الانتقال من التدريب إلى الاستدلال: ساحة المعركة الجديدة للذكاء الاصطناعي

تشهد صناعة الذكاء الاصطناعي تحولًا جوهريًا. ففي حين أن عام ٢٠٢٣ كان يهيمن عليه سباق تدريب النماذج الأكبر، فإن عامي ٢٠٢٤–٢٠٢٥ يشكلان عصر الاستدلال على نطاق واسع. ومع انتقال المؤسسات من مرحلة التجريب إلى الإنتاج، يُعاد رسم ملامح اقتصاديات الذكاء الاصطناعي — والشركات التي تتقن بنية الاستدلال ستكون هي من يحدد الموجة التالية من ابتكار الذكاء الاصطناعي.

وفقًا لـ Markets and Markets research، بلغت قيمة سوق الاستدلال بالذكاء الاصطناعي عالميًا ٧٦٫٢٥ مليار دولار في عام ٢٠٢٤، ومن المتوقع أن تصل إلى ٢٥٤٫٩٨ مليار دولار بحلول عام ٢٠٣٠، بمعدل نمو سنوي مركب قدره ١٩٫٢٪. وتشير EdgeCore Digital Infrastructure إلى أنه بحلول عام ٢٠٣٠، سيأتي نحو ٧٠٪ من إجمالي الطلب على مراكز البيانات من تطبيقات الاستدلال بالذكاء الاصطناعي، ارتفاعًا من نسبة صغيرة فقط قبل بضع سنوات. هذا التحول الكبير في تخصيص القدرة الحاسوبية يغير بشكل جذري الطريقة التي يجب أن تفكر بها المؤسسات في استثمارات بنيتها التحتية.

التكلفة المخفية للافتراضية: لماذا تعتبر الـ Bare Metal مهمة

لقد بنى مزودو السحابة التقليديون إمبراطورياتهم على الافتراضية، ولكن بالنسبة لأعباء العمل الخاصة بالاستدلال، أصبحت هذه الطبقة التجريدية عبئًا قابلًا للقياس. بينما تُظهر أبحاث VMware أن افتراضية GPU مع التمرير المباشر (passthrough) عادةً ما تضيف عبئًا قدره ٤-٥٪ في البيئات المُتحكم فيها، إلا أن عمليات النشر في الإنتاج في العالم الحقيقي غالبًا ما تشهد عقوبات أداء أعلى بشكل كبير بسبب:

١. التنافس على عرض النطاق الترددي للذاكرة بين عدة VMs تتنافس على الموارد
٢. العبء على وحدة المعالجة المركزية بسبب إدارة طبقة الافتراضية
٣. الكمون في الإدخال/الإخراج نتيجة للتخزين والشبكات الافتراضية
٤. تأثيرات الجيران المزعجين في البيئات متعددة المستأجرين

تُزيل بنية الـ GPU الـ Bare-Metal هذه العقوبات بالكامل. من خلال توفير الوصول المباشر إلى العتاد دون طبقات افتراضية، يمكن للشركات تحقيق:

١. تحسينات قابلة للقياس في الكمون لتطبيقات الزمن الحقيقي
٢. أداء قابل للتنبؤ دون التنافس على الموارد
٣. الاستفادة القصوى من عرض النطاق الترددي للذاكرة - أمر بالغ الأهمية لأعباء العمل الخاصة بالاستدلال
٤. التحكم المباشر في العتاد من أجل التحسين والتعديل

فريق بنية Character.AI يُبلغ أن نظامهم المُحسّن الـ Bare-Metal يوفر ميزة تكلفة بمقدار ١٣.٥ مرة مقارنة باستخدام واجهات برمجة التطبيقات التجارية الرائدة، مما يُظهر التأثير الحقيقي لإزالة عبء الافتراضية.

