Alphabet تناقش مع Marvell تصنيع شريحتين جديدتين للذكاء الاصطناعي لتسريع الاستدلال في خدمات Google

بدأت Alphabet محادثات مع Marvell بشأن تطوير شريحتين متخصصتين للذكاء الاصطناعي مخصصتين للاستدلال، وهي المرحلة التي يعالج فيها نموذج مدرَّب بالفعل طلبات المستخدمين الحقيقية. وإذا مضى المشروع قدمًا، فستحصل Google على عتاد مصمَّم لا لتحطيم الأرقام القياسية في المختبرات، بل لتقديم استجابة سريعة وواسعة النطاق في الخدمات التفاعلية.

ما الشريحتان قيد النقاش؟

يدور النقاش حول مكوّنين مختلفين. الأول وحدة ذاكرة يُفترض أن تسرّع نقل البيانات داخل منظومة الذكاء الاصطناعي. وهذا أمر حاسم في الاستدلال: فحتى أقوى المسرّعات تفقد جدواها إذا اصطدم النموذج بحدود عرض نطاق الذاكرة، وبتأخر التبادل، وببطء تغذية البيانات. وفي النماذج اللغوية الكبيرة، تحدد هذه الاختناقات في الغالب مدى سرعة النظام وكلفة خدمته لتدفق طلبات المستخدمين اليومي.

أما المكوّن الثاني فهو نسخة محدّثة من TPU، وحدات المعالجة التنسورية الخاصة بـ Google، موجَّهة للتطبيقات التفاعلية. والمقصود هنا السيناريوهات التي ينتظر فيها المستخدم ردًا فوريًا: البحث، ومساعدات الذكاء الاصطناعي، وتوليد النصوص، والاقتراحات داخل الواجهات. ويعكس هذا الخيار تحوّلًا في الأولويات: فالقيمة لا تُنتَج في لحظة تدريب النموذج فحسب، بل في لحظة تشغيله المتواصل على ملايين الطلبات القصيرة، حيث تبرز أهمية ثبات زمن الاستجابة وقابلية التنبؤ به وتكلفة كل إجابة.

لماذا تحتاج Alphabet إلى Marvell؟

تبدو الشراكة مع Marvell خطوة عملية بالنسبة إلى Alphabet. فـ Marvell قوية في بنية مراكز البيانات والرقائق المتخصصة، بينما تطوّر Google منذ سنوات طويلة خط TPU الخاص بها. وبدلًا من تنفيذ كل شيء داخل الشركة، تستطيع Alphabet تقاسم المسؤوليات: تحتفظ بالسيطرة على بنية المسرّع، وتستعين بشريك في الأجزاء التي تكتسب فيها الذاكرة والوصلات البينية والتغليف وسرعة تبادل البيانات بين المكوّنات أهمية خاصة.

وللصفقة منطق اقتصادي أيضًا. فالاستدلال يتحول سريعًا إلى إحدى أغلى طبقات البنية التحتية للذكاء الاصطناعي، لأنه يعمل على حركة مستخدمين مستمرة. وكلما كان العتاد أدق ملاءمة لنوع الحِمل المحدد، كان توسيع الخدمة أسهل دون قفزة حادة في التكاليف. وبالنسبة إلى Google، هذه فرصة لخفض كلفة الإجابة وإحكام السيطرة على منظومتها التقنية، وبالنسبة إلى Marvell فرصة لتعزيز موقعها في سوق مسرّعات الذكاء الاصطناعي المحموم.

• يمكن لوحدة ذاكرة منفصلة أن تقلّل الاختناقات عند التعامل مع النماذج الكبيرة
• النسخة المحدّثة من TPU أنسب للسيناريوهات الحوارية وغيرها من السيناريوهات التفاعلية
• تحقق الشريحة المتخصصة عادةً كفاءة أعلى لكل واط ولكل دولار
• بالنسبة إلى Google، هي وسيلة لتعزيز سيطرتها على بنيتها التحتية للذكاء الاصطناعي
• بالنسبة إلى Marvell، هي دخول أعمق إلى سوق المسرّعات الموجّهة لأحمال الذكاء الاصطناعي

أين سيظهر الأثر؟

إذا وصلت المحادثات إلى مرحلة التوريد الفعلي، فلن يلاحظ الأثر المستخدمون أولًا، بل الفرق المسؤولة عن البنية التحتية في Google. فالاستدلال ليس تشغيلًا لمرة واحدة للنموذج، بل عمل متواصل تحت الضغط، حيث يجب أن يردّ النظام بسرعة على عدد هائل من الطلبات المتتالية. وفي هذا النمط لا تهم الحوسبة بحد ذاتها فحسب، بل أيضًا زمن استجابة يمكن التنبؤ به، وكفاءة استهلاك الطاقة، وغياب الاختناقات عند نقل البيانات بين الذاكرة والمسرّع.

عمليًا، يعني ذلك ضبطًا أدق للعتاد وفق المنتجات المحددة. فالسوق يبتعد تدريجيًا عن فكرة الشريحة الواحدة العامة التي تؤدي كل مهام الذكاء الاصطناعي بالكفاءة نفسها. وبدلًا من ذلك، تجمع الشركات تركيبات منفصلة من المكوّنات للتدريب وللاستدلال وللأنماط التفاعلية. وتنسجم محادثات Alphabet وMarvell مع هذا الاتجاه: فلن يكسب من يملك عددًا أكبر من وحدات GPU فحسب، بل من يصمّم سلسلة تنفيذ النموذج بأكملها بدقة أعلى لتلائم الحِمل الفعلي.

ماذا يعني ذلك؟

تُظهر محادثات Alphabet وMarvell أن سباق الذكاء الاصطناعي الجديد لم يعد يدور حول النماذج وحدها، بل حول العتاد المتخصص للخدمات اليومية أيضًا. ومن يستطع تقديم إجابة سريعة بكلفة أقل وثبات أكبر، فسيحصل على الأفضلية.