Fractile تجمع 720 مليون دولار لتطوير شرائح يُفترض أن تخفض تكلفة تشغيل النماذج اللغوية الكبيرة

عندما يحلل وكيل ذكاء اصطناعي طلب عميل، ويتحقق من البيانات، ويُعدّ الرد، فإنه يحتاج إلى تشغيل النموذج مرارًا. وتضيف كل دورة زمن انتظار وتكلفة. جمعت شركة Fractile البريطانية 720 مليون دولار لتطوير شرائح متخصصة في تشغيل نماذج الذكاء الاصطناعي. وتراهن على وضع ذاكرة DRAM فوق وحدات الحوسبة في الشريحة، واستكمال العتاد بمُصرّف برمجي خاص بها.

الهدف الهندسي واضح: تسريع تشغيل نموذج سبق تدريبه وخفض تكلفة استخدامه. لكن النتيجة لا تزال بحاجة إلى التحقق. ووفقًا لتصريح رئيس Fractile، والتر غودوين، الذي نقلته TechCrunch، تعتزم الشركة تسليم أولى الشرائح والأنظمة في عام 2027. يستحق هذا المورد المستقبلي للبنية التحتية المتابعة، لكن الخبر لا يقدم حتى الآن أساسًا عمليًا لإعادة النظر في ميزانية الاستدلال.

لماذا تتجه الأموال إلى الذاكرة

يعتمد تشغيل النماذج اللغوية الكبيرة على القدرة الحاسوبية والوصول إلى بيانات النموذج معًا. فإذا كانت وحدات الحوسبة تنتظر وصول البيانات من الذاكرة، فإن زيادة قدرتها وحدها لا تزيل التأخير. وبالنسبة إلى فريق المنتج، يظهر ذلك في صورة يومية بسيطة: ينتظر المستخدم بقية الإجابة، بينما يظل الخادم مشغولًا.

بعد تغيير نهجها التقني، تراهن Fractile على DRAM، وهي نوع شائع من ذاكرة الوصول العشوائي. وبحسب مادة TechCrunch، تعتزم الشركة تكديس هذه الذاكرة في طبقات فوق كل شريحة. والهدف هو تخفيف القيود التي تعوق الجمع بين سعة الذاكرة المطلوبة وسرعة الوصول إلى بياناتها.

لنتصور وكيلًا يدرس عدة مستندات ويتحقق من استنتاجاته تباعًا. سيحتاج إلى استدعاء النموذج مرارًا. وإذا قلّص النظام الجديد زمن كل استدعاء، فقد تتراكم المكاسب على امتداد سلسلة العمل. لكن هذا توضيح للفائدة المحتملة، وليس نتيجة مقاسة لدى Fractile؛ فالمقال لا يورد أرقامًا محددة للتسريع.

ومن المهم أيضًا تحديد الحصة التي يشغلها النموذج نفسه من المهمة. فعندما يقضي الوكيل وقتًا طويلًا في انتظار قاعدة بيانات خارجية أو رد من خدمة تابعة لطرف ثالث، يكون أثر تسريع الشريحة على تجربة المستخدم أقل. لذلك، سيتعين اختبار النظام المستقبلي ضمن سيناريو عمل كامل.

المُصرّف البرمجي حلقة الوصل بين النموذج والشريحة

تطور Fractile أيضًا مُصرّفًا برمجيًا لتعلّم الآلة، تتمثل مهمته في تهيئة عمليات النموذج الحسابية لتنفيذها بكفاءة على عتاد الشركة. وتأمل في تحقيق أفضلية من خلال تطوير العتاد والبرمجيات معًا.

هذه نقطة جوهرية للمطورين. ففرص تحوّل مسرّع جديد إلى بنية تحتية مفيدة تظل محدودة إذا كان نقل النموذج إليه يتطلب عملًا يدويًا مفرطًا، أو إذا كانت العمليات المطلوبة تُنفّذ بكفاءة ضعيفة. وسرعة عرض توضيحي منفرد لا تكشف وحدها مدى سهولة التشغيل الفعلي.

لنفترض أن فريقًا يشغّل مساعدًا لخدمة العملاء. عند تقييم نظام كهذا، سيحتاج إلى اختبار نموذجه، وأحجام الطلبات المعتادة، والحمل المتزامن، والتكلفة النهائية لمعالجة طلب العميل. ثم عليه تحديد الجهد اللازم لنقل النموذج، وكيفية تصرف النظام في فترات ذروة الطلب. لا تتضمن المادة الأصلية هذه البيانات: فلا قائمة بالنماذج المدعومة، ولا نتائج لاختبارات مستقلة، ولا سعر للعتاد.

ماذا تعني جولة التمويل للسوق

قادت جولة التمويل من الفئة C كل من Thrive Capital وFounders Fund وLightspeed Venture Partners وRedpoint، وشارك فيها صندوق Sovereign AI Fund البريطاني. ووفقًا للحكومة البريطانية، تجاوز تقييم Fractile مبلغ 5 مليارات جنيه إسترليني. وتفسر الحكومة مشاركتها برغبتها في زيادة حصة البلاد في البنية التحتية المادية لاقتصاد المستقبل.

يمنح حجم التمويل الشركة الموارد اللازمة للمرحلة التالية من التطوير ولتسليم أولى منتجاتها. كما يعكس اهتمام المستثمرين بالشرائح المتخصصة في الاستدلال. لكن قيمة الجولة لا تجيب عن السؤال الأساسي للمشتري: كم سيكلف تنفيذ مهمته بالسرعة والجودة المطلوبتين؟

الخطوة العملية للمؤسس أو مسؤول المنتج هي فهم اقتصاديات الاستدلال لديه مسبقًا: زمن الاستجابة في سيناريو العمل الكامل، وعدد استدعاءات النموذج، وتكلفة كل مهمة تُنجز بنجاح. وبالاستناد إلى هذه المؤشرات، يمكن تقييم Fractile بصورة عملية عندما تتوفر أنظمتها وتظهر نتائج قابلة للتحقق. أما الآن، فنحن أمام استثمار كبير في وعد بخفض تكاليف البنية التحتية، فيما لا يزال إثبات هذا الوعد تقنيًا أمام الشركة.