مزايا Aethir الفريدة: دمقرطة الذكاء الاصطناعي عالي الأداء

بينما توفر بنية الـ bare-metal مزايا في الأداء، تذهب Aethir إلى أبعد من ذلك مع ميزات محددة تهدف إلى دمقرطة الوصول إلى بنية الذكاء الاصطناعي عالية الأداء:

رسوم الإخراج صفر - ميزة رئيسية لـ Aethir

على عكس مزودي السحابة التقليديين الذين يفرضون رسومًا تتراوح بين 0.08-0.12 دولار/جيجابايت على نقل البيانات، وحتى مزودي الـ bare-metal الآخرين الذين عادةً ما يمررون تكاليف النطاق الترددي، تقدم Aethir إخراجًا مجانيًا تمامًا. وهذا يعني:

١. يمكن للشركات الناشئة في مجال الذكاء الاصطناعي خدمة العملاء العالميين دون فرض غرامات على النطاق الترددي
٢. تسعير قابل للتنبؤ لا يعاقب النجاح
٣. تكافؤ حقيقي في التكلفة مع عمالقة التكنولوجيا الذين يتفاوضون على صفقات خاصة

بالنسبة لشركة مثل Character.AI التي تخدم ٢٠,٠٠٠ استعلام/ثانية، فإن هذا يمثل مئات الآلاف من المدخرات الشهرية — رأس المال الذي يمكن للشركات الناشئة إعادة استثماره في الابتكار بدلاً من الضرائب على البنية التحتية.

الأجهزة المؤسسية بأسعار تناسب الشركات الناشئة

تبدأ أسعار وحدات H100 GPU من Aethir من 1.45 دولار/ساعة دون الحاجة لعقود طويلة الأجل — مما يجعل الاستدلال عالي الجودة من فئة المؤسسات متاحًا للشركات في أي مرحلة. وبالإضافة إلى ذلك، مع إمكانية نشر البنية التحتية في غضون 24-48 ساعة فقط، يتم إزالة الحواجز التقليدية التي كانت تجعل بنية الذكاء الاصطناعي المتقدمة مقتصرة على الشركات ذات التمويل الكبير.

النطاق العالمي مع أداء محلي

مع وجود وحدات GPU عبر أكثر من ٢٠٠ موقع حول العالم وأكثر من ٤٣٥,٠٠٠ حاوية GPU مُعتمدة، توفر Aethir التوزيع الجغرافي اللازم للاستدلال منخفض الكمون في جميع أنحاء العالم — وهو أمر بالغ الأهمية لتطبيقات الذكاء الاصطناعي الموجهة للمستهلكين التي تتنافس على المستوى العالمي.

المستقبل الذي يعتمد على الاستدلال: من يقود الطلب

تكتشف العديد من فئات الشركات أن الاستدلال، وليس التدريب، هو عنق الزجاجة الأساسي بالنسبة لوحدات GPU الخاصة بهم:

١. تطبيقات الذكاء الاصطناعي للمستهلكين

تُعد Character.AI مثالًا على تحدي النطاق، حيث تخدم أكثر من ٢٠,٠٠٠ استعلام استدلال في الثانية — وهو ما يعادل تقريبًا ٢٠٪ من حجم استعلامات بحث جوجل وفقًا لمدونة هندستهم. تعالج الشركة مليارات الرموز يوميًا، جميعها تتطلب استدلالًا منخفض الكمون للحفاظ على تفاعل المستخدم. تواجه Perplexity و Anthropic's Claude تحديات مماثلة في تقديم ملايين المحادثات المتزامنة.

٢. أنظمة RAG المؤسسية

تكتشف المؤسسات التي تعتمد على استرجاع البيانات المدعوم بالتوليد لخدمات العملاء، وإدارة المعرفة، ودعم اتخاذ القرارات أن دمج التوليد والاسترجاع في الوقت الفعلي يتطلب بنية تحتية مخصصة للاستدلال عالي الأداء. يمكن أن يؤدي كل استعلام إلى تحفيز العشرات من حسابات التضمين والاسترجاع.

