بقلم: ليلى | محررة أدوات المطورين · صوت تحريري بإشراف بشري
الطلب على inference ينمو أسرع مما تستطيع مراكز البيانات التقليدية مواكبته — هذه ليست مبالغة تسويقية بل المشكلة التي تراهن عليها Runware بمنتجها الجديد. أعلنت الشركة يوم الثلاثاء عن إطلاق Sonic Inference Pod، وحدة حوسبة معيارية قابلة للنقل مصممة لتوفير inference للذكاء الاصطناعي بتكلفة أقل وسرعة نشر أعلى مما تتيحه منصات الـ serverless التقليدية وسحابات الـ GPU.
الفكرة في جوهرها بسيطة لكن تداعياتها عميقة: بدلاً من انتظار سنوات لبناء مركز بيانات ضخم، تُنشر وحدات مستقلة في أي موقع تتوفر فيه كهرباء، وتُضاف وحدات جديدة كلما احتاج النظام مزيداً من الطاقة. “الطلب على inference ينمو أسرع من قدرة المنشآت على البناء”، (وفقاً لـ TechCrunch) قال فلافيو رادوليسكو، المؤسس المشارك والرئيس التنفيذي لـ Runware.
ما تقدمه Sonic Inference Pod يتمحور حول أربعة مزايا رئيسية:
- التوزيع الجغرافي القريب من المستخدم: تعمل كل وحدة كجزء من شبكة واحدة، بحيث تتوجه الطلبات تلقائياً نحو الوحدة الأقرب التي لديها طاقة فارغة. إذا تعطلت وحدة واحدة، ينتقل الحمل إلى الأخريات دون أن يتوقف النظام بالكامل — وهو اختلاف جوهري عن منشأة ثابتة تُعطّل فيها أي عطل الكل.
- النشر السريع دون مياه: تعتمد الوحدات على نظام تبريد بحلقة مغلقة لا يستهلك المياه، ويمكن بناؤها خلال أيام مقارنة بالأشهر أو السنوات التي تتطلبها مراكز البيانات التقليدية. هذا يجعل الاستجابة لموجات الطلب المتسارعة أمراً قابلاً للتنفيذ فعلياً.
- التوسع العضوي بالإضافة لا بالتوسع: بدلاً من توسيع منشأة ثابتة — وهي عملية مكلفة ومعقدة — تُضيف Runware وحدات جديدة كلما احتاجت مزيداً من الطاقة. هذا النموذج يمنح المرونة التي تفتقرها بنية الـ hyperscalers التقليدية.
- الحياد على الشبكة الكهربائية: تعمل الوحدات على طاقة موجودة مسبقاً دون الحاجة لطلب طاقة شبكة جديدة، مما يعني — وفق رادوليسكو — “inference أقل كلفة على الشبكة وأقل استهلاكاً للمياه مقارنة بنفس حجم الحوسبة التقليدية.”
الشركة ليست في مرحلة النظرية؛ فـ Runware تمتلك حالياً 10 وحدات نشطة موزعة عبر الولايات المتحدة وأوروبا ومنطقة آسيا والمحيط الهادئ، (وفقاً لـ TechCrunch) مع 160 موقعاً جاهزاً لاستيعاب وحدات إضافية. ومن بين عملائها الحاليين شركتا Higgsfield AI وWix. وكانت الشركة قد أعلنت في ديسمبر الماضي عن جولة تمويل Series A بقيمة 50 مليون دولار لبناء البنية التحتية اللازمة لتوليد الصور بالذكاء الاصطناعي — والتوسع إلى وحدات Sonic يمثل امتداداً طبيعياً لهذه الرؤية.
في السياق الأوسع، تتصاعد المنافسة على بناء مراكز البيانات بشكل لافت. OpenAI على وشك إتمام صفقة بـ 500 مليار دولار لبناء مركز بيانات في ولاية أوهايو، فيما لا تزال شركات مثل OpenAI وSpaceX تتسابق على التوسع في البنية التحتية الأمريكية. لكن رادوليسكو لا يرى في هذه المشاريع الضخمة تهديداً مباشراً لوحدات Sonic، بل يعتبر أن المرونة هي ما يميز نموذجه: “العملاء الذين يريدون أجهزة مخصصة يحصلون على وحدات كاملة لأنفسهم.”
وحين يُسأل عن المنافسة المحتملة من شركات تبني نماذج مشابهة، يجيب رادوليسكو بثقة تبدو مدروسة: الأجهزة بطيئة بطبيعتها، وتجمع المواهب القادرة على بناء هذه التقنية وإصلاحها شحيح. “خطأ في تصميم لوحة دائرة كهربائية يكلّف أشهراً بين إعادة التصميم والمحاكاة والتصنيع والاختبار والتسليم” — وهذا ليس مجرد عائق تقني، بل حاجز دخول حقيقي.
غير أن الصورة ليست وردية بالكامل. بناء مراكز البيانات بات موضع جدل متصاعد بسبب الضغط الذي تمارسه على الشبكة الكهربائية والموارد المحلية، وبعض المجتمعات بدأت تشكو من ارتفاع فواتير الطاقة. Runware تعي هذا التوتر وتؤجله: الشركة تتطلع مستقبلاً إلى العمل بالطاقة المتجددة حصراً، لكن “هذا اليوم ليس اليوم بالضرورة” وفق رادوليسكو. موقفه الراهن: استهلاك الذكاء الاصطناعي للطاقة سيرتفع بكل الأحوال مدفوعاً بالطلب على inference لا بمن يوفره، والسؤال هو كيف يُلبَّى هذا الطلب — ونموذج Runware يزعم أنه يفعل ذلك بكفاءة أعلى على شبكة الكهرباء وبدون مياه.
هل تستطيع وحدة يمكن بناؤها في أيام أن تُعيد تشكيل صناعة اعتادت على إنشاءات تمتد لسنوات؟ السؤال مفتوح، لكن الرهان واضح: موجة inference القادمة ستجعل من المرونة ميزة تنافسية لا ترفاً.
