Anthropic تشكّل فريقًا لتطوير شرائح ذكاء اصطناعي خاصة بها لنماذج Claude
توظّف Anthropic فريقًا من مهندسي الشرائح وتتجه إلى مبدأ co-design: سيجري تطوير العتاد ونماذج Claude معًا، لا على مراحل متعاقبة. والهدف تسريع عمل التقنية وخفض تكاليف الحوسبة. وبذلك تنضم Anthropic إلى اتجاه سائد في القطاع، إذ تبني Google (TPU) وAmazon (Trainium) وMeta (MTIA) شرائح سيليكون خاصة بها بدلًا من الاعتماد على موردين خارجيين. *Meta مصنّفة في روسيا منظمة متطرفة ومحظورة فيها.
معالج بواسطة الذكاء الاصطناعي من TechCrunch؛ بتحرير Hamidun News
في 5 أغسطس 2026 أعلنت Anthropic تشكيل فريق مستقل من المهندسين لتطوير شرائح ذكاء اصطناعي خاصة بها. وبحسب بيان الشركة، ستصمّم مطوّرة Claude العتاد والنماذج معًا، بحيث تعمل التقنية بسرعة أكبر وتستهلك موارد حوسبة أقل.
لماذا تحتاج Anthropic إلى سيليكون خاص بها
تراهن Anthropic على co-design، أي التطوير المشترك للعتاد والخوارزميات من الصفر، بدلًا من تكييف وحدات GPU الجاهزة مع احتياجات النموذج. فقد صُمّمت شرائح Nvidia القياسية في الأصل لفئة واسعة من العمليات الحسابية: الحسابات العلمية والرسومات ثلاثية الأبعاد ومعالجة البيانات. أما النماذج المعتمدة على بنية المحوّلات (transformers)، ومنها Claude، فتمثّل حِملًا شديد التخصص: عمليات مصفوفية متواصلة على موتّرات (tensors) ضخمة، مع متطلبات خاصة لعرض النطاق الترددي للذاكرة. وبالنسبة إلى هذا النوع من الحِمل، يُعدّ GPU العام زائدًا عن الحاجة من حيث البنية: فهو يحتوي على وحدات لا تُستخدم عند تشغيل نموذج لغوي، لكنها تستهلك الطاقة وتضيف زمن تأخير. وتتسع فجوة الكفاءة مع نمو حجم النموذج: فكلما زاد عدد معاملات Claude، ازدادت ميزة الشريحة المصمَّمة خصيصًا لهذه البنية وضوحًا.
ويخفّض السيليكون الخاص، المحسَّن وفق رياضيات نماذج بعينها، تكلفة الاستدلال (inference)، وهي بند التشغيل الأهم لشركة تخدم ملايين الطلبات يوميًا. وعلى المدى البعيد يؤثر العتاد المحسَّن مباشرة في هامش الربح وفي توافر API لعملاء الشركات.
وقد سلك كبار اللاعبين في صناعة الذكاء الاصطناعي هذا الطريق بالفعل: تستخدم Google وحدات TPU الخاصة بها منذ عام 2016، ونشرت Amazon شريحة Trainium للتدريب وInferentia للاستدلال ضمن AWS، وتطوّر Meta شريحة MTIA لبنيتها التحتية الداخلية للذكاء الاصطناعي. وبالنسبة إلى Anthropic، التي تعمل عبر AWS وGoogle Cloud، تعني الشريحة الخاصة أيضًا تقليل الاعتماد على موردين خارجيين في حلقة حيوية من سلسلة الإنتاج.
ما هو co-design وكيف يعمل
وفق إعلان Anthropic، ستصمّم الشركة العتاد والنماذج ضمن فريق واحد: تتشكل بنية الشريحة بما يراعي أنماط الحوسبة المحددة في Claude، وتُكيَّف الخوارزميات مع إمكانات العتاد قيد التطوير بصورة تكرارية، لا تعاقبية.
«سنصمّم العتاد والنماذج معًا لكي تعمل تقنيتنا بسرعة وكفاءة أكبر»، جاء في إعلان
Anthropic الرسمي عن توظيف فريق الشرائح.
ويتطلب هذا النهج متخصصين بملفات غير معتادة في مختبر ذكاء اصطناعي:
- Chip architecture — تصميم الوحدات الحسابية للمسرّع
- VLSI design — إنشاء المخططات الفيزيائية للدارات المتكاملة
- AI hardware acceleration — التحسين العتادي لمهام الشبكات العصبية
- Hardware-software co-design — مواءمة العتاد مع حزمة البرمجيات
وكان أصحاب هذه المهارات يتركّزون سابقًا في شركات مثل Intel وQualcomm، وكذلك في شركات ناشئة للذكاء الاصطناعي مثل Groq (مسرّعات لاستدلال LLM) وTenstorrent. وظهور وظائف كهذه في Anthropic إشارة إلى رهان جاد وطويل الأمد على التكامل العتادي الرأسي.
ماذا يعني ذلك
تتحرك Anthropic نحو التكامل الرأسي: من مختبر للذكاء الاصطناعي إلى شركة تتحكم في الحزمة بأكملها، من السيليكون إلى واجهة المستخدم. وإنشاء فريق الشرائح مشروع طويل الأمد: فلن تظهر أولى النتائج التجارية قبل عدة سنوات على الأقل. لكن بالنسبة إلى شركة موجَّهة نحو سوق الشركات، تُعدّ اقتصاديات وحدة الاستدلال حاسمة: فأي انخفاض طفيف في كلفة الحوسبة يتحول، على نطاق Claude، إلى توفير بملايين الدولارات. وتشكيل فريق الشرائح ليس منتجًا بعد، لكنه إشارة استراتيجية إلى أن Anthropic تعدّ التحكم في العتاد ميزة تنافسية طويلة الأمد.
*Meta مصنّفة في روسيا منظمة متطرفة ومحظورة فيها.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.