«فراكتايل» تجمع 720 مليون دولار بتقييم 7 مليارات دولار: رهان على رقائق تركّز على الذاكرة
أغلقت شركة تصميم الرقائق اللندنية «فراكتايل» جولة التمويل (C) بقيمة 720 مليون دولار؛ ووفق صحيفة «فاينانشال تايمز» قُيّمت الشركة بـ7 مليارات دولار رغم أن عمرها أربع سنوات فقط. طرحها أن عنق الزجاجة في الذكاء الاصطناعي ليس الحوسبة بل عرض نطاق الذاكرة. وهذا بالضبط الجدار الذي تصطدم به وحدات GPU في استدلال النماذج الكبيرة. وبحسب ما يُذكر، يشارك في الجولة كل من Thrive Capital وFounders Fund.
معالج بواسطة الذكاء الاصطناعي من TNW؛ بتحرير Hamidun News
منذ عامين تقريبًا يسير سوق عتاد الذكاء الاصطناعي على قاعدة بسيطة: كلما زادت الحوسبة كان ذلك أفضل. أما «فراكتايل» فتراهن على العكس. فقد أغلقت شركة تصميم الرقائق اللندنية جولة التمويل (C) بقيمة 720 مليون دولار، وبحسب «فاينانشال تايمز» نقلًا عن مصادر مطلعة على الصفقة، بلغ التقييم 7 مليارات دولار. ويبلغ عمر الشركة أربع سنوات فقط. ومن بين المستثمرين تُذكر Thrive Capital وFounders Fund. الفكرة المحورية للشركة الناشئة: أداء الذكاء الاصطناعي اليوم لا تحدّه قوة المعالجات، بل سرعة الوصول إلى الذاكرة.
تنبيه مهم: المنشور الأصلي مبتور، لذلك نعرف القليل عن تركيبة الجولة وبنية الرقائق وموعد طرح المنتج. المعلوم بيقين هو المبلغ والتقييم وطرح الشركة. وكل ما يلي هو تحليل للمشكلة نفسها، وليس عرضًا للمواصفات التقنية لدى «فراكتايل».
لماذا الذاكرة لا الحوسبة
عندما يولّد نموذج لغوي إجابة، يتعيّن عليه عن كل رمز (token) جديد أن يقرأ من الذاكرة جميع أوزانه تقريبًا. وتكون الحوسبة اللازمة لكل رمز قليلة نسبيًا، فتنتظر أنوية الرقاقة البيانات في الغالب.
تقدير بسيط. نموذج بـ70 مليار معامل بصيغة 8 بتات يشغل نحو 70 غيغابايت. وإذا كانت ذاكرة الرقاقة تمرّر 3 تيرابايت/ثانية، فإن السقف لتدفق طلبات واحد يبلغ نحو 43 رمزًا في الثانية، مهما بلغ عدد التيرافلوبس على الشريحة. هذا توضيح تقريبي وليس قياسًا لعتاد بعينه. لكنه يبيّن لماذا لا تسرّع زيادة FLOPS وحدها ردود برنامج الدردشة أو الوكيل.
ومن هنا تخوض الصناعة كلها معركة عرض النطاق: ذاكرة HBM، والتغليف الكثيف، والتكميم (quantization)، والمعالجة الدفعية (batching). أما «فراكتايل»، بحسب طرحها المعلن، فتقترح إعادة بناء البنية نفسها حول الذاكرة بدلًا من إضافتها إلى وحدة الحوسبة كملحق.
لماذا المستثمرون مستعدون للدفع
تدريب النماذج بند إنفاق كبير لكنه لمرة واحدة. أما الاستدلال فمستمر: كل طلب من المستخدم وكل خطوة للوكيل يكلّفان مالًا. وكلما زاد عدد المنتجات القائمة على الاستدلال الطويل وسلاسل الوكلاء، زاد اعتماد فاتورة الرموز على سرعة قراءة العتاد للأوزان ولذاكرة التخزين المؤقت للسياق.
يُظهر تقييم 7 مليارات دولار لشركة عمرها أربع سنوات أن السوق يرى فرصة لانتزاع حصة من Nvidia ليس في التدريب، بل في تشغيل النماذج الجاهزة. لكن هذا حتى الآن رهان على المستقبل: لا توجد في البيانات المتاحة اختبارات أداء مستقلة ولا مواعيد للتوريد الواسع.
ما العمل عمليًا
ينبغي لفرق المنتجات والمطورين مراجعة المقاييس عند اختيار البنية التحتية.
