Epoch AI: قدرة رقائق الذكاء الاصطناعي على تشغيل الوكلاء ارتفعت 4.6 أضعاف في عام
حسبت Epoch AI أن قدرة جميع رقائق الذكاء الاصطناعي المباعة على خدمة الوكلاء ارتفعت خلال عام واحد 4.6 أضعاف، بينما زادت الحوسبة القصوى 2.6 ضعف فقط. يحتاج الوكيل إلى الاحتفاظ بـ 262 ألف توكن من السياق في الذاكرة المؤقتة (cache)، ولذلك تزداد أهمية الذاكرة والاتصال بين الرقائق، وفي هذا الجانب تتقدم Blackwell بفارق كبير، إذ تمثّل نحو 73% من القدرة. لذلك ينبغي عند اختيار العتاد المخصص للوكلاء مقارنة الذاكرة والاتصال بين الرقائق، لا قيم FLOPS المعلنة في المواصفات.
معالج بواسطة الذكاء الاصطناعي من TG: @ai_machinelearning_big_data (Machinelearning)؛ بتحرير Hamidun News
عندما يختار فريق ما العتاد المخصص لوكلاء الذكاء الاصطناعي، فإنه ينظر عادةً إلى ذروة التيرافلوبس في المواصفات. لكن حسابات جديدة من Epoch AI تُظهر أن هذا الرقم يشوّه الصورة كثيرًا في المهام الوكيلية. قيّمت المؤسسة البحثية كيف تغيّر أسطول رقائق الذكاء الاصطناعي المباعة بأكمله بين الربع الثاني من 2025 والربع الثاني من 2026. ارتفعت القدرة على خدمة استدلال الوكلاء 4.6 أضعاف، بينما ارتفعت قدرة الحوسبة القصوى في العمليات ذات 8 بتات 2.6 ضعف فقط.
ومع مراعاة عدم اليقين في بيانات الشحنات وتركيبة العتاد، تقدّم Epoch فاصل ثقة بنسبة 90%: بلغ النمو ما بين 4.2 و5.1 أضعاف. أي أن الأسطول زاد قدرته الوكيلية بأكثر من أربعة أضعاف حتى بحسب أحذر التقديرات.
لماذا تنمو القدرة الوكيلية أسرع من التيرافلوبس
تقيس Epoch هذه القدرة بمؤشرها الخاص IPI. يوضح المؤشر عدد الطلبات التي تستطيع الرقاقة خدمتها في وقت واحد في مهمة وكيلية نموذجية. في مهمة كهذه يحتفظ النموذج في الذاكرة المؤقتة (cache) بـ 262 ألف توكن من السياق: سجل الخطوات والمستندات ونتائج الأدوات. وفوق ذلك يعالج مع كل طلب نحو ألف توكن جديد.
تخيّل أمينة مكتبة تضع على مكتبها كومة ضخمة من الأوراق لكل قارئ. سرعة قراءتها لا تكاد تهم. المهم هو عدد الأكوام التي يتسع لها المكتب، وسرعة استخراج الكومة المطلوبة، وسهولة تسليمها إلى زميل. والأمر نفسه مع الرقائق: الحاسم هو حجم الذاكرة وعرض نطاقها، والاتصال بين الرقائق، والقدرة على الحساب بدقة منخفضة. أما الحساب الخام فيتراجع إلى المرتبة الثانية.
ومن هنا تأتي الفروق الكبيرة بين الأجيال. وفق مؤشر Epoch، تفوق GB300 رقاقة H100 بـ 25 مرة ورقاقة H200 بـ 8 مرات. أما في ذروة العمليات ذات 8 بتات، فيتفوق GB300 على H100 بمقدار 2.5 مرة فقط. وبحلول منتصف 2026 وفّرت رقائق Nvidia من جيلي Blackwell وBlackwell Ultra نحو 73% من القدرة الوكيلية للأسطول كله. في المقابل، لم تمثّل سوى نصف الحوسبة القصوى.
ما الذي لا يأخذه المؤشر في الحسبان
للتقييم قيد صريح. فقد بُني IPI على نموذج حسابي لأقصى إمكانات العتاد، ولا يأخذ في الحسبان نضج حزمة البرمجيات. اختبرته Epoch على نموذج Kimi K3، فتبيّن أن الإنتاجية الفعلية لـ GB300 أقل من المحسوبة بنحو النصف. وهذا يعني أن الأرقام تُقرأ بوصفها سقفًا لا يزال على البرمجيات أن تصل إليه. أما سرعة وصولها فتتوقف على الأطر البرمجية المحددة وعلى الفرق التي تضبطها.
إضافةً إلى ذلك، يقيس هذا التقدير الحمل الوكيلي ذا السياق الطويل تحديدًا. وفي طلبات الدردشة القصيرة أو في تدريب النماذج قد تبدو النسب بين الرقائق مختلفة.
النمو سيتباطأ
تتوقع Epoch ألا ينمو الأسطول بهذه الوتيرة. فالرقائق المباعة في الربع الثاني من 2026 أضافت قدرة وكيلية تفوق بـ 3.3 مرة ما أضافته الرقائق المباعة في الربع الثاني من 2025. وهذا أقل بوضوح من نمو الأسطول كله في العام نفسه.
