Selectel تضيف خوادم رائدة لتدريب النماذج وتوسّع كتالوج الصور الجاهزة

لخّصت Selectel حصيلة فبراير، وعرضت كيف تغيّر بنيتها التحتية استجابةً للطلب المتنامي على أحمال الذكاء الاصطناعي. أبرز التحديثات: خوادم مخصّصة جديدة لتدريب النماذج الكبيرة، وصور جديدة في سوق الذكاء الاصطناعي (AI-marketplace)، وعدة تغييرات لافتة في منصة Kubernetes السحابية.

خوادم التدريب

أبرز المستجدات هو الخادم المخصّص GL8-B300-HGX-25GE المبني على منصة NVIDIA HGX B300. وتصفه الشركة بأنه أقوى تكوين في خطها الحالي، وهو مصمّم لتدريب الذكاء الاصطناعي، وإعادة التدريب الدقيق (fine-tuning)، والاستدلال (inference) الإنتاجي للنماذج اللغوية الكبيرة. وتؤكد Selectel بشكل خاص على إجمالي ذاكرة الفيديو البالغ 2,3 تيرابايت. وهذا مستوى لا تحتاجه المشاريع التجريبية، بل خطوط المعالجة الثقيلة والسياقات الطويلة والدفعات الكبيرة، حيث لا تكون وحدة GPU وحدها نقطة الاختناق، بل استقرار البنية التحتية بأكملها.

«NVIDIA HGX B300 — منصة رائدة لأحمال الذكاء الاصطناعي واسعة النطاق».

وللفرق التي لا تحتاج إلى مستوى العناقيد الأعلى، أضافت الشركة خيارات أكثر واقعية. يُطرح تكوين AR45G-NVMe-H200 كخادم مدمج وأكثر تكلفة معقولة للاستدلال والنماذج الأولية والتدريب الصغير. أما خيار AR45G-NVMe-RTX6000 فهو مخصّص للسيناريوهات التي تكفيها ذاكرة VRAM بسعة 96 غيغابايت: المشاريع التجريبية مع النماذج اللغوية الكبيرة (LLM)، ومهام الرؤية الحاسوبية، والرسوميات، والأحمال التطبيقية. وبالتوازي، وسّعت Selectel خط التخزين بإضافة أقراص HDD بسعة 28 تيرابايت للأرشيفات والنسخ الاحتياطية والسجلات.

السوق والسحابة

ظهرت في سوق الذكاء الاصطناعي لدى Selectel صور جاهزة جديدة تغطي مراحل مختلفة من دورة تعلّم الآلة (ML)، من التجارب إلى مراقبة الجودة ووسم البيانات. وليست هذه إضافة لتكبير الكتالوج بلا فائدة؛ فالشركة تضيف أدوات تساعد على بناء منظومة أكمل حول النموذج، لا مجرد تشغيل الاستدلال داخل حاوية. وبالنسبة للفرق الهندسية، هي أيضًا وسيلة لتجهيز بيئة العمل بسرعة أكبر ودون تكامل يدوي زائد.

• Aim — لتتبّع التجارب ومقارنة نتائج ضبط النماذج.
• Lobe Chat — واجهة للعمل مع النماذج اللغوية الكبيرة (LLM) تركّز على الإضافات (plugins) والحلول الجاهزة من المجتمع (community).
• Evidently AI — مراقبة جودة النموذج ومؤشراته، ويمكن بناءً عليها أتمتة التحديثات.
• Xtreme1 — خدمة لوسم البيانات، تشمل سيناريوهات الليدار (lidar) وتصنيف الكائنات.

كما أطلقت Selectel في السحابة معالج GPU من طراز L4 بذاكرة 24 غيغابايت. وتصفه الشركة بأنه بطاقة متعددة الاستخدامات لمهام الذكاء الاصطناعي وتعلّم الآلة (AI/ML)، ومعالجة الفيديو، والبث (streaming)، وسطح المكتب الافتراضي (VDI)، وكذلك لسيناريوهات تطبيقية مثل تحويل الصوت إلى نص. وأهمية هذا الإطلاق لا تقتصر على فرق الذكاء الاصطناعي؛ إذ يُختار L4 غالبًا حيث يلزم توازن بين السعر وكفاءة الطاقة وأداء كافٍ، دون الانتقال إلى مسرّعات التدريب (training-grade) المرتفعة الثمن. وهو خيار عملي خصوصًا للفرق ذات الميزانية المحدودة.

Kubernetes والطبقة النظامية

طال التحديث البنيوي الأهم خدمة Managed Kubernetes. فقد أضافت Selectel دعمًا كاملًا للمورد ephemeralStorage في Cluster Autoscaler وKarpenter. والمغزى العملي بسيط: عند توسيع العنقود، يفهم النظام الآن بدقة أكبر حجم التخزين المحلي المؤقت الذي تحتاجه حاويات Pod الجديدة فعلًا. أما في السابق، ففي السيناريوهات التي لا تتوفر فيها في العنقود عُقد (nodes) محدَّد فيها ephemeralStorage صراحةً، كان autoscaling قد يحتسب الاحتياجات بشكل غير دقيق. وبالنسبة للفرق العاملة على معالجة البيانات وأحمال الذكاء الاصطناعي، يزيل هذا فئة مزعجة من الأخطاء في مرحلة التوسّع (scale-up).

وتتعلق عدة تغييرات أخرى بالتحكم والطبقة النظامية الأساسية. ففي Managed Kubernetes ظهرت سجلات تدقيق (audit logs) للعمليات الرئيسية على العناقيد ومجموعات العُقد، وهو ما يسهّل تحليل التغييرات والأمان والامتثال (compliance). كما فُتح في الواجهة عرض إعدادات DNS الخاص، وجرى تحديث عرض User Data لمجموعات العُقد. وعلى مستوى نظام التشغيل، أصدرت Selectel الإصدار SELECTOS 1.3 مع تحديث الحزم إلى Debian 12.13، وإغلاق 177 ثغرة، وإضافة صورة حاوية. وإضافةً إلى ذلك، أطلقت الشركة Astra Linux للخوادم في مركز البيانات А-ЦОД، وهي خطوة موجّهة إلى العملاء الذين يحتاجون إلى بيئة محمية معتمدة.

ماذا يعني ذلك

تُظهر حزمة تحديثات فبراير أن Selectel تريد أن تكون منصة بنية تحتية متكاملة للذكاء الاصطناعي، لا مجرد خدمة تأجير عتاد. فمن الأعلى، توسّع الشركة كتالوج أدوات تعلّم الآلة الجاهزة ومعالجات GPU السحابية، ومن الأسفل تعزّز Kubernetes ونظم التشغيل الأساسية وطبقة الامتثال. وبالنسبة للفرق التي تبني خدمات ذكاء اصطناعي خاصة بها، يقلّل ذلك حجم التجميع اليدوي ويسرّع الطريق من المشروع التجريبي إلى التشغيل الفعلي.