سطر إعداد واحد بدل إعادة كتابة الكود، وDeepgram تعالج 70% صوتاً أكثر لكل دولار، وأمازون تستهدف ميزة CUDA من داخل PyTorch.
ضمن ملف: إنفيديا
بقلم: سارة | محررة نماذج الذكاء الاصطناعي · صوت تحريري بإشراف بشري
المصدر الأساسي: TechCrunch
لماذا يهم
الشركات الناشئة التي تبني بـ PyTorch تحصل على بديل أسهل لعتاد إنفيديا داخل سحابة AWS، وقد يصبح PyTorch نفسه أقل ارتباطاً بشرائح بعينها إذا قُبلت مساهمات أمازون.
أطلقت Amazon Web Services يوم الاثنين 19 أكتوبر أداة TorchNeuron، وهي أداة تتيح للشركات الناشئة نقل تطبيقات الذكاء الاصطناعي المكتوبة بإطار PyTorch إلى شريحة أمازون الخاصة Trainium. بحسب أمازون، يكفي تغيير سطر إعداد واحد (وفقاً لـ TechCrunch) دون إعادة كتابة الكود. والأداة مشتقة من PyTorch نفسه، فمن يعرف PyTorch يعرف كيف يستخدمها. وتقول أمازون إن نحو 85% من تطبيقات الذكاء الاصطناعي مكتوبة بـ PyTorch (وفقاً لـ TechCrunch)، وهي نسبة معلنة من الشركة نفسها لم يتسنَّ التحقق منها بشكل مستقل. يُذكر أن فيسبوك هي من طوّرت الإطار في الأصل، ثم انتقل منذ 2022 إلى مؤسسة Linux التي ترعى المشاريع مفتوحة المصدر (وفقاً لـ TechCrunch).
أهمية هذه الخطوة لا تكمن في الشريحة بقدر ما تكمن في البرمجيات. فبحسب TechCrunch، أمضت إنفيديا سنوات في ضمان أن تدعم منصة CUDA، أي البنية البرمجية التي تشغّل التطبيقات على وحدات GPU الخاصة بها، كل ما يُكتب بـ PyTorch بسلاسة. والنتيجة أن عتاد إنفيديا صار مدمجاً في الإطار كخيار افتراضي، وهذا ما جعلها المورّد الأول لعتاد الذكاء الاصطناعي. صحيح أن أمازون ليست الأولى في هذا المسار، فمستخدمو PyTorch يستطيعون أيضاً نقل تطبيقاتهم إلى وحدات AMD أو حتى شرائح Apple بتغيير بسيط في الإعدادات، لكن رهانها مختلف. تقول AWS إن الانتقال إلى Trainium يمنح الشركة الناشئة سحابة أمازون كاملة، وتقدّم ذلك بديلاً أفضل من السحابات المتخصصة المعروفة بـ neoclouds مثل CoreWeave وNebius وFirmus، المرتبط كثير منها بعتاد إنفيديا. وقال كولن بريس، نائب رئيس برمجيات التقنية في وحدة Annapurna Labs التي تصمم شرائح أمازون، في رسالة إلى TechCrunch: “أنت تبني على AWS، لا تراهن على مزوّد حوسبة أحادي الغرض ثم تركض لبناء كل شيء آخر حوله”. وأضاف أن البنية اللازمة للانتقال من النموذج الأولي إلى الإنتاج “موجودة أصلاً”. وتحاجج AWS بأن الشريحة نفسها تتولى التدريب وinference معاً، وبأنها متكاملة مع بقية خدمات السحابة، ما يخفض الكلفة الإجمالية حتى لو لم تقدّم أرخص سعر لكل token. واستشهد بريس بشركة Deepgram، المنافسة لـ ElevenLabs في تطبيقات الصوت، التي انتقلت إلى Trainium عبر دعم PyTorch الأصلي، وتعالج الآن 70% صوتاً أكثر لكل دولار بدقة إنتاجية (وفقاً لـ TechCrunch). هذه أرقام معلنة من الشركة نفسها وعميلها، ولم تُنشر مقارنة مستقلة تؤكدها.
الشق الأكثر طموحاً يتجاوز Trainium. فبحسب تدوينة أمازون، تساهم الشركة بتعديلات في المشروع الرئيسي لـ PyTorch، بالتعاون مع مجتمعه، لإزالة الكود الذي يربط الإطار بشرائح بعينها، بهدف جعله محايداً تجاه العتاد لكل المطورين لا لمستخدمي Trainium وحدهم. هنا يصبح السؤال مشروعاً: هل تريد أنت كمطور مزيداً من الخيارات أم مزيداً من الإعدادات؟ تلفت TechCrunch إلى أن جوهر PyTorch هو إخفاء متاعب تشغيل الكود على العتاد، وأن دفع إنفيديا بعيداً إلى هذا الحد قد يمنح خيارات أرخص كما تعد أمازون، أو قد يجلب صداع إعدادات جديداً. ولم توضح المصادر حتى الآن تفاصيل التسعير أو المناطق المتاحة أو أي اختبارات أداء مستقلة. تقديرنا في موجز أن سطر الإعداد الواحد وعد تسويقي يحتاج إلى تجربة على أحمال حقيقية، لكن المساهمة في جوهر PyTorch هي الخطوة التي تستحق المراقبة فعلاً، لأنها إن نجحت ستضرب ميزة إنفيديا البرمجية من الداخل، وهذا أخطر عليها من أي شريحة منافسة. أو كما قال بريس: “القصة الحقيقية هي إزالة الارتهان الذي منع المطورين من امتلاك خيار حقيقي أصلاً”.
المصادر
- Amazon is taking its biggest shot at Nvidia yet with new TorchNeuron dev tool | TechCrunch techcrunch.com
- Amazon opens its AWS Trainium AI chips to every PyTorch developer, no rewrite needed aboutamazon.com
- How Deepgram optimized voice AI at scale with AWS Trainium | Amazon Web Services aws.amazon.com
