بقلم: ليلى | محررة أدوات المطورين · صوت تحريري بإشراف بشري
انتهى عصر الكتلة الواحدة التي تخدم كل شيء. مايكروسوفت Azure تُوسّع بنيتها التحتية بثلاثة عروض جديدة مدعومة بمعالجات AMD، كل واحدة منها مصمَّمة لحِمل محدد بدلاً من محاولة إرضاء الجميع بخيار واحد.
Azure“>العروض الثلاثة الجديدة موزَّعة على النحو التالي:
- HDv2 — مخصص لأنظمة بيانات الذكاء الاصطناعي، أي المرحلة التي تسبق التدريب والاستدلال: تنظيف البيانات، بناء خطوط المعالجة، وإعداد مجموعات التدريب الضخمة.
- HXv2 — موجَّه لتصميم الشرائح والحوسبة العلمية، حيث تتطلب المحاكاة الهندسية دقة حسابية عالية وأنماط وصول مختلفة تماماً عن أعباء الاستدلال.
- ND MI455X v7 — مُحسَّن للاستدلال واسع النطاق، أي تشغيل النماذج في الإنتاج والرد على الطلبات بكميات كبيرة وبتكلفة مناسبة.
إلى جانب هذه الأجهزة الثلاثة، تُدخل مايكروسوفت منصة AMD Helios AI الجديدة ومعالجات EPYC من الجيل التالي إلى Azure، مما يعني أن المنصة تراهن على AMD رهاناً أوسع من مجرد إضافة خيارات ثانوية بجانب GPU clusters من NVIDIA. وقد سبق أن رصدنا كيف يتحدى AMD Helios احتكار NVIDIA على قمة بنية الذكاء الاصطناعي.
المنطق وراء هذا التوجه ليس تقنياً بحتاً، بل اقتصادي في جوهره. إعداد البيانات يحتاج معالجة متوازية ووصولاً سريعاً للتخزين، وليس بالضرورة أقوى GPU متاحة في السوق. تصميم الشرائح والمحاكاة العلمية تعتمد على دقة عالية في العمليات الحسابية وأنماط استخدام مختلفة كلياً. أما الاستدلال في الإنتاج فيحتاج إنتاجية عالية مع أقل تكلفة ممكنة للطلب الواحد. ضخ كل هذه الأحمال في cluster واحد ضخم يعني دفع ثمن مبالغ فيه لكل عملية.
التحول الذي تُجريه مايكروسوفت يكشف عن طبيعة المنافسة القادمة بين مزودي السحابة. المرحلة التالية لن تُحسم بمن يمتلك أضخم cluster، بل بمن يمنح المطورين أوسع مجموعة من الأنظمة المُحسَّنة لكل حالة استخدام. بعبارة أخرى: الفائز هو من يجعل التكلفة والأداء منطقيَّين في كل مرحلة من مراحل دورة حياة النموذج، لا من يطرح الرقم الأعلى في slide التسويقية.
السؤال الذي يبقى مفتوحاً: هل يستطيع المطور العادي والشركة الناشئة الاستفادة من هذا التخصص دون الغرق في تعقيدات اختيار البنية الصحيحة لكل مرحلة؟ التخصص يُخفض التكلفة نظرياً، لكنه يرفع متطلبات الخبرة في التوجيه. مايكروسوفت لم تُفصح بعد عن كيفية تبسيط هذا الاختيار للفرق الصغيرة.