والسبب أن كثيرًا من أكبر التحسينات جاء مع الانتقال من Hopper إلى Blackwell. فبحسب نموذج Epoch، تنمو القدرة لكل GPU بمقدار 8 مرات عند الانتقال من H200 إلى GB300. أما من GB300 إلى VR200، وهي منصة الجيل التالي المزوّدة بوحدات GPU من طراز Rubin، فالزيادة 2.2 مرة فقط. وسيكون تكرار القفزة التي حققتها ذاكرة Blackwell واتصالها أصعب.
ماذا تفعل عمليًا
أولًا: عند التخطيط لبنية الوكلاء التحتية، قارِن الرقائق بحسب حجم الذاكرة وسرعتها، والاتصال بين الرقائق، ودعم الدقة المنخفضة. تصلح قيم FLOPS المعلنة لتقدير التدريب، لكنها لا تصف السياق الطويل جيدًا.
ثانيًا: احسب هامشًا للبرمجيات. فإذا كانت الإنتاجية الفعلية أقل من المحسوبة بالنصف، فقد يؤثر اختيار الإطار البرمجي وضبطه في تكلفة الطلب بقدر ما يؤثر فيها اختيار جيل الرقاقة.
ثالثًا: لا تفترض أن القدرة الوكيلية الرخيصة ستنمو بالوتيرة نفسها. فانتظار الأجيال القادمة سيعطي مكسبًا أقل من الانتقال من Hopper إلى Blackwell. ومن تقيّدهم تكلفة الاستدلال، فالأجدى لهم تحسين السياق والذاكرة المؤقتة (cache) الآن، دون انتظار Rubin.
- 20 نوفمبر 2026دورات الطبقات ترفع «التفكير بلا نص» لدى Nvidia Dory 4B بمقدار 18 نقطة، والدرجة العامة بمقدار 1,5
- 20 نوفمبر 2026Nvidia بعد هوانغ تحافظ على نهجها في المصادر المفتوحة وعلى صفقة Hugging Face بقيمة $12,9 مليار
- 20 نوفمبر 2026مطوّرة Claude، شركة Anthropic، تجمع 81,3 مليار دولار في اكتتابها العام بتقييم 1,5 تريليون دولار
- 20 نوفمبر 2026Anthropic تجمع 81,3 مليار دولار في طرحها العام الأولي وتتجاوز رقم SpaceX القياسي البالغ 75 مليار دولار
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا تنمو القدرة الوكيلية أسرع من التيرافلوبس؟
تقيس Epoch هذه القدرة بمؤشرها الخاص IPI. يوضح المؤشر عدد الطلبات التي تستطيع الرقاقة خدمتها في وقت واحد في مهمة وكيلية نموذجية. في مهمة كهذه يحتفظ النموذج في الذاكرة المؤقتة (cache) بـ 262 ألف توكن من السياق: سجل الخطوات والمستندات ونتائج الأدوات. وفوق ذلك يعالج مع كل طلب نحو ألف توكن جديد. تخيّل أمينة مكتبة تضع على مكتبها كومة ضخمة من الأوراق لكل قارئ. سرعة قراءتها لا تكاد تهم. المهم هو عدد الأكوام التي يتسع لها المكتب، وسرعة استخراج الكومة المطلوبة، وسهولة تسليمها إلى زميل.
ما أبرز التفاصيل حول ما الذي لا يأخذه المؤشر في الحسبان؟
للتقييم قيد صريح. فقد بُني IPI على نموذج حسابي لأقصى إمكانات العتاد، ولا يأخذ في الحسبان نضج حزمة البرمجيات. اختبرته Epoch على نموذج Kimi K3، فتبيّن أن الإنتاجية الفعلية لـ GB300 أقل من المحسوبة بنحو النصف. وهذا يعني أن الأرقام تُقرأ بوصفها سقفًا لا يزال على البرمجيات أن تصل إليه. أما سرعة وصولها فتتوقف على الأطر البرمجية المحددة وعلى الفرق التي تضبطها. إضافةً إلى ذلك، يقيس هذا التقدير الحمل الوكيلي ذا السياق الطويل تحديدًا. وفي طلبات الدردشة القصيرة أو في تدريب النماذج قد تبدو النسب بين الرقائق مختلفة.
ما أبرز التفاصيل حول النمو سيتباطأ؟
تتوقع Epoch ألا ينمو الأسطول بهذه الوتيرة. فالرقائق المباعة في الربع الثاني من 2026 أضافت قدرة وكيلية تفوق بـ 3.3 مرة ما أضافته الرقائق المباعة في الربع الثاني من 2025. وهذا أقل بوضوح من نمو الأسطول كله في العام نفسه. والسبب أن كثيرًا من أكبر التحسينات جاء مع الانتقال من Hopper إلى Blackwell. فبحسب نموذج Epoch، تنمو القدرة لكل GPU بمقدار 8 مرات عند الانتقال من H200 إلى GB300. أما من GB300 إلى VR200، وهي منصة الجيل التالي المزوّدة بوحدات GPU من طراز Rubin، فالزيادة 2.2 مرة فقط.
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.