الرقائق الضوئية للذكاء الاصطناعي تَعِد باستهلاك طاقة أقل بمقدار 10 إلى 80 مرة من وحدات GPU
اصطدم الاستدلال، أي توليد إجابات الشبكات العصبية، بحدود الكهرباء، ولذلك تحاول شركات ناشئة من جديد الحساب بالضوء. فالبصريات تضرب مصفوفة من الأرقام في متجه دون أي تكلفة طاقة تقريبًا، لكن ترميز البيانات في الضوء مكلف. والهدف الواقعي هو استهلاك طاقة أقل بـ10–80 مرة من وحدات معالجة الرسومات GPU، لا بـ100 000 مرة كما في التقديرات المخبرية. وهذه إشارة مفيدة للمهندسين: سيصبح الضوء مسرّعًا لجزء من المهام، لا بديلًا عن GPU.
معالج بواسطة الذكاء الاصطناعي من IEEE Spectrum AI؛ بتحرير Hamidun News
تستهلك كل إجابة من ChatGPT أو أي روبوت دردشة آخر كهرباء، وفي مرحلة ما أصبحت الكهرباء نفسها، لا أموال شراء الرقائق، القيد الرئيسي. فالاستدلال، أي إجابات النموذج المدرَّب عن طلبات المستخدمين، دفع بالفعل إلى بناء مراكز بيانات ضخمة. لذلك عادت فكرة قديمة، هي الحساب بالضوء بدل التيار الكهربائي، من المختبرات إلى عالم الأعمال. ووفق IEEE Spectrum، بلغ التقييم الإجمالي للشركات في هذا المجال 2,22 مليار دولار مقابل 0,4 مليار دولار في عام 2022. ووعدها هو تنفيذ الرياضيات نفسها التي تحسبها وحدات GPU (بطاقات Nvidia الرسومية وما يماثلها) مع إنفاق طاقة أقل بمقدار 10–80 مرة.
«الاهتمام بالفوتونيات ناجم إلى حد كبير عن أن استدلال الذكاء الاصطناعي اصطدم حرفيًا بحدود القدرة الكهربائية، وبشكل حاد إلى حد ما»، يقول بيتر ماكماهون، أستاذ في جامعة كورنيل يدرس الحوسبة الضوئية منذ أكثر من عشر سنوات. وتظهر الشركات الناشئة الضوئية في الولايات المتحدة والصين وألمانيا وإسرائيل.
كيف يضرب الضوء المصفوفات
العملية الأساسية في الاستدلال هي ضرب مصفوفة في متجه. تخيّل أن المتجه هو طلبك محوَّلًا إلى مجموعة من الأرقام، وأن المصفوفة هي جدول أوزان النموذج. وتضرب وحدات GPU أحدهما في الآخر عددًا لا يحصى من المرات في الثانية.
ففي عام 1978، اقترح جوزيف غودمان وزملاؤه مخططًا بصريًا بسيطًا. صف من الصمامات الثنائية الباعثة للضوء (LED) يرمّز أعداد المتجه بشدة السطوع: كلما ازداد سطوع الصمام، ارتفعت القيمة. وتمدّ عدسة أسطوانية هذا الضوء عموديًا، فتنسخ المتجه عمليًا N مرة. ثم يمر الضوء عبر مخفِّت بيكسلي بحجم N في N: كل بيكسل يخفت الضوء وفق قيمة من المصفوفة، وهذا هو الضرب نفسه. وتجمع عدسة ثانية الضوء حسب الصفوف وتجمعه، ويقرأ صف من الكاشفات المتجه الناتج.
تكمن الفائدة في قابلية التوسع. ففي الإلكترونيات، يتطلب كل ضرب من الضربات N² طاقة، لذا تنمو التكاليف بمقدار N². أما في البصريات فالضرب سلبي: ما دامت المصفوفة لا تتغير، فإن مرور الضوء عبرها لا يكلّف تقريبًا شيئًا. وتُدفع التكلفة فقط عن ترميز المتجه وقراءة الإجابة، وهي من مرتبة N.
وفي عام 2022، عرض فريق ماكماهون شبكة عصبية ضوئية أنفقت أقل من فوتون واحد، نحو 2,5×10⁻¹⁹ جول، على كل عملية ضرب. وفي الحاسوب التقليدي تتراوح تكلفة الضرب بين 10⁻¹⁴ و10⁻¹² جول، ما يعني أن التوفير يبلغ نظريًا 100 000 مرة.
لماذا الوعود أكثر تواضعًا من الأرقام المخبرية
ماكماهون نفسه يحذّر من هذه التقديرات. أولًا، لم يدخل في الحساب ثمن ترميز البيانات في الضوء. لنفترض أن الضرب في الإلكترونيات يكلّف 1 بيكوجول، وأن ترميز عنصر واحد من المتجه في البصريات يكلّف 1000 بيكوجول. عندها تتفوق الإلكترونيات ما دام المتجه أقصر من 1000 عنصر. ويرى ماكماهون أن هذا ليس بعيدًا عن الواقع: فالبصريات تبدأ بالتفوق في مكان ما بين N = 1000 وN = 10 000.
ثانيًا، يعمل قانون أمدال. فإذا تعامل المسرّع مع 90% من الشيفرة ولم يستطع تسريع الـ10% المتبقية، فإن الحد الأقصى للمكسب هو عشرة أضعاف. وضرب المصفوفات ليس سوى جزء من الاستدلال، فهناك أيضًا عمليات غير خطية، ولا تزال الإلكترونيات هي التي تحسبها. ولذلك لا تستهدف الشركات الضوئية 100 000 مرة، بل 10–80 مرة في كفاءة الطاقة قياسًا بوحدات GPU. ويبقى السؤال: هل ستتمكن من بلوغ التطبيق الواسع قبل أن تصبح الرقائق التقليدية نفسها أكثر اقتصادًا؟
من يبني وكيف
يُقسَّم الاستدلال عادةً إلى مرحلتين: prefill، حين يعالج النموذج الطلب المُدخَل، وdecode، حين تُولَّد الإجابة توكنًا توكنًا. والمرحلة الأولى أثقل حسابيًا: فيها تُضرب المصفوفة نفسها مرارًا في متجهات مختلفة. وهنا تحديدًا يبدو منطقيًا أن تستهدف البصريات.
استلهمت الشركة البريطانية الناشئة Lumai من أكسفورد مخطط غودمان أكثر من غيرها. فبدل المخفِّت الثابت، تستخدم مُعدِّلًا ضوئيًا مكانيًا قابلًا للبرمجة، وهو غشاء بيكسلي يشبه شاشة بلورية سائلة متطورة، ويغيّر سطوع الضوء وطوره معًا. ويسير الضوء في الهواء لا في موجّهات موجية على الرقاقة. يُرمَّز المتجه في الضوء، وتنسخه عدسة، ثم يمر عبر المُعدِّل، وتجمعه عدسة ثانية ويتحول مجددًا إلى إشارة رقمية. وتتولى الإلكترونيات حساب الدوال غير الخطية. ويقول فيليب بور، مدير المنتج، إن ضرب المصفوفة في المتجه يكتمل بالكامل في دورة بصرية واحدة.
أما الشركة البريطانية الأخرى Optalysys فتسلك طريقًا مختلفًا: إذ تدمج عناصر ضوئية في مسار الشبكات داخل مراكز البيانات، حيث يُستخدم الضوء أصلًا لنقل البيانات. وعنصرها الأساسي على الرقاقة هو حاسبة تحويل فورييه.
