DGX Spark مع Qwen3: اختبار NVIDIA الذي لم يكشف كل شيء

DGX Spark مع Qwen3: اختبار NVIDIA الذي لم يكشف كل شيء

في عالم الذكاء الاصطناعي، حيث تزداد نماذج اللغة الكبيرة (LLM) قوة ومتطلبات، تبرز مشكلة نقص الذاكرة اللازمة لتشغيلها بحدّة خاصة. يواجه كثير من الهواة، بل والمحترفين أيضًا، موقفًا لا يتسع فيه نموذج يضم عشرات المليارات من المعاملات في حجم ذاكرة الفيديو (VRAM) المحدود لوحدات المعالجة الرسومية الحديثة. وفي هذه الحالات لا مفرّ من التنازلات: فإما «تفريغ» جزء من النموذج إلى المعالج المركزي (CPU)، وهو ما يخفض سرعة العمل بصورة كارثية، وإما اللجوء إلى حلول سحابية باهظة التكلفة، قد تثير فضلًا عن ذلك مخاوف تتعلق بخصوصية البيانات.

وسعيًا إلى حلّ هذه المشكلة الملحّة، قدّمت NVIDIA نظام DGX Spark (المعروف أيضًا باسم GB10)، المزوّد بذاكرة موحّدة سعتها 128 غيغابايت. ويبلغ السعر المعلن للجهاز ما بين 400 و500 ألف روبل. غير أن اختبارًا معمّقًا استمر أسبوعين أظهر أن نتائج عمل هذا النظام مع نموذج Qwen3 جاءت متباينة، ما يدعو إلى التساؤل عن القيمة الحقيقية لهذا الحل.

سياق المشكلة التي صُمّم DGX Spark لحلّها مألوف لكل من يعمل مع LLM. فالموقف النموذجي هو محاولة تشغيل نموذج بـ 32 مليار معامل على بطاقة رسومية من فئة RTX 4090 بذاكرة VRAM سعتها 24 غيغابايت. وهنا يظهر نقص الذاكرة حتمًا.

أما البديل المتمثل في offload إلى CPU فيتيح تشغيل النموذج، لكنه يؤدي إلى هبوط غير مقبول في الأداء. وفي المقابل، لا تتطلب الخدمات السحابية استثمارات مالية كبيرة فحسب، بل تضع أيضًا أمن البيانات المعالَجة وخصوصيتها محل تساؤل، لأنها تُنقل إلى خوادم طرف ثالث. وفي هذا السياق تحديدًا يبدو عرض NVIDIA المتمثل في DGX Spark بذاكرته الموحّدة البالغة 128 غيغابايت واعدًا.

فالذاكرة الموحّدة، بخلاف الذاكرة المنفصلة التقليدية لكل من CPU وGPU، تتيح للمعالجين العمل على حجم البيانات نفسه دون الحاجة إلى نسخها، ما يُفترض نظريًا أن يسرّع المعالجة.

كشف الاختبار المعمّق لـ DGX Spark مع نموذج Qwen3 عن عدد من الفروق الدقيقة. فقد أُجريت اختبارات أداء واسعة شملت مقارنة صيغ مختلفة لـ quantization للنموذج (وهي طريقة تتيح تصغير حجم النموذج ومتطلبات الذاكرة مقابل بعض الخسارة في الدقة)، والاختبار بأحجام متباينة من السياق المُدخَل (أي حجم المعلومات التي يعالجها النموذج في وقت واحد)، ومقارنة الأداء بحلول GPU الأكثر اعتيادًا. وجاءت النتائج بعيدة عن الحسم.

ففي بعض السيناريوهات أظهر DGX Spark مزايا حقيقية، خاصة عندما كان المطلوب التعامل مع أحجام كبيرة من البيانات لا تتسع في VRAM لدى البطاقات الرسومية القياسية. لكن في حالات أخرى، خصوصًا عند الأحمال المكثفة أو عند العمل مع أنواع معينة من النماذج، لم يُظهر النظام الزيادة المتوقعة في السرعة. بل لوحظ أحيانًا أن أداء DGX Spark كان أدنى حتى من حلول مُحسَّنة جيدًا قائمة على عدة وحدات GPU قوية، أو أنه استلزم اللجوء إلى موارد سحابية مكلفة، وهو ما يُلغي الميزة الأساسية للجهاز، أي المعالجة المحلية للبيانات.

ومن الجدير بالذكر أنه في بعض الاختبارات، حين لم يتسع النموذج بالكامل في الذاكرة الموحّدة، انتقل النظام تلقائيًا إلى استخدام CPU، ما أدى إلى تباطؤ ملحوظ يضاهي offload المعتاد.

تتطلب تبعات هذه النتائج المتباينة تحليلًا دقيقًا. فالجدوى المالية لـ DGX Spark، بسعر نصف مليون روبل، تثير تساؤلات، لا سيما إذا أخذنا في الحسبان أنه في عدد من السيناريوهات لا يوفّر تفوقًا ملموسًا على الحلول الأكثر توافرًا أو التقليدية. أما القيود المعمارية للنظام، التي تظهر مع أنواع معينة من الأحمال، فتجعله حلًّا غير شامل، بل منتجًا موجّهًا إلى شريحة محدودة. ومن المرجّح أن المواد التسويقية لدى NVIDIA تركّز على أقصى مؤشرات الأداء وعلى السيناريوهات التي تكون فيها ذاكرة 128 غيغابايت عاملًا حاسمًا بالفعل، وتغفل الحالات التي قد تكون فيها هذه البنية غير فعّالة أو حتى خاسرة. وهذا يعني أن على المشترين المحتملين أن يوازنوا مهامهم بعناية ويقارنوها بالقدرات الفعلية لـ DGX Spark، لا أن يعتمدوا على الوعود الدعائية وحدها.

خلاصة القول، يمثّل DGX Spark بذاكرته الموحّدة البالغة 128 غيغابايت خطوة مثيرة للاهتمام، لكنها غير مثالية، في تطوير العتاد المخصص للعمل مع نماذج اللغة الكبيرة. فقد يكون مجديًا لشريحة ضيقة من المهام التي يكون فيها حجم الذاكرة عاملًا حرجًا، والتي تعجز فيها الحلول الأخرى ببساطة عن أداء المطلوب. أما بالنسبة لمعظم المستخدمين، فإن 128 غيغابايت من الذاكرة الموحّدة ليست «رصاصة فضية» تحلّ كل المشكلات. ولا بدّ من الإقرار بأن الحلول المُحسَّنة القائمة على عدة وحدات GPU، أو حتى النُّهج الهجينة، تظل في الغالب الخيار الأفضل لتحقيق أقصى أداء وجدوى اقتصادية. ويبقى الاختبار الدقيق وفهم الخصائص المعمارية لـ DGX Spark المفتاح لتحديد ما إذا كان هذا الجهاز يستحق فعلًا ثمنه الباهظ بالنسبة لاحتياجاتك المحددة.