- قارنوا لا ذروة FLOPS، بل عرض نطاق الذاكرة والسعر النهائي لمليون رمز على نموذجكم.
- احسبوا بشكل منفصل تكلفة الرمز الأول وتكلفة التوليد: فلكل منهما عنق زجاجة مختلف.
- التكميم وضغط ذاكرة KV المؤقتة أسرع طريقة لتجاوز القيد اليوم، دون تغيير العتاد.
- لا تضعوا رقائق غير تقليدية في خطتكم للعام القادم. انتظروا اختبارات مستقلة وتوافرًا فعليًا في السحابة.
الخلاصة: الجولة بحد ذاتها لا تثبت شيئًا بشأن جودة الرقائق. لكنها تُظهر إلى أين يتحول تركيز الهندسة في الصناعة: من سباق الحوسبة إلى الصراع على كل غيغابايت في الثانية. وتبقى هنا قيود: فبيانات الصفقة تستند حتى الآن إلى مصدر صحفي واحد، والتفاصيل التقنية للمنتج لم تُكشف.
- 12 نوفمبر 2026جنسن هوانغ يتنحى عن منصب الرئيس التنفيذي لـNvidia: الشركة تفقد 1.4 تريليون دولار خلال أسبوعين
- 12 نوفمبر 2026مهندسان يربطان SGLang بمسرّع IBM Spyre في أقل من أسبوع ويرفعان الإنتاجية 3.6 مرة
- 12 نوفمبر 2026سبيس إكس تستبدل كوابل NVLink بلوحة واحدة من 84 طبقة في رف Kessel للذكاء الاصطناعي
- 12 نوفمبر 2026علي بابا تُعدّ لطرح أولي لوحدة الرقائق T-Head في هونغ كونغ — اختبار للذكاء الاصطناعي الصيني
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا الذاكرة لا الحوسبة؟
عندما يولّد نموذج لغوي إجابة، يتعيّن عليه عن كل رمز (token) جديد أن يقرأ من الذاكرة جميع أوزانه تقريبًا. وتكون الحوسبة اللازمة لكل رمز قليلة نسبيًا، فتنتظر أنوية الرقاقة البيانات في الغالب. تقدير بسيط. نموذج بـ70 مليار معامل بصيغة 8 بتات يشغل نحو 70 غيغابايت. وإذا كانت ذاكرة الرقاقة تمرّر 3 تيرابايت/ثانية، فإن السقف لتدفق طلبات واحد يبلغ نحو 43 رمزًا في الثانية، مهما بلغ عدد التيرافلوبس على الشريحة. هذا توضيح تقريبي وليس قياسًا لعتاد بعينه. لكنه يبيّن لماذا لا تسرّع زيادة FLOPS وحدها ردود برنامج الدردشة أو الوكيل.
ما أبرز التفاصيل حول لماذا المستثمرون مستعدون للدفع؟
تدريب النماذج بند إنفاق كبير لكنه لمرة واحدة. أما الاستدلال فمستمر: كل طلب من المستخدم وكل خطوة للوكيل يكلّفان مالًا. وكلما زاد عدد المنتجات القائمة على الاستدلال الطويل وسلاسل الوكلاء، زاد اعتماد فاتورة الرموز على سرعة قراءة العتاد للأوزان ولذاكرة التخزين المؤقت للسياق. يُظهر تقييم 7 مليارات دولار لشركة عمرها أربع سنوات أن السوق يرى فرصة لانتزاع حصة من Nvidia ليس في التدريب، بل في تشغيل النماذج الجاهزة. لكن هذا حتى الآن رهان على المستقبل: لا توجد في البيانات المتاحة اختبارات أداء مستقلة ولا مواعيد للتوريد الواسع.
ما أبرز التفاصيل حول ما العمل عمليًا؟
ينبغي لفرق المنتجات والمطورين مراجعة المقاييس عند اختيار البنية التحتية. قارنوا لا ذروة FLOPS، بل عرض نطاق الذاكرة والسعر النهائي لمليون رمز على نموذجكم. احسبوا بشكل منفصل تكلفة الرمز الأول وتكلفة التوليد: فلكل منهما عنق زجاجة مختلف. التكميم وضغط ذاكرة KV المؤقتة أسرع طريقة لتجاوز القيد اليوم، دون تغيير العتاد. لا تضعوا رقائق غير تقليدية في خطتكم للعام القادم. انتظروا اختبارات مستقلة وتوافرًا فعليًا في السحابة. الخلاصة: الجولة بحد ذاتها لا تثبت شيئًا بشأن جودة الرقائق.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
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.