في الحدث التكنولوجي العالمي Computex 2026 الذي أقيم في تايبيه، تايوان، تحول محور النقاشات في صناعات أشباه الموصلات والحوسبة بشكل كبير من "الذكاء الاصطناعي السحابي" إلى "الذكاء الاصطناعي الطرفي". وتشهد صناعة الأجهزة إعادة هيكلة حيث يتم دمج قوة الحوسبة على مستوى مراكز البيانات في الأجهزة الشخصية الموضوعة مباشرة في مكان العمل.
التحول من الذكاء الاصطناعي التفاعلي إلى الوكلاء المستقلين (الذكاء الاصطناعي الوكيل)
في المراحل الأولى لموجة الذكاء الاصطناعي، كانت العملية التشغيلية الشائعة تتضمن قيام المستخدمين بإرسال طلبات بيانات إلى خوادم سحابية مثل OpenAI أو Google أو Microsoft، ثم تلقي الردود. إلا أن هذه البنية كشفت عن العديد من القيود المتعلقة بزمن استجابة الإرسال، وتكاليف النطاق الترددي، وأمن البيانات المصدرية.
إن سلسلة Nvidia DGX Spark هي سلسلة من أجهزة الكمبيوتر الشخصية المصممة خصيصًا للذكاء الاصطناعي وسيتم توزيعها في فيتنام.
صورة: آنه كوان
يُفرض تطوير الذكاء الاصطناعي الوكيل - وهو جيل من البرامج المستقلة القادرة على التخطيط والاستدلال والتفاعل المباشر مع أنظمة الملفات المحلية - متطلبات جديدة على البنية التحتية للأجهزة. فبدلاً من الاستجابة السلبية، تعمل هذه البرامج كموارد بشرية رقمية، تعالج تدفقًا مستمرًا من المعلومات في الوقت الفعلي. ولضمان سلامة البيانات وأمنها، أصبح تشغيل نماذج الذكاء الاصطناعي دون اتصال بالإنترنت على أجهزة المستخدمين حلاً تقنيًا أساسيًا.
ومن الأمثلة الرئيسية على هذا الاتجاه جهاز الكمبيوتر الشخصي DGX Spark AI، الذي تم تقديمه في معرض Computex 2026. يتميز الجهاز بتصميم مكتبي صغير الحجم ولكنه يقدم أداء نظام حوسبة فائقة مصغر بفضل شريحة Nvidia GB10 Grace Blackwell Superchip الفردية.
يعتمد تشغيل الجهاز بشكل مستقل على نظام ذاكرة موحدة من نوع LPDDR5X بسعة 128 جيجابايت ونطاق ترددي عالي السرعة. في هندسة الذكاء الاصطناعي، تحدد سعة الذاكرة وسرعتها القدرة على معالجة نماذج اللغة الكبيرة (LLMs). وهذا يسمح لمهندسي البيانات بتشغيل النماذج مباشرةً على الجهاز نفسه، والتي تحتوي على ما يصل إلى 200 مليار مُعامل، بدلاً من نشرها على خوادم سحابية.
من حيث المواصفات، تتضمن وحدة معالجة الرسومات (GPU) ذات بنية بلاكويل أنوية Tensor من الجيل الخامس (بتنسيق دقة FP4) توفر قوة معالجة تبلغ 1 بيتافلوب. أما وحدة المعالجة المركزية (CPU) ذات 20 نواة من نوع ARM فهي مسؤولة عن تنسيق البيانات بين نظام الملفات المحلي ونموذج الذكاء الاصطناعي.
أصبحت محطات العمل التي تلبي احتياجات الذكاء الاصطناعي على حافة المؤسسة تأتي الآن بأحجام صغيرة، مما يجعل نشرها سهلاً على نطاقات مختلفة.
صورة: آنه كوان
في أجنحة المعرض، تميزت حلول البنية التحتية لهذا التوجه بوضوح من خلال أنظمة متزامنة من الشركات المصنعة الأصلية ومزودي حلول تكامل الأجهزة المتخصصة. ومن أبرز الأمثلة على ذلك شركة Leadtek، التي عرضت مجموعة من محطات العمل والخوادم من أنظمتها المعتمدة من Nvidia. تستهدف محطة عمل WinFast WS950 AI الاحتياجات التشغيلية الداخلية للشركات الصغيرة والمتوسطة، وتدعم تكوينات متعددة وحدات معالجة الرسومات (GPU) مع بطاقتي رسومات احترافيتين من طراز Nvidia RTX PRO 6000 Blackwell Workstation Edition، مما يوفر ما يصل إلى 192 جيجابايت من ذاكرة GDDR7 لوحدة معالجة الرسومات. وعلى نطاق أوسع، يتيح نظام خادم WinFast GS5855T دمج ما يصل إلى ثماني وحدات معالجة رسومات من طراز RTX PRO Blackwell لتلبية متطلبات مهام الاستدلال والتدريب المكثفة للذكاء الاصطناعي.
تحسين الأمن وخفض تكاليف التشغيل.
يُساهم تشغيل الذكاء الاصطناعي على الحافة من خلال نظام أجهزة محلي في معالجة ثلاثة تحديات أساسية تواجه البنية التحتية التقنية الحالية. أولها أمن البيانات. حيث يتم تخزين جميع معلومات الأعمال، وشفرة المصدر الداخلية، والبيانات الشخصية ومعالجتها في بيئة معزولة عن الإنترنت، مما يحد من خطر تسريب البيانات إلى جهات خارجية.
عرض حلول الذكاء الاصطناعي المتطورة الجديدة في معرض كومبيوتكس 2026
يلي ذلك مسألة تكاليف الحوسبة الثابتة. فاستئجار البنية التحتية السحابية، الذي يُحاسب عليه بناءً على عدد الرموز المميزة، يُكبّد تكاليف متغيرة كبيرة مع توسع نطاقها. أما التشغيل على أجهزة غير متصلة بالإنترنت فيُحوّل هذه التكاليف إلى استثمار في أصول ثابتة، مما يُحسّن العمليات على المدى الطويل. وأخيرًا، هناك مسألة قابلية التوسع المحلي: فمن خلال بروتوكولات الاتصال عالية السرعة، يُمكن للمستخدمين ربط أنظمة الحوسبة الطرفية لمشاركة الموارد، مما يُتيح توسيع قدرات معالجة نماذج الحافة إلى أحجام هائلة.
المصدر: https://thanhnien.vn/ai-roi-dam-may-ve-ban-lam-viec-185260605224532968.htm