٣. الأنظمة الذاتية

تتطلب شركات القيادة الذاتية مثل Waymo و Cruise استدلالًا منخفض الكمون للغاية من أجل اتخاذ القرارات في الوقت الفعلي. يمكن للمركبة الواحدة أن تولد آلاف طلبات الاستدلال في الثانية عبر العديد من الشبكات العصبية الخاصة بالإدراك، والتنبؤ، والتخطيط.

٤. الخدمات المالية

تقوم شركات التداول عالية التردد وأنظمة كشف الاحتيال باستخدام LLMs للتحليل في الوقت الفعلي. وفقًا للتقارير الصناعية، تقوم شركات مثل Two Sigma و Citadel بتشغيل الاستدلال على كل صفقة، مما يتطلب أوقات استجابة أقل من المللي ثانية للحفاظ على ميزة تنافسية.

٥. الذكاء الاصطناعي في الرعاية الصحية

تقوم شركات التصوير الطبي مثل Viz.ai و Aidoc بمعالجة ملايين الفحوصات يوميًا. يتطلب كل فحص تنفيذات استدلال متعددة للكشف، والتصنيف، والتقرير، حيث أن الكمون يؤثر مباشرة على رعاية المرضى.

فهم استهلاك موارد الاستدلال

تكشف أبحاث NVIDIA وبيانات القياس الحديثة أن أعباء العمل الخاصة بالاستدلال تتمتع بخصائص مختلفة بشكل جوهري عن التدريب:

عرض النطاق الترددي للذاكرة هو الأهم

على عكس التدريب الذي يعتمد بشكل أساسي على المعالجة الحسابية، فإن الاستدلال عادةً ما يكون محدودًا بعرض النطاق الترددي للذاكرة. كما تشرح Cerebras في وثائقها التقنية، فإن توليد الرموز بمعدل ١٠٠٠ رمز في الثانية لنموذج يحتوي على ٧٠ مليار معلمة يتطلب ١٤٠ تيرابايت/ثانية من عرض النطاق الترددي للذاكرة — وهو ما يتجاوز بكثير قدرات أي وحدة GPU فردية. لهذا السبب، أصبح NVIDIA H200 مع ١٤١ جيجابايت من ذاكرة HBM3e وعرض نطاق ترددي يبلغ ٤.٨ تيرابايت/ثانية ذا قيمة متزايدة لأعباء العمل الخاصة بالاستدلال.

اقتصاديات حجم الدفعات

وفقًا للتحليل الفني من NVIDIA، فإن الاستدلال عادةً ما يعمل بحجم دفعات أصغر (من ١ إلى ٣٢) مقارنة بالتدريب (من ٢٥٦ إلى ٢٠٤٨). وهذا يعني:
١. فرصة أقل لاستيعاب تكاليف نقل الذاكرة
٢. حساسية أعلى لتحسين الكمون
٣. الحاجة لاستراتيجيات استخدام مختلفة للأجهزة

تحدي ذاكرة الـ KV Cache

يفيد فريق هندسة Character.AI بأنه بالنسبة لنماذج المحولات، يمكن أن يستهلك الـ KV Cache ذاكرة كبيرة أثناء الاستدلال طويل السياق. نموذج بـ ٧٠ مليار معلمة يخدم ١٠٠ مستخدم متزامن مع نوافذ سياقية ٨ آلاف يتطلب أكثر من ٢٠٠ جيجابايت من ذاكرة GPU فقط لـ KV Cache. تقنياتهم في التحسين قللت من حجم الـ KV Cache بمقدار ٢٠ مرة، مما مكنهم من تقديم أحجام دفعات كبيرة بشكل فعال.

