تسارع شركة Nvidia خطواتها لتعزيز موقعها في سوق البنية التحتية للذكاء الاصطناعي، عبر تطوير معالج جديد مخصص لرفع كفاءة وسرعة أنظمة الذكاء الاصطناعي لدى المؤسسات، في خطوة تستهدف تلبية الطلب المتزايد على تشغيل التطبيقات الذكية بكفاءة أعلى وتكلفة أقل.
ويركز المعالج الجديد على عمليات الاستدلال (Inference)، وهي المرحلة التشغيلية التي تسمح لنماذج الذكاء الاصطناعي بتوليد الإجابات والاستجابات الفورية للمستخدمين. وتكتسب هذه المرحلة أهمية متزايدة مع توسع استخدام التطبيقات التفاعلية مثل ChatGPT، حيث أصبحت سرعة الاستجابة وكفاءة التشغيل عاملين حاسمين في تجربة المستخدم وتكاليف التشغيل.
ومن المقرر الكشف عن الشريحة الجديدة خلال مؤتمر المطورين السنوي GTC الذي تستضيفه الشركة في سان خوسيه الشهر المقبل، على أن يتم تطويرها بالتعاون مع شركة Groq، المتخصصة في تصميم رقاقات الذكاء الاصطناعي عالية الأداء. ويستهدف التعاون تقديم حلول قادرة على معالجة الاستفسارات المعقدة بكفاءة أكبر، خاصة في مجالات تطوير البرمجيات وتفاعل الأنظمة الذكية مع بعضها البعض داخل بيئات العمل المؤسسية.
وتسعى Nvidia من خلال المشروع إلى تلبية نحو 10% من احتياجات OpenAI المستقبلية في عمليات الاستدلال، وذلك بعد ظهور تحديات تتعلق بسرعة الأداء في بعض التطبيقات واسعة الاستخدام، مع تزايد أعداد المستخدمين وتعقيد المهام التي تعالجها النماذج.
ويأتي هذا التطوير في إطار شراكة استراتيجية أوسع، مدعومة باتفاقية ترخيص ضخمة تصل قيمتها إلى نحو 20 مليار دولار بين Nvidia وGroq، وهي خطوة أنهت مناقشات سابقة بين OpenAI وGroq بشأن توريد الرقاقات بشكل مباشر، وعززت من موقع Nvidia كمزود رئيسي للبنية التحتية الحاسوبية لمنظومة الذكاء الاصطناعي.
وفي سياق متصل، كانت Nvidia قد أعلنت في سبتمبر الماضي عن استثمار قد يصل إلى 100 مليار دولار في OpenAI، بما يمنحها حصة في الشركة، ويوفر في الوقت نفسه تمويلًا يمكن OpenAI من التوسع في شراء الرقاقات المتقدمة، وهو ما يعكس تشابك المصالح بين مطوري النماذج وموردي القدرة الحاسوبية.
ومن المتوقع أن يسهم المعالج الجديد في تمكين المؤسسات من تشغيل تطبيقات الذكاء الاصطناعي بسرعة أعلى وكفاءة تشغيلية أفضل، بما يدعم استخداماته في تحليل البيانات، وأتمتة العمليات، وتطوير البرمجيات، والتطبيقات الصناعية، في ظل انتقال السوق تدريجيًا من مرحلة بناء النماذج إلى مرحلة التشغيل التجاري واسع النطاق.
