لماذا الذكاء الاصطناعي قصة أجهزة بقدر ما هو قصة برمجيات
يركز التصور الشائع للذكاء الاصطناعي بالكامل تقريبًا على الكود البرمجي. يتحدث الناس عن النماذج اللغوية الكبيرة وكأنها توجد في فراغ من المنطق الصرف، ويناقشون براعة الخوارزميات أو دقة ردود روبوتات الدردشة. لكن هذا المنظور يغفل العامل الأكثر أهمية في عصرنا التقني الحالي؛ فالذكاء الاصطناعي ليس مجرد قصة برمجيات، بل هو قصة صناعات ثقيلة، واستهلاك هائل للكهرباء، وحدود فيزيائية للسيليكون. في كل مرة يطرح فيها المستخدم سؤالًا على روبوت دردشة، تحدث سلسلة من الأحداث الفيزيائية في مركز بيانات يبعد أميالًا. تتضمن هذه العملية رقائق متخصصة تعد حاليًا أثمن السلع على وجه الأرض. إذا أردت فهم سبب نجاح بعض الشركات وفشل أخرى، عليك النظر إلى الأجهزة (Hardware). البرمجيات هي عجلة القيادة، لكن الأجهزة هي المحرك والوقود. وبدون البنية التحتية الفيزيائية، يظل أكثر النماذج تطورًا في العالم مجرد مجموعة من الرياضيات عديمة الفائدة.
سقف السيليكون
لعقود من الزمن، اتبع تطوير البرمجيات مسارًا يمكن التنبؤ به؛ تكتب الكود، ثم يعمل على وحدات معالجة مركزية (CPUs) قياسية. كانت هذه الرقائق عامة الغرض، قادرة على التعامل مع مهام متنوعة بالتتابع. ومع ذلك، غير الذكاء الاصطناعي المتطلبات. النماذج الحديثة لا تحتاج إلى معالج عام، بل تحتاج إلى متخصص قادر على تنفيذ مليارات العمليات الحسابية البسيطة في نفس الوقت، وهو ما يسمى بالمعالجة المتوازية. حولت الصناعة تركيزها إلى وحدات معالجة الرسومات (GPUs). صُممت هذه الرقائق في الأصل لعرض ألعاب الفيديو، لكن الباحثين اكتشفوا أنها مثالية لعمليات ضرب المصفوفات التي تشغل الشبكات العصبية. خلق هذا التحول عنق زجاجة هائلًا؛ فلا يمكنك ببساطة تحميل المزيد من الذكاء، بل يجب عليك بناؤه باستخدام مكونات فيزيائية يصعب تصنيعها للغاية. يواجه العالم حاليًا واقعًا حيث تتحدد سرعة تقدم الذكاء الاصطناعي بمدى سرعة شركات مثل TSMC في حفر الدوائر على رقائق السيليكون.
خلق هذا القيد الفيزيائي نظامًا طبقيًا جديدًا في عالم التقنية؛ هناك الأغنياء في الحوسبة والفقراء فيها. يمكن لشركة تمتلك عشرة آلاف رقاقة متطورة تدريب نموذج لا تستطيع شركة تمتلك مئة رقاقة البدء فيه حتى. هذه ليست مسألة موهبة أو برمجة ذكية، بل مسألة قوة خام. فكرة أن الذكاء الاصطناعي مجال متكافئ يمكن لأي شخص يمتلك حاسوبًا محمولًا المنافسة فيه بدأت تتلاشى. أصبح سعر الدخول إلى المستوى الأعلى من تطوير الذكاء الاصطناعي يُقاس بمليارات الدولارات من الأجهزة. ولهذا السبب نرى أكبر شركات التقنية في العالم تنفق مبالغ غير مسبوقة على البنية التحتية؛ فهم لا يشترون خوادم فحسب، بل يبنون مصانع المستقبل. الأجهزة هي الخندق الذي يحمي نماذج أعمالهم.
جيوسياسية الرمال والطاقة
أدى التحول نحو الذكاء الاصطناعي المعتمد على الأجهزة إلى نقل مركز ثقل صناعة التقنية. لم يعد الأمر مقتصرًا على وادي السيليكون، بل أصبح يتعلق بمضيق تايوان وشبكات الطاقة في شمال فيرجينيا. عملية تصنيع أكثر رقائق الذكاء الاصطناعي تقدمًا معقدة للغاية لدرجة أن شركة واحدة فقط، TSMC، يمكنها القيام بذلك على نطاق واسع. وهذا يخلق نقطة فشل واحدة للاقتصاد العالمي بأكمله؛ فإذا توقف الإنتاج في تايوان، يتوقف تقدم الذكاء الاصطناعي. ولهذا السبب تتعامل الحكومات الآن مع تصنيع الرقائق كمسألة أمن قومي، حيث تدعم بناء مصانع جديدة وتفرض قيودًا على تصدير الأجهزة المتطورة، بهدف ضمان حصول صناعاتها المحلية على المكونات الفيزيائية اللازمة للبقاء في المنافسة.
بعيدًا عن الرقائق نفسها، هناك قضية الطاقة. نماذج الذكاء الاصطناعي متعطشة للغاية للكهرباء؛ فاستعلام واحد يمكن أن يستهلك كهرباء أكثر بكثير من طلب محرك بحث قياسي، مما يضع ضغطًا هائلًا على شبكات الطاقة المحلية. في الأماكن التي تتركز فيها مراكز البيانات، ينمو الطلب على الكهرباء بشكل أسرع من العرض، مما أدى إلى تجدد الاهتمام بالطاقة النووية ومصادر الطاقة عالية القدرة. أشارت وكالة الطاقة الدولية إلى أن مراكز البيانات قد تضاعف استهلاكها للكهرباء بحلول 2026. هذه ليست مشكلة برمجية يمكن حلها بكود أفضل، بل هي واقع فيزيائي لكيفية عمل هذه الأنظمة. الأثر البيئي للذكاء الاصطناعي لا يكمن في سطور الكود، بل في أنظمة التبريد والبصمة الكربونية لمحطات الطاقة التي تشغل الخوادم. يجب على المؤسسات حساب هذه التكاليف الفيزيائية عند تقييم مبادرات الذكاء الاصطناعي الخاصة بها.
التكلفة العالية لكل استعلام
لفهم التأثير العملي لقيود الأجهزة، لننظر إلى يوم في حياة مؤسسة شركة ناشئة في السوق الحالي، ولنسمها سارة. تمتلك سارة فكرة رائعة لأداة تشخيص طبي جديدة، ولديها البيانات والموهبة، لكