مدير في K2 Cloud يحذّر: ساعة GPU الرخيصة تُضخّم ميزانية مشروع الذكاء الاصطناعي

أصبحت تعرفة GPU بالساعة الحجة الأولى عند اختيار منصة سحابية: يفتح المستخدم الجدول، ويجد أدنى سعر، ثم يطلب عرضًا تجاريًا. غير أن ميشا فورونين، مدير منتج GPUaaS في K2 Cloud، يرى في تحليله على Habr أن هذا المنطق ينهار عمليًا. فميزانية مشروع الذكاء الاصطناعي تحددها فترات التوقف وسرعة التخزين والشبكة، إضافةً إلى وقت المهندسين المخصص للإعداد وتصحيح الأخطاء. والمشروع الذي يبدو مجديًا وفق قائمة الأسعار يتجاوز ميزانيته، ولا يتضح ذلك عادةً إلا في منتصف الأعمال، حين تكون الأموال قد أُنفقت بالفعل.

لا بد من تنبيه مسبق: الكاتب يمثّل مزوّد خدمة، ومقاله يعمل جزئيًا كترويج لمنصته. لكن الفكرة نفسها مألوفة لكل من شغّل تدريبًا على بطاقات مستأجرة.

لماذا تضلّل قائمة الأسعار؟

تصف التعرفة كلفة الوصول إلى المسرّع، لكنها لا تقول شيئًا عن المدة التي يؤدي فيها المسرّع عملًا مفيدًا. فإذا كانت مجموعة البيانات تُقرأ من تخزين بطيء، تنتظر البطاقة وصول البيانات. وإذا كانت العقد مرتبطة بشبكة ضعيفة، يصطدم التدريب الموزّع بمشكلة المزامنة. وإذا استغرق إعداد البيئة أسبوعًا، فإنك تدفع ثمن ساعات لا يدرّب فيها أحد أي شيء.

إليكم توضيحًا بسيطًا (حساب من إعداد التحرير، وليس من بيانات المقال). لنفترض أن البطاقة تكلّف 100 روبل في الساعة، وأنها بسبب بطء القرص تعمل فعليًا نصف الوقت فقط. عندها يبلغ السعر الفعلي للساعة المفيدة 200 روبل. أما خيار بسعر 150 روبل مع تخزين سريع وشبكة مستقرة وحمل يبلغ نحو 90% فسيكون أرخص بكثير، مع أنه يخسر في الجدول.

ويُضاف إلى ذلك العمل البشري. فساعة المهندس الذي يبحث عن سبب تعطل مهمة (job) أو سبب تعذّر بناء التعريف (driver) تكلّف عادةً أكثر من ساعة GPU. وكثيرًا ما يغيب هذا البند عن التقديرات المالية كليًا.

ما الذي ينبغي قياسه بدلًا من السعر بالساعة؟

من أطروحات المقال يمكن استخلاص مجموعة معقولة من المقاييس تتيح مقارنة المنصات على قدم المساواة:

• الاستخدام الفعلي لـ GPU: نسبة الوقت الذي تحسب فيه البطاقة بدلًا من انتظار البيانات؛
• معدل نقل بيانات التخزين عند قراءة مجموعات البيانات وكتابة نقاط الحفظ (checkpoints)؛
• سرعة الشبكة واستقرارها بين العقد أثناء التدريب الموزّع؛
• الزمن من تقديم الطلب حتى جاهزية بيئة العمل؛
• جهد المهندسين في الإعداد والترحيل وتصحيح الأخطاء؛
• شروط SLA وسلوك المنصة عند تعطل إحدى العقد.

يجمع هذه البنود كلها قاسم مشترك واحد: كلفة النتيجة المكتملة. قد تكون هذه الكلفة سعر حقبة تدريب واحدة (epoch)، أو دورة تدريب واحدة، أو ألف طلب استدلال (inference). وهذه هي الكلفة التي ينبغي حسابها، لا الروبلات في الساعة.

كيف تختار المنصة وماذا تسأل؟

يمكن تلخيص الخلاصة العملية للفريق الذي يخطط لمشروع ذكاء اصطناعي على النحو التالي.

أولًا: قبل توقيع العقد، شغّلوا تجربة تجريبية على حمل العمل الخاص بكم. فالاختبارات المرجعية الاصطناعية التي يقدّمها المزوّد تُظهر أفضل الحالات، بينما يُظهر خط المعالجة (pipeline) الحقيقي لديكم الحالة الفعلية. قيسوا استخدام GPU ومدة التشغيل، ثم أعيدوا حساب الكلفة لكل وحدة نتيجة.

ثانيًا: وجّهوا إلى المزوّد أسئلة محددة. ما معدل نقل بيانات التخزين المضمون، وعلى أي حجم من البيانات؟ ما نوع الشبكة بين العقد؟ كم يستغرق نشر البيئة ومن يتولى إعدادها؟ ماذا يحدث لمهمة طويلة إذا تعطلت إحدى العقد، وهل يُعوَّض عن وقت التوقف؟

ثالثًا: أدرجوا وقت المهندسين في التقديرات المالية كبند مستقل. فإذا كانت المنصة تتطلب أسابيع من الإعداد، فلن تبدو التعرفة الرخيصة رخيصة بعد الآن.

رابعًا: احسبوا الكلفة لا عند البداية فقط، بل في منتصف المشروع أيضًا. فهناك بالتحديد، بحسب ملاحظة الكاتب، يصبح تجاوز الميزانية مرئيًا. حدّدوا نقطة مراجعة تقارنون عندها الخطة بالواقع من حيث كلفة النتيجة، لا من حيث فاتورة الإيجار.

يحتوي النص الكامل على Habr تفاصيل أكثر عن قائمة التحقق، لكن الإطار العام واضح منذ الآن: ينبغي اختيار المنصة التي يصل فيها المشروع إلى نتيجته بسرعة وموثوقية أكبر، حتى لو كانت الساعة فيها أغلى.