NeuReality تستقطب مسؤولة سابقة عن منتجات الذكاء الاصطناعي في Google لإطلاق NR-NEXUS في السوق

عيّنت NeuReality شاليني أغاروال مستشارة استراتيجية لتسريع طرح NR-NEXUS في السوق، وهو نظام التشغيل الذي طورته الشركة لاستدلال الذكاء الاصطناعي. وبالنسبة للشركة الإسرائيلية الناشئة، لا يقتصر الأمر على تعزيز الكادر البشري: فهي تحاول أن تحجز لنفسها موقعاً بين عناقيد GPU باهظة التكلفة والعملاء من الشركات الذين يحتاجون إلى طبقة إدارة فوق بنية تحتية متفرقة.

لماذا تحتاج الشركة إلى مستشارة

لا تتولى أغاروال منصباً تشغيلياً، بل تعمل بصفة senior strategic advisor. وكانت قد قادت مبادرات منتجات الذكاء الاصطناعي في Google Cloud وGoogle Workspace، ومنها دمج Gemini في Gmail وDocs وSlides وSheets. وهذه إشارة مهمة من NeuReality إلى السوق: فالشركة لا تحتاج إلى منظومة هندسية قوية فحسب، بل أيضاً إلى من يحسن تحويل تقنية بنية تحتية معقدة إلى عرض مفهوم للعملاء الكبار والشركاء ومورّدي العتاد.

«ذكاء الشركات الاصطناعي يدخل مرحلة جديدة»، تقول أغاروال.

يتمحور تعيينها حول استراتيجية الوصول إلى السوق (go-to-market)، لا حول إعادة كتابة البنية المعمارية. وتبني NeuReality منتجها بالفعل مع المؤسس المشارك والرئيس التنفيذي موشيه تنَّاح والرئيس هيرين ماجمودار، المدير التنفيذي السابق في GlobalFoundries وIntel Capital. وعلى الشركة الآن أن تثبت أن طبقة التنسيق (orchestration) التي تقدمها تستحق جهد الدمج، خصوصاً في سوق يرتبط فيه كثير من العملاء ارتباطاً وثيقاً بمنظومة NVIDIA ويترددون في إضافة طبقات بنية تحتية جديدة إلى منظومتهم.

كيف يعمل NR-NEXUS

قُدّمت المنصة في 12 مارس 2026 بوصفها نظام تشغيل محايداً تجاه العتاد لـ AI factories أو token factories. والفكرة ألا يرتبط تشغيل النماذج بنوع واحد من الأجهزة: إذ يعمل NR-NEXUS فوق وحدات CPU وGPU والبنية التحتية للشبكات، ويدعم أيضاً تكوينات أكثر تنوعاً تضم مسرّعات مختلفة. ويلائم هذا النهج الشركات التي بنت عناقيدها من عتاد غير متجانس ولا ترغب في إعادة بناء كل شيء من الصفر مع كل نموذج أو واجهة API جديدة.

وبحسب وصف NeuReality، يتولى النظام تنسيق حزمة الاستدلال (inference stack) كاملة، ويساعد في توزيع الحِمل بين الحوسبة والذاكرة والشبكة. وتخص الشركة بالذكر مرحلتي prefill وdecode، اللتين يمكن توزيعهما على موارد مختلفة بكفاءة أعلى. ومن المفترض عملياً أن يؤدي ذلك إلى استقرار الأداء، والحفاظ على اتفاقيات مستوى الخدمة (SLA) تحت الضغط، واستخلاص قدر أكبر من العمل المفيد من المسرّعات التي تبقى في العناقيد التقليدية خاملة جزءاً من الوقت أثناء التشغيل الفعلي.

• طبقة إدارة موحدة لوحدات CPU وGPU وNIC
• دعم البنية التحتية المختلطة دون إعادة تصميم معماري كاملة
• توجيه الأحمال بين النماذج وواجهات API مفتوحة المصدر والمملوكة
• رفع معدل استغلال المسرّعات وجعل اتفاقيات SLA أكثر قابلية للتنبؤ
• خفض كلفة توليد الرموز (tokens) مع نمو الأحجام

يُستخدم البرنامج حالياً لدى عملاء الإصدار التجريبي (beta)، ومن المتوقع أن يتم الإطلاق التجاري الكامل في وقت لاحق من هذا العام. والجمهور المستهدف لـ NR-NEXUS واضح إلى حد كبير: مزوّدو neocloud، والشركات الكبرى التي تبني قدراتها الخاصة للاستدلال، ومصنّعو الرقائق الذين يحتاجون إلى طبقة برمجية جاهزة فوق عتادهم. وفي السيناريوهات الثلاثة، لا تبيع NeuReality نموذجاً ولا رقاقة، بل طبقة بنية تحتية وسيطة يُفترض أن تبسّط تشغيل خدمات الذكاء الاصطناعي في بيئة الإنتاج (production) وتقلّص الوقت اللازم لطرح النماذج الجديدة.

لماذا يأتي هذا في الوقت المناسب

تراهن الشركة على أكثر قطاعات السوق سخونة. فبحسب تقديرات Deloitte، شكّل الاستدلال (inference) نحو نصف إجمالي حوسبة الذكاء الاصطناعي في عام 2025، وقد ترتفع حصته إلى الثلثين في 2026. وهذا يفسّر الطفرة في الإنفاق الرأسمالي: إذ تخصص Amazon نحو 200 مليار دولار لعام 2026، وتخصص Google ما بين 175 و185 مليار دولار.

غير أن العملاء من الشركات يواجهون، حتى مع هذه الميزانيات الضخمة، مشكلة قديمة: فالعتاد الباهظ كثيراً ما يكون محمّلاً بصورة غير متوازنة، وتُجمَّع المنظومة من عدد كبير جداً من المكونات غير المتوافقة. وفي هذه الفجوة بين العتاد والتشغيل تحاول NeuReality أن تجد موطئ قدم.

جمعت الشركة نحو 70 مليون دولار من الاستثمارات، منها جولة السلسلة A بقيمة 35 مليون دولار في أواخر 2022، و20 مليون دولار أخرى في مارس 2024 بدعم من European Innovation Council Fund. والمنافسة كثيفة بالفعل: فعلى سوق تحسين الاستدلال تتنافس في الوقت نفسه Modal Labs وBaseten وFireworks AI، ولكل منها رهانها الخاص حول من سيصبح طبقة الإدارة الرئيسية بعد حقبة تدريب النماذج.

ماذا يعني ذلك

تُظهر قصة NeuReality إلى أين تنتقل القيمة في بنية الذكاء الاصطناعي التحتية: من تدريب النماذج إلى تشغيلها اليومي. وإذا استطاعت الشركة الناشئة أن تثبت أن NR-NEXUS يرفع فعلاً معدل استغلال العناقيد ويخفض كلفة الرمز (token) دون ارتباط مقيِّد بمورّد واحد (vendor lock-in)، فلديها فرصة لتصبح طبقة مفيدة للعملاء من الشركات الراغبين في بناء خدمات الذكاء الاصطناعي على عتاد اشتروه بالفعل. وقد لا يكون الفائز هنا من يملك أكبر عدد من وحدات GPU، بل من يدير الاستدلال في بيئة الإنتاج على نحو أفضل.