اختيار الأجهزة المناسبة لنجاح الاستدلال

استنادًا إلى عمليات النشر في الإنتاج والمعايير المنشورة، إليك كيفية مطابقة الأجهزة مع ملف الاستدلال الخاص بك:

للتطبيقات الحساسة للكمون (الذكاء الاصطناعي في الزمن الحقيقي)

١. الاختيار الأمثل: NVIDIA H100/H200 مع InfiniBand ٢. الأداء: عرض نطاق ترددي بين العقد يبلغ ٣.٢ تيرابت/ثانية مما يتيح الاستدلال متعدد الـ GPU مع الحد الأدنى من عقوبات الكمون
٣. المعايير: أفادت NVIDIA بتحقيق أكثر من ٢٥٠ رمزًا في الثانية لكل مستخدم على نموذج DeepSeek-R1 ٦٧١ مليار معلمة باستخدام ٨ وحدات Blackwell GPU ٤. حالات الاستخدام: المركبات الذاتية القيادة، الترجمة الفورية، تحليل الفيديو المباشر
٥. ميزة Aethir: متاح مع نشر سريع ودون رسوم على النطاق الترددي

للمعالجة المتوازية عالية الإنتاجية

١. الاختيار الأمثل: NVIDIA L40S أو عدة وحدات A100 مع RoCE ٢. الأداء: محسن للاستدلال المتوازي للدفعات مع متطلبات كمون معتدلة
٣. الاقتصاد: تكلفة أقل بنسبة ٣٠-٤٠٪ لكل رمز مقارنة بـ H100 لأعباء العمل الخاصة بالدفعات
٤. حالات الاستخدام: معالجة الفيديو غير المتصلة، تحليل الوثائق، تضمين الدفعات
٥. ميزة Aethir: تكوينات مرنة دون التزامات طويلة الأجل

للاستدلال الأمثل من حيث التكلفة

١. الاختيار الأمثل: NVIDIA L4 أو مجموعات RTX 4090
٢. الأداء: أفضل أداء مقابل الدولار للنماذج التي تحتوي على أقل من ٣٠ مليار معلمة
٣. التنازلات: كمون أعلى ولكن مع تقليص التكلفة بنسبة ٦٠-٧٠٪ للأعباء المناسبة
٤. حالات الاستخدام: الدردشة التفاعلية، الإشراف على المحتوى، أنظمة التوصية
٥. ميزة Aethir: ابدأ صغيرًا وقم بالتوسع حسب الحاجة مع تسعير ثابت

الاقتصاد الاستراتيجي للاستدلال الحديث

بينما أعلنت الشركات الكبرى لمزودي السحابة عن إلغاء رسوم الإخراج للعملاء الذين يغادرون منصاتهم في عام 2024 (امتثالًا لمتطلبات قانون البيانات الأوروبي)، لا تزال رسوم الإخراج التشغيلية القياسية كبيرة:

١. AWS: "$0.09/GB لأول 10TB/شهر"، ويقل المبلغ إلى $0.05/GB للأحجام التي تتجاوز 150TB
٢. Azure: "أسعار متدرجة مشابهة تبدأ من $0.087/GB"
٣. Google Cloud: "$0.08-$0.12/GB حسب المنطقة والوجهة"

بالنسبة لحمل عمل استدلالي نموذجي يخدم مليون طلب يوميًا مع استجابات بحجم 10KB، فإن ذلك يترجم إلى حوالي 10GB من الإخراج اليومي، أو 300GB شهريًا — مما يعني رسوم إخراج تتراوح من $24 إلى $36. على نطاق واسع، ستواجه شركات مثل Character.AI مئات الآلاف من الرسوم الشهرية للإخراج.

نموذج Aethir لعدم وجود رسوم إخراج يلغي هذه التكلفة المتغيرة تمامًا، موفرًا:

١. تسعير قابل للتنبؤ دون مفاجآت استنادًا إلى الاستخدام
٢. حرية التوسع دون غرامات على تكاليف النطاق الترددي
٣. مرونة في نشر متعدد المناطق دون رسوم نقل

بناء استراتيجية الاستدلال الخاصة بك: إطار عملي

١. تعريف عبء العمل الخاص بك رحلة تحسين Character.AI تُظهر أهمية التعريف التفصيلي للعبء:

