أضافت Selectel خوادم عالية المستوى لتدريب النماذج ووسّعت كتالوج الصور

سيلكتل تضيف خوادم رائدة لتدريب النماذج وتوسع كتالوج الصور

أغلقت سيلكتل فبراير وأظهرت كيف تتطور بنيتها التحتية لتلبية الطلب المتزايد على أحمال عمل الذكاء الاصطناعي. تشمل التحديثات الرئيسية خوادم مخصصة جديدة لتدريب النماذج الكبيرة وصور جديدة في سوق الذكاء الاصطناعي وعدة تغييرات ملحوظة في منصة Kubernetes السحابية.

خوادم التدريب

الابتكار الرائد هو خادم GL8-B300-HGX-25GE المخصص القائم على منصة NVIDIA HGX B300. تسميه الشركة أقوى تكوين في خطتها الحالية: الحل مصمم لتدريب الذكاء الاصطناعي والضبط الدقيق والاستدلال الصناعي لنماذج اللغة الكبيرة. تؤكد سيلكتل بشكل خاص على إجمالي حجم الذاكرة الفيديو البالغ 2.3 تيرابايت — مستوى مطلوب ليس للمشاريع التجريبية بل لخطوط الأنابيب الثقيلة والسياق الطويل والدفعات الكبيرة، حيث يصبح الاختناق ليس فقط وحدة معالجة الرسومات بل أيضاً استقرار البنية التحتية بأكملها.

"NVIDIA HGX B300 منصة رائدة لأحمال عمل الذكاء الاصطناعي على نطاق واسع."

بالنسبة للفرق التي لا تحتاج إلى قدرة على مستوى المجموعة من الدرجة الأولى، أضافت الشركة أيضاً خيارات أكثر عملية. يتم وضع تكوين AR45G-NVMe-H200 كخادم مضغوط وأكثر بأسعار معقولة للاستدلال والنماذج الأولية والتدريب على نطاق صغير. خيار آخر — AR45G-NVMe-RTX6000 — مصمم للسيناريوهات حيث 96 جيجابايت من VRAM كافية: مشاريع LLM التجريبية وأعمال الرؤية الحاسوبية والرسومات وأحمال العمل التطبيقية. بالتوازي، وسعت سيلكتل خط التخزين الخاص بها بإضافة محركات أقراص بسعة 28 تيرابايت للأرشيفات والنسخ الاحتياطية والسجلات.

سوق التطبيقات والسحابة

ظهرت صور جديدة جاهزة للاستخدام في سوق الذكاء الاصطناعي من سيلكتل، تغطي مراحل مختلفة من دورة التعلم الآلي — من التجارب إلى التحكم في الجودة وتصنيف البيانات. هذا ليس مجرد توسيع الكتالوج للكمية: الشركة تضيف أدوات تساعد على بناء نظام بيئي أكثر اكتمالاً حول النموذج، وليس مجرد تشغيل الاستدلال في حاوية. بالنسبة لفرق الهندسة، هذه أيضاً طريقة لتجميع بيئة العمل بسرعة دون تكامل يدوي إضافي.

• Aim — لتتبع التجارب ومقارنة نتائج ضبط النماذج.
• Lobe Chat — واجهة للعمل مع LLM مع التركيز على المكونات الإضافية والحلول المجتمعية الجاهزة.
• Evidently AI — مراقبة جودة النموذج والمقاييس التي يمكن أتمتة تحديثات النموذج بناءً عليها.
• Xtreme1 — خدمة تصنيف البيانات، بما في ذلك السيناريوهات مع الليدار وتصنيف الأشياء.

بشكل منفصل، نشرت سيلكتل GPU L4 بسعة 24 جيجابايت من الذاكرة في السحابة. تسميها الشركة بطاقة عالمية لمهام الذكاء الاصطناعي والتعلم الآلي ومعالجة الفيديو والبث والبنية الافتراضية، وكذلك للسيناريوهات التطبيقية مثل نسخ الصوت إلى نص. هذا الإطلاق مهم ليس فقط لفرق الذكاء الاصطناعي: غالباً ما يتم اختيار L4 عندما يكون هناك حاجة إلى توازن بين التكلفة والكفاءة في استهلاك الطاقة والأداء الكافي دون الانتقال إلى معجلات مكلفة من درجة التدريب. بالنسبة للفرق ذات الميزانيات المحدودة، هذا خيار عملي بشكل خاص.

Kubernetes والطبقة النظامية

تأثر تحديث بنية تحتية كبير بـ Kubernetes المُدار. أضافت سيلكتل الدعم الكامل لمورد ephemeralStorage في Cluster Autoscaler و Karpenter. القيمة العملية هنا واضحة جداً: عند توسيع المجموعة، يفهم النظام الآن بدقة أكبر مقدار التخزين المؤقت المحلي الذي تحتاجه Pods الجديدة فعلاً. في السابق، في السيناريوهات حيث لم تكن المجموعة تحتوي على عقد بـ ephemeralStorage محدد صراحة، يمكن أن يحسب الأتمتة الشاملة الاحتياجات بشكل غير دقيق. بالنسبة للفرق التي تتعامل مع معالجة البيانات وأحمال عمل الذكاء الاصطناعي، يزيل هذا فئة غير سارة من الأخطاء في مرحلة التوسع.

ترتبط عدة تغييرات أخرى بالتحكم والطبقة النظامية الأساسية. يتميز Kubernetes المُدار الآن بسجلات التدقيق للعمليات الرئيسية على المجموعة ومجموعات العقد — هذا يبسط تحليل التغييرات والأمان والامتثال. كما فتحت الواجهة عرض تكوين DNS الخاص، وبالنسبة لمجموعات العقد حدثت عرض بيانات المستخدم. على مستوى نظام التشغيل، أطلقت سيلكتل SELECTOS 1.3 مع تحديثات الحزم إلى Debian 12.13 وإغلاق 177 ثغرة أمنية وإضافة صورة حاوية. بالإضافة إلى ذلك، أطلقت الشركة Astra Linux لخوادم A-ЦОД — هذا يشير إلى اتجاه نحو العملاء الذين يحتاجون إلى بيئة آمنة معتمدة.

ماذا يعني هذا

توضح مجموعة التحديثات في فبراير أن سيلكتل تريد أن تكون أكثر من مجرد تأجير أجهزة، بل منصة بنية تحتية كاملة للذكاء الاصطناعي. في الأعلى، توسعت الشركة كتالوجها من أدوات التعلم الآلي الجاهزة و GPUs السحابية؛ في الأسفل، تعزز Kubernetes وأنظمة التشغيل الأساسية وطبقة الامتثال. بالنسبة للفرق التي تبني خدماتها الخاصة بالذكاء الاصطناعي، يقلل هذا من التجميع اليدوي ويسرع المسار من المشروع التجريبي إلى النشر الإنتاجي.