ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصداركود / SDK · جاهز للعملThe Decoder→ المصدر

Nvidia تقترب من شراء Inception مقابل 500 مليون دولار على الأقل لأجل نماذج LLM الانتشارية

تقترب Nvidia من شراء الشركة الناشئة Inception مقابل 500 مليون دولار على الأقل، بحسب ما نقلته The Information. تدرّب Inception النماذج اللغوية على كتابة الإجابة كاملة دفعة واحدة، لا رمزًا تلو الآخر كما يفعل ChatGPT: تبدأ بمسودة للصفحة كلها، ثم تجري عدة تمريرات تنقيح، على غرار مولّدات الصور. وإذا نجح هذا النهج، فسيعزّز نماذج Nemotron المفتوحة من Nvidia، وسيحصل المطوّرون على نماذج LLM أسرع للوكلاء الذكيين (agents) والإكمال التلقائي للشيفرة.

معالج بواسطة الذكاء الاصطناعي من The Decoder؛ بتحرير Hamidun News
Nvidia تقترب من شراء Inception مقابل 500 مليون دولار على الأقل لأجل نماذج LLM الانتشارية
المصدر: The Decoder. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليThe Decoder ↗
رئيس التحرير
الصفقة500 مليون دولار على الأقل، مع مكافآت لأكثر من 30 موظفًا في Inception
حقيقة رئيسية #2المؤسسون المشاركون، وهم الأساتذة إرمون وغروفر وكوليشوف، سينتقلون إلى Nvidia
حقيقة رئيسية #3Mercury 3 أسرع من GPT-6 Luna وClaude Haiku 5.5، بحسب ما تعلنه Inception

تكتب النماذج اللغوية التقليدية إجابتها كما يُملي المرء رسالة: كلمة بعد كلمة، وتعتمد كل كلمة جديدة على ما سبقها. لذلك يضطر المستخدم إلى انتظار الإجابة الطويلة، وتتراكم أزمنة التأخير في سلسلة من عشرات خطوات الوكيل الذكي (agent). وبحسب The Information، قررت Nvidia شراء فريق يجرّب مسارًا مختلفًا: نماذج لغوية (LLM) انتشارية، أي نماذج تنشئ مسودة للإجابة كلها دفعة واحدة ثم تنقّحها عدة مرات، مثل محرر يراجع الصفحة بأكملها بدل أن يواصل كتابتها من اليسار إلى اليمين.

ووفقًا لثلاثة مصادر تحدثت إليها الصحيفة، تقترب Nvidia من الاستحواذ على الشركة الناشئة Inception مقابل 500 مليون دولار على الأقل. وهذه الصفقة غير مؤكدة بعد: فلم تعلّق Nvidia ولا Inception في البداية على الخبر. أما عمليًا بالنسبة للمطوّر، فالمعنى بسيط: إذا نجح هذا النهج على نطاق واسع، فقد تصبح الإجابات في الإكمال التلقائي للشيفرة والمساعدات الصوتية والوكلاء الذكيين أسرع بشكل ملحوظ.

ماذا تفعل Inception وبمَ تختلف؟

تعمل Inception منذ نحو عامين، ويقع مقرها في منطقة خليج سان فرانسيسكو، ويعمل فيها أكثر من 30 شخصًا. تبني الشركة نماذج لغوية قائمة على الانتشار (diffusion)، وهو نهج معروف في مولّدات الصور. فالصورة هناك تبدو في البداية ضجيجًا، ثم تتضح عبر عدة تمريرات.

وهنا تُطبَّق الفكرة نفسها على النص. فالنموذج التقليدي، مثل النماذج التي تقف وراء ChatGPT وClaude، يولّد الإجابة رمزًا (token) واحدًا في كل مرة، والرمز هو جزء من كلمة. أما النموذج الانتشاري فينشئ مسودة للإجابة كلها ثم يحسّنها خطوة بعد خطوة. ونظريًا، يمنح ذلك مكسبًا في السرعة، لأن كثيرًا من الرموز تُعالَج بالتوازي.

أحدث إصدارات الشركة هو Mercury 3. وبحسب The Decoder، أعلنت Inception في أكتوبر أن النموذج يتفوق على GPT-6 Luna وClaude Haiku 5.5 مع زمن انتظار أقل بكثير. وهذا إعلان من الشركة نفسها، ولا تتضمن المصادر أي قياسات مستقلة.

لماذا تريد Nvidia ذلك؟

وفق رواية The Information، يُفترض أن يعزّز الاستحواذ خط Nemotron المفتوح والنماذج الفيزيائية الموجهة للروبوتات. وتستخدم Palantir والجهات الحكومية الأمريكية Nemotron فعلًا بديلًا عن النماذج المفتوحة الصينية. وهذا سوق مهم لـ Nvidia: فكلما امتلكت الشركة نماذج مفتوحة قوية، سهُل على العملاء البقاء ضمن عتادها وبرمجياتها.