١. قياس المتطلبات الفعلية للرموز في الثانية
٢. تحديد متطلبات الكمون P50 و P95 و P99
٣. حساب أنماط حجم الاستدلال اليومية/الشهرية
٤. فهم توزيعات حجم الدفعات

٢. حساب التكاليف الحقيقية

بجانب تكاليف الحوسبة الأساسية، يجب مراعاة:

١. رسوم الإخراج (يمكن أن تمثل 15-25% من إجمالي تكاليف السحابة مع المزودين التقليديين)
٢. تأثير تكلفة الافتراضية على الإنتاجية
٣. متطلبات التكرار من أجل التوافر
٤. أنماط الاستخدام القصوى مقابل الاستخدام المتوسط

٣. اختيار فئة الأجهزة الخاصة بك

استنادًا إلى عمليات النشر في الإنتاج:

١. الفئة الممتازة (H200/H100): للخدمات التي تتطلب كمون أقل من 100 مللي ثانية
٢. الفئة الأداء (L40S/A100): للمتطلبات التي تتطلب كمون أقل من 500 مللي ثانية
٣. الفئة الاقتصادية (L4/4090): للخدمات التي تتحمل كمون من 1 إلى 2 ثانية

 ٤. تحسين النشر الخاص بك

أفضل الممارسات من عمليات النشر في الإنتاج:

١. تنفيذ تحسين ذاكرة التخزين المؤقت (قامت Character.AI بتحقيق معدل ضربة ذاكرة مؤقتة بنسبة 95%)
٢. استخدام تقليل حجم النموذج بعناية (النماذج ذات 16 بت تحقق زيادة تصل إلى 5% مقارنةً بـ 8 بت وفقًا لأبحاث Cerebras)
٣. نشر التوزيع الجغرافي لتحسين الكمون العالمي
٤. مراقبة استخدام عرض النطاق الترددي للذاكرة كأداة قياس أساسية

الواقع التنافسي: السرعة والتكلفة تحددان الفائزين

تكشف مقاييس الإنتاج من الشركات الرائدة في الذكاء الاصطناعي عن المزايا التنافسية للبنية التحتية المحسّنة للاستدلال:

١. Character.AI خفضت تكاليف الخدمة بنسبة 33 مرة منذ أواخر 2022 من خلال تحسين البنية التحتية
٢. Cerebras تحقق 450 رمزًا في الثانية لنموذج Llama3.1-70B، أسرع بـ 20 مرة من الحلول المعتمدة على GPU
٣. Perplexity تحافظ على أوقات استجابة أسرع بنسبة 40% من المنافسين من خلال اختيارات استراتيجية للبنية التحتية

النمط واضح: الشركات التي تتحكم في بنيتها التحتية للاستدلال تتحكم في اقتصاديات الوحدة وتجربة المستخدم الخاصة بها.

دمقرطة الذكاء الاصطناعي من خلال ابتكار البنية التحتية

لن تأتي الثورة الحقيقية في الذكاء الاصطناعي من النماذج الأكبر التي لا يمكن الوصول إليها إلا من قبل عمالقة التكنولوجيا—بل ستأتي من دمقرطة الوصول إلى بنية تحتية قوية للاستدلال. تجمع Aethir بين أداء الأجهزة الفعلي، وإلغاء رسوم الإخراج، وخيارات النشر المرنة، مما يعالج بشكل خاص الحواجز التي منعت تاريخياً الشركات الناشئة في مجال الذكاء الاصطناعي من المنافسة بشكل فعال:

١. يمكن للشركات الناشئة الناشئة البدء بنفس جودة الأجهزة التي يمتلكها اللاعبون الراسخون
٢. يمكن للشركات الإقليمية في مجال الذكاء الاصطناعي خدمة الأسواق المحلية دون تكاليف نقل بيانات مكلفة
٣. يمكن للباحثين الأكاديميين نشر الاستدلال الجاهز للإنتاج دون الحاجة إلى عقود مؤسسية
٤. يمكن للمشاريع مفتوحة المصدر تقديم أداء تنافسي دون تكاليف بنية تحتية غير مستدامة