ماذا يعني هذا للمهندسين
لا تزال كل أرقام المكسب أهدافًا تعلنها الشركات، لا قياسات في بيئة الإنتاج. لكن الاستنتاجات مفيدة منذ الآن. فمن غير المرجح أن تحل البصريات محل بطاقات الرسوميات بالكامل: الأقرب إلى الواقع نموذج هجين يحسب فيه الضوء عمليات الضرب الثقيلة وتتولى الإلكترونيات كل ما عداها. كما أن المكسب لا يظهر إلا على مصفوفات كبيرة بما يكفي، لذا ستكون النماذج الكبيرة والسياقات الطويلة أول المرشحين. ومن يخطط للبنية التحتية لعدة سنوات قادمة عليه أن يتابع هذا المجال، لكن دون إدراجه في الميزانيات ما دامت لا توجد منتجات تُصنَّع بكميات تجارية. ويضيف لوغان رايت من جامعة ييل أنه حتى لو لم تفز البصريات في سباق الذكاء الاصطناعي، فإن التقنيات التي تُبتكر في هذه الموجة ستتيح بناء أنظمة فوتونية ذات قدرات خاصة.
- 22 نوفمبر 2026نموذج OpenAI الجديد Astra يكتب ردودًا أقصر بنسبة 40%، لكن تصنيفه في التحفظات تراجع من 96 إلى 24
- 22 نوفمبر 2026خمسة مستودعات مجانية على GitHub تتيح الوصول إلى أكثر من 1400 نموذج ذكاء اصطناعي عبر عنوان واحد
- 22 نوفمبر 2026OpenAI تخفّض نجاح هجمات سرقة استدلال النماذج من 54% إلى 0.2%
- 22 نوفمبر 2026وكيل Microsoft كتب أوزان الشبكة العصبية يدويًا وحقق دقة 100% في 13 مهمة
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف يضرب الضوء المصفوفات؟
العملية الأساسية في الاستدلال هي ضرب مصفوفة في متجه. تخيّل أن المتجه هو طلبك محوَّلًا إلى مجموعة من الأرقام، وأن المصفوفة هي جدول أوزان النموذج. وتضرب وحدات GPU أحدهما في الآخر عددًا لا يحصى من المرات في الثانية. ففي عام 1978، اقترح جوزيف غودمان وزملاؤه مخططًا بصريًا بسيطًا. صف من الصمامات الثنائية الباعثة للضوء (LED) يرمّز أعداد المتجه بشدة السطوع: كلما ازداد سطوع الصمام، ارتفعت القيمة. وتمدّ عدسة أسطوانية هذا الضوء عموديًا، فتنسخ المتجه عمليًا N مرة.
ما أبرز التفاصيل حول لماذا الوعود أكثر تواضعًا من الأرقام المخبرية؟
ماكماهون نفسه يحذّر من هذه التقديرات. أولًا، لم يدخل في الحساب ثمن ترميز البيانات في الضوء. لنفترض أن الضرب في الإلكترونيات يكلّف 1 بيكوجول، وأن ترميز عنصر واحد من المتجه في البصريات يكلّف 1000 بيكوجول. عندها تتفوق الإلكترونيات ما دام المتجه أقصر من 1000 عنصر. ويرى ماكماهون أن هذا ليس بعيدًا عن الواقع: فالبصريات تبدأ بالتفوق في مكان ما بين N = 1000 وN = 10 000. ثانيًا، يعمل قانون أمدال. فإذا تعامل المسرّع مع 90% من الشيفرة ولم يستطع تسريع الـ10% المتبقية، فإن الحد الأقصى للمكسب هو عشرة أضعاف.
ما أبرز التفاصيل حول من يبني وكيف؟
يُقسَّم الاستدلال عادةً إلى مرحلتين: prefill، حين يعالج النموذج الطلب المُدخَل، وdecode، حين تُولَّد الإجابة توكنًا توكنًا. والمرحلة الأولى أثقل حسابيًا: فيها تُضرب المصفوفة نفسها مرارًا في متجهات مختلفة. وهنا تحديدًا يبدو منطقيًا أن تستهدف البصريات. استلهمت الشركة البريطانية الناشئة Lumai من أكسفورد مخطط غودمان أكثر من غيرها. فبدل المخفِّت الثابت، تستخدم مُعدِّلًا ضوئيًا مكانيًا قابلًا للبرمجة، وهو غشاء بيكسلي يشبه شاشة بلورية سائلة متطورة، ويغيّر سطوع الضوء وطوره معًا.
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.