرة متعددة الطبقات تُركَّب على مقربة مباشرة من شرائح الحوسبة في GPU ــ تعالج هذا الاختناق مباشرة.

• نشرت NVIDIA المادة على مدوّنتها المخصصة للمطورين في يونيو 2026
• تحمل المنصة اسم GQE وهي مخصصة لتصميم محركات معالجة الاستعلامات المسرّعة بوحدات GPU
• الاختناق الرئيسي في هذه الأنظمة هو عرض النطاق الترددي للذاكرة والإدخال/الإخراج، لا عدد أنوية الحوسبة
• تذكر NVIDIA الذاكرة عالية عرض النطاق (HBM) ضمن الحلول العتادية

لماذا يهم ذلك البنية التحتية للذكاء الاصطناعي؟

تقوم منصات التحليلات على محركات معالجة الاستعلامات، وهي المنصات التي تُعدّ البيانات وتصفّيها وتنقّيها تمهيدًا لتدريب نماذج تعلّم الآلة وإعادة تدريبها. ومع تزايد أحجام البيانات التي تتدرب عليها النماذج الحديثة، يصبح نقل معالجة الاستعلامات نفسها إلى GPU، وليس تدريب النماذج وحده، جزءًا من استراتيجية NVIDIA الأوسع لبناء حزمة موحّدة من العتاد والبرمجيات لمراكز البيانات، تمتد من أنظمة إدارة قواعد البيانات المسرّعة بوحدات GPU وأطر العمل مع البيانات الجدولية، إلى المسرّعات المخصصة للتدريب والاستدلال (inference). ويوفّر هذا النهج وقت مهندسي البيانات، إذ لم يعودوا مضطرين إلى نقل البيانات بين عناقيد CPU وعناقيد GPU المنفصلة في مراحل مختلفة من خط المعالجة.

وعادةً ما ترافق مواد المطورين، مثل منشور GQE، خط منتجات أوسع تقدمه NVIDIA للتحليلات المسرّعة بوحدات GPU، تطوّره الشركة منذ عدة سنوات بالتوازي مع شرائح تدريب الشبكات العصبية. وهي بذلك توسّع عدد السيناريوهات التي يعمل فيها مركز البيانات بأكمله على GPU، من إعداد البيانات حتى الاستدلال النهائي للنموذج، بدلًا من إبقاء جزء من خط المعالجة على معالجات الخوادم التقليدية.

ماذا يعني ذلك؟

تبيّن مادة GQE وجهة تركيز NVIDIA: فإلى جانب مسرّعات تدريب النماذج واستدلالها، تستثمر الشركة بصورة منهجية في تسريع المراحل الأولى من خط معالجة البيانات بوحدات GPU، وهي المراحل التي تصطدم فيها أنظمة التحليلات الحالية بالذاكرة في أغلب الأحيان لا بالحوسبة.