هذه الدمقرطة ضرورية للابتكار في الذكاء الاصطناعي. عندما تخلق تكاليف البنية التحتية حواجز يصعب التغلب عليها، يصبح الابتكار مجالًا حصريًا لأولئك الناجحين بالفعل. من خلال إزالة هذه الحواجز، تمكن Aethir الجيل الجديد من شركات الذكاء الاصطناعي من التنافس بناءً على جدارة أفكارهم بدلاً من حجم ميزانيات بنيتهم التحتية.

التطلع للمستقبل: المستقبل الذي يركز على الاستدلال

تشير التوقعات الصناعية واتجاهات التكنولوجيا إلى عدة عوامل متسارعة:

١. توسيع الاختبار الزمني: تُظهر نماذج OpenAI o1 أن حساب وقت الاستدلال قد يتطلب “100 ضعف الرموز مقارنة بالنماذج التقليدية”، مما يغير بشكل جذري متطلبات البنية التحتية.

٢. نمو الاستدلال على الحافة: يؤدي نشر 5G والحوسبة الحافة إلى إنشاء أعمال استدلال حساسة للكمون تتطلب بنية تحتية موزعة.

٣. النماذج متعددة الوسائط: تتطلب النماذج التي تجمع بين الرؤية واللغة “3-5 مرات أكثر من حسابات الاستدلال وفقًا لمعايير NVIDIA”.

٤. نوافذ السياق الأطول: تزيد نوافذ السياق التي تتجاوز 128K بشكل كبير من متطلبات الذاكرة، حيث يتطلب كل ضعف في طول السياق زيادة موازية في الذاكرة.

الخاتمة: البنية التحتية كمعادل تنافسي

تدخل صناعة الذكاء الاصطناعي مرحلة جديدة حيث تحدد كفاءة الاستدلال، وليس حجم النموذج، الفائزين في السوق. المنظمات التي تدرك هذا التحول وتستثمر في بنية تحتية محسنّة تضع نفسها في موقف يسمح لها بالحصول على ميزة تنافسية مستدامة.

الواقع الاقتصادي compelling: "ميزة التكلفة 13.5X لـ Character.AI" مقارنة بواجهات برمجة التطبيقات التجارية، والتي تم تحقيقها من خلال بنية تحتية مُحسنة قائمة على الأجهزة الفعلية، تظهر التأثير التحويلي لاختيارات البنية التحتية الصحيحة. تقدم Aethir مزايا محددة—إلغاء رسوم الإخراج، النشر السريع، والأجهزة المؤسسية بأسعار معقولة—ما يجعل هذه التحسينات متاحة للشركات في كل مرحلة، وليس فقط تلك التي تمتلك ميزانيات على نطاق المؤسسات.

بالنسبة لشركات الذكاء الاصطناعي الناشئة الجادة في التنافس في عصر الاستدلال، فإن السؤال ليس ما إذا كان يجب اعتماد بنية تحتية GPU فعلية—بل مدى سرعة انتقالهم قبل إغلاق نافذة الفرصة. تتيح بنية Aethir التحتية الوصول إلى الأدوات اللازمة للتنافس، مما يضمن أن الجيل التالي من ابتكارات الذكاء الاصطناعي لن يقتصر على حواجز البنية التحتية بل سيتحرر من خلال مساواة البنية التحتية.

هل أنتم مستعدون للتنافس على قدم المساواة من حيث البنية التحتية؟ استكشف كيف يمكن لحلول GPU الفعلية من Aethir مع إلغاء رسوم الإخراج أن تحول اقتصاديات الذكاء الاصطناعي الخاصة بك وتمكنك من التنافس مع أي شخص، في أي مكان. مستقبل الذكاء الاصطناعي ينتمي لأولئك الذين يمكنهم نشره بشكل فعال—وليس فقط لأولئك الذين يمكنهم تحمله.