وثمة سياق تنافسي أيضًا. فبحسب المادة، تصنع OpenAI وAnthropic رقاقات خاصة بها للاستدلال (inference)، أي لتشغيل النماذج الجاهزة. وتربح Nvidia من كون السوق يشغّل النماذج على وحدات GPU الخاصة بها، وتُضعف رقاقات المنافسين المستقلة هذا النموذج. أما بنية سريعة ورخيصة التشغيل فتساعد على إثبات أن منصة Nvidia لا تزال أفضل مكان للاستدلال.

وتتضمن الصفقة مكافآت مرتبطة بالنتائج لموظفي Inception. ومن المقرر أن ينتقل المؤسسون المشاركون، وهم الأساتذة ستيفانو إرمون وأديتيا غروفر وفلاديمير كوليشوف، إلى العمل في Nvidia بدوام كامل. وتشير الصحيفة إلى أن المفاوضات بدأت قبل استقالة رئيس Nvidia جensen هوانغ، وبعد أن أبدت Microsoft اهتمامها بالشركة الناشئة. وكانت The Decoder قد تناولت الاستقالة في مادة منفصلة: فقد جاءت في 12 نوفمبر عقب فضيحة تجسس، انخفضت بعدها القيمة السوقية للشركة بمقدار 1,4 تريليون دولار.

ماذا يعني ذلك للمطوّرين؟

أولًا، لم تعد نماذج LLM الانتشارية أمرًا غريبًا. فحين يدفع أكبر مصنّع للمسرّعات نصف مليار دولار فأكثر مقابل فريق من ثلاثين شخصًا ونيّف، فإنه يراهن على التقنية، لا على الإيرادات الحالية.

ثانيًا، إذا كنت تبني منتجات يهم فيها زمن التأخير، مثل الإكمال التلقائي للشيفرة والمساعدات الصوتية والوكلاء الذكيين ذوي عشرات الخطوات، فمن الجدير أن تنظر في هذه النماذج منذ الآن. فسرعة الاستجابة في سلاسل الوكلاء تتراكم عند كل خطوة، وقد يكون المكسب فيها أوضح من تحسّن الجودة.

وهناك قيود أيضًا. فالصفقة لم تُغلق بعد، والسعر مذكور بوصفه حدًّا أدنى، ومقارنات Mercury 3 مع المنافسين صادرة عن الشركة الناشئة نفسها. ولا يُعرف كيف سيتصرف النهج الانتشاري في مهام الاستدلال المعقدة جدًا وفي السياقات الطويلة. كما أنه من غير الواضح ما إذا كانت أوزان Inception المفتوحة ستظهر داخل Nemotron. وحتى الآن، الخلاصة العملية هي التالية: تابعوا اختبارات الأداء (benchmarks) المستقلة لـ Mercury 3، وجرّبوا النماذج الانتشارية على مهامكم التي يكون فيها زمن الاستجابة حاسمًا.

القصة

أسئلة وأجوبة حول الخبر

ماذا تفعل Inception وبمَ تختلف؟

تعمل Inception منذ نحو عامين، ويقع مقرها في منطقة خليج سان فرانسيسكو، ويعمل فيها أكثر من 30 شخصًا. تبني الشركة نماذج لغوية قائمة على الانتشار (diffusion)، وهو نهج معروف في مولّدات الصور. فالصورة هناك تبدو في البداية ضجيجًا، ثم تتضح عبر عدة تمريرات. وهنا تُطبَّق الفكرة نفسها على النص. فالنموذج التقليدي، مثل النماذج التي تقف وراء ChatGPT وClaude، يولّد الإجابة رمزًا (token) واحدًا في كل مرة، والرمز هو جزء من كلمة. أما النموذج الانتشاري فينشئ مسودة للإجابة كلها ثم يحسّنها خطوة بعد خطوة.

لماذا تريد Nvidia ذلك؟

وفق رواية The Information، يُفترض أن يعزّز الاستحواذ خط Nemotron المفتوح والنماذج الفيزيائية الموجهة للروبوتات. وتستخدم Palantir والجهات الحكومية الأمريكية Nemotron فعلًا بديلًا عن النماذج المفتوحة الصينية. وهذا سوق مهم لـ Nvidia: فكلما امتلكت الشركة نماذج مفتوحة قوية، سهُل على العملاء البقاء ضمن عتادها وبرمجياتها. وثمة سياق تنافسي أيضًا. فبحسب المادة، تصنع OpenAI وAnthropic رقاقات خاصة بها للاستدلال (inference)، أي لتشغيل النماذج الجاهزة.

ماذا يعني ذلك للمطوّرين؟

أولًا، لم تعد نماذج LLM الانتشارية أمرًا غريبًا. فحين يدفع أكبر مصنّع للمسرّعات نصف مليار دولار فأكثر مقابل فريق من ثلاثين شخصًا ونيّف، فإنه يراهن على التقنية، لا على الإيرادات الحالية. ثانيًا، إذا كنت تبني منتجات يهم فيها زمن التأخير، مثل الإكمال التلقائي للشيفرة والمساعدات الصوتية والوكلاء الذكيين ذوي عشرات الخطوات، فمن الجدير أن تنظر في هذه النماذج منذ الآن. فسرعة الاستجابة في سلاسل الوكلاء تتراكم عند كل خطوة، وقد يكون المكسب فيها أوضح من تحسّن الجودة. وهناك قيود أيضًا.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…