Sunrise S3: الرد الصيني على «جوع» الذاكرة المرئية وتكلفة التوليد المرتفعة

بينما يختنق القطاع بسبب نقص الذاكرة المرئية وأسعار H100 المرتفعة، قررت شركة Sunrise الصينية اللعب بأوراقها الرابحة التي تهم المطورين فعلًا. فشريحتها الجديدة S3 ليست مجرد محاولة أخرى للحاق بالمتصدرين من حيث عدد التيرافلوبس، بل أداة عملية لحل مشكلة «عنق الزجاجة في الذاكرة». ويعرف كل من حاول يومًا تشغيل نموذج لغوي ثقيل محليًا أن القدرة الحاسوبية كثيرًا ما تبقى معطلة، لأن البيانات لا تصل من الذاكرة بالسرعة الكافية.

زوّدت Sunrise شريحة S3 بدعم ذاكرة من معيار LPDDR6. وهذه هي المرة الأولى في حلول GPGPU الصينية، وتبدو الخطوة جريئة على أقل تقدير. وبفضل هذا القرار، ارتفع حجم الذاكرة المتاحة أربعة أضعاف دفعة واحدة مقارنةً بالجيل السابق من شرائح الشركة. وفي عالم تنمو فيه معاملات النماذج أسرع من ميزانيات «العتاد»، تتيح هذه القفزة إبقاء سياقات وأوزان نماذج أكبر بكثير في الذاكرة العاملة، دون اللجوء إلى وسائط التخزين الخارجية البطيئة.

وهناك حيلة هندسية أخرى تكمن في مرونة العمليات الحسابية. فـS3 تتيح التبديل «أثناء التشغيل» حرفيًا بين الدقتين FP16 وFP4. وبالنسبة إلى من لا يتابعون تفاصيل التكميم (quantization): يتيح الانتقال إلى FP4 ضغط بيانات النموذج دون فقدان حرج في جودة الإجابات. ويؤثر ذلك مباشرة في سرعة التوليد، والأهم من ذلك في اقتصاديات العملية. فعندما يشغل النموذج مساحة أقل ويحتاج إلى موارد أقل لمعالجة كل كلمة، تنخفض تكلفة التشغيل انخفاضًا أُسّيًا.

الأرقام التي تقدمها Sunrise تبدو شبه استفزازية. ففي نماذج عائلة DeepSeek الشائعة، انخفضت تكلفة توليد رمز (token) واحد بنسبة 90% مقارنةً بالحلول السابقة للشركة. وإذا تأكدت هذه المؤشرات في الخوادم الفعلية، فسنشهد موجة جديدة من خدمات الذكاء الاصطناعي الميسورة التي لا تتطلب استثمارات بمليارات في البنية التحتية. وهذا مهم بوجه خاص للسوق الصينية، حيث يقيّد العقوبات الوصول إلى مسرّعات Nvidia المتقدمة، بينما يتزايد الطلب على القدرات الحاسوبية لنماذج LLM الوطنية.

من المهم فهم السياق: Sunrise لا تحاول صنع آلة شاملة لتدريب النماذج من الصفر. فـS3 «ماكينة» عالية التخصص للاستدلال، أي لتشغيل الشبكات العصبية المدرَّبة أصلًا. وفي هذه المرحلة تحديدًا يُحرق الجزء الأكبر من الأموال في أعمال الذكاء الاصطناعي حاليًا. وإذا كان بوسعك تقديم الإجابات للمستخدمين بتكلفة أقل عشر مرات من المنافسين، فإن نموذج أعمالك يبدو فجأة قابلًا للاستمرار.

وفي نهاية المطاف، لن يعتمد نجاح S3 على «العتاد» وحده، بل على البرمجيات المحيطة به أيضًا. فالمصنّعون الصينيون كثيرًا ما يتعثرون بالذات في برامج التشغيل (drivers) والتوافق مع المكتبات الشائعة مثل PyTorch. غير أن التركيز على DeepSeek، وهو أشهر نموذج مفتوح في المنطقة، يمنحهم منصة انطلاق ممتازة.

يبدو أن حقبة قياس القوة بقدرة GPU وحدها تتراجع، لتفسح المجال لحقبة كفاءة الذاكرة.

الخلاصة: تثبت Sunrise S3 أن التحسين لبنى محددة مثل DeepSeek والعمل بذاكرة LPDDR6 قد يمنحان مكسبًا في الكفاءة أكبر من مجرد السباق على النانومترات. فهل يمكن أن يصبح هذا النهج معيارًا للاستدلال الاقتصادي في العالم كله؟