Anthropic تنقل Claude إلى AMD في 3 أيام بدلاً من 6 إلى 12 شهراً بمساعدة الذكاء الاصطناعي

إذا سبق لك أن حاولت تشغيل كود مكتوب لـ CUDA على أي منصة أخرى، فأنت تعرف هذا الشعور: كل شيء ممكن نظرياً، لكنه عملياً يعني نصف عام من العمل. وقد حمى هذا الحاجز شركة Nvidia لسنوات أكثر مما حمتها الشرائح نفسها. والآن تقول Anthropic إنها تعلّمت تجاوزه بمساعدة نموذجها الخاص.

ما الذي أعلنته Anthropic بالضبط

بحسب المؤسس المشارك ومدير الحوسبة توم براون، تدرّب الشركة Claude وتشغّله على أربع عائلات كبرى من الشرائح: AWS Trainium وGoogle TPU ووحدات GPU من Nvidia ووحدات GPU من AMD. ولكل منها برمجيات خاصة ومنظومة استدلال (inference) خاصة، وهذا مكلف ويستغرق وقتاً طويلاً. وراهنت Anthropic على استراتيجية الشرائح المتعددة مبكراً، حين كانت معظم الصناعة ترى أنها لا تستحق الجهد. ومنذ ذلك الحين استثمرت الشركة في هذه الهندسة لسنوات، وأصبحت فيها، على حد تعبير براون، «بارعة بشكل لا يصدق».

وأوضح الأمثلة هو AMD. ففي هذا العام استخدمت Anthropic وحدات GPU من AMD للمرة الأولى، وأوكلت المهمة إلى نموذجها المتقدم Mythos. وبحسب بيانات الشركة، عمل Claude على AMD خلال ثلاثة أيام وبمشاركة بشرية شبه معدومة. فقد كتب النموذج أو نقل ما يقارب 100% من النوى. والنوى (kernels) هي برامج منخفضة المستوى تنفّذ العمليات الحسابية مباشرة على وحدة GPU، وهي عادةً ما يربط الكود بعتاد محدد. وعادةً ما يستغرق هذا النقل من عشرات المهندسين ما بين ستة أشهر واثني عشر شهراً. وتتعلق الأرقام الواردة في العرض بمعالجة المطالبات (prompts) بواسطة نموذج Anthropic على وحدات GPU من طراز AMD MI355X.

لماذا يهم ذلك أبعد من Anthropic

تخيّل تطبيقاً مرتبطاً ارتباطاً وثيقاً بحزمة SDK لسحابة واحدة. كل انتقال يعني إعادة كتابة مئات التكاملات، ولذلك لا ينتقل أحد. أما إذا أنجز الذكاء الاصطناعي هذا الانتقال في عطلة نهاية أسبوع، فإن الارتباط بالمورّد يتوقف عن كونه جداراً ويصبح بنداً عادياً في المصروفات. والأمر نفسه ينطبق على CUDA: فهي لا تُبقي المطورين بفضل جودتها، بل بسبب كلفة الخروج منها.

وإذا كانت الصورة صحيحة، فسيتمكن الشركات من اختيار الشرائح بحسب السعر والتوافر، لا بحسب التوافق. وفي ظل شحّ القدرات الحاسوبية، هذه ميزة جدية. كما أن بعض الشرائح أنسب للتدريب وبعضها الآخر أنسب للاستدلال. وتتجاوز هامش ربح Nvidia 70%، وهو رقم مرتفع بصورة غير معتادة في قطاع العتاد، وانخفاض كلفة التحوّل يضرب هذا الهامش تحديداً.

وتتحدث Anthropic أيضاً عن «مضاعِفات الحوسبة»، وهي أساليب بحثية تستخلص قدراً أكبر من العتاد المادي نفسه. إضافة إلى ذلك تطوّر الشركة برنامج Anthropic Direct: فهي تستأجر الشرائح وتشغّلها بنفسها في مراكز بيانات مبنية خصيصاً، بهدف خفض التكلفة الإجمالية للملكية. وفي المستقبل يُفترض أن يجد Claude هذه المضاعِفات بنفسه. وسيكون ذلك تحسيناً ذاتياً تكرارياً، وهو موضوع يكثر الجدل حوله في الصناعة، لكن لم يثبته أحد حتى الآن.

تحفظات وأموال

أهم تحفظ هو أن جميع الأرقام مأخوذة من عرض مقدَّم للمستثمرين ولم يتم التحقق منها بصورة مستقلة. فهذه مادة صادرة عن شركة تستعد لطرح عام أولي (IPO). وقد قُدّم طلبها S-1/A إلى هيئة الأوراق المالية والبورصات الأمريكية (SEC) في 10 نوفمبر 2026. كما أن «الثلاثة أيام» تعني الوصول إلى مستوى أداء عملي، وليس بالضرورة التكافؤ مع نوى CUDA المحسَّنة يدوياً. والحديث هنا عن نموذج Mythos المتقدم المغلق في يد فريق بنى بنية تحتية متعددة الشرائح لسنوات. ولا يَعِد أحدٌ الفرق العادية بنتيجة كهذه خلال ثلاثة أيام.

وهناك سياق ينبغي تذكّره: فكلتا شركتي GPU مرتبطتان مالياً بـ Anthropic. ففي نوفمبر 2025، ضمن صفقة بقيمة 45 مليار دولار مع Microsoft، تعهدت Nvidia بالاستثمار بما يصل إلى 10 مليارات دولار. كما تشارك في طرح خاص مشروط بقيمة 26 مليار دولار، تشتري فيه سبع شركات تقنية أسهماً بسعر الطرح العام الأولي. أما AMD فأعلنت في يوليو 2026 عن استثمارات استراتيجية تصل إلى 5 مليارات دولار. وفي المقابل تخطط Anthropic لنشر ما يصل إلى جيجاواطين من وحدات GPU من طراز Instinct MI455X في رفوف Helios، على أن ينطلق الجيجاواط الأول في النصف الأول من عام 2027.

ماذا نفعل بهذا عملياً

بالنسبة إلى المهندسين العاملين في الاستدلال، الخلاصة الرئيسية هي أن نقل النوى بمساعدة وكيل ذكاء اصطناعي يستحق التجربة على الأقل على مُشغِّل أو اثنين من أكثرها استخداماً. كانت مثل هذه التجربة تبدو جنوناً، أما الآن فقد تؤتي ثمارها منذ المرحلة التجريبية.

وعلى مديري المنتجات والمؤسسين أن يضمّنوا تعدد الموردين في خططهم وعقودهم، خصوصاً إذا كانت نفقات الحوسبة لديهم تنمو أسرع من الإيرادات. فموقفك التفاوضي أمام مورّد العتاد والسحابة يكون أفضل بكثير عندما يكون لديك بديل معقول.

ومع ذلك لا ينبغي انتظار المعجزات: فعبارة «اشتغل» تختلف عن «يعمل بالسرعة والتكلفة نفسيهما كما على CUDA». وما دامت لا توجد قياسات مستقلة، فهذا ادعاء قوي وليس حقيقة مثبتة. لكن التحوّل نفسه بات ملحوظاً: بدأ الذكاء الاصطناعي يكسر الاعتماد على العتاد الذي قامت عليه جزء من قوة Nvidia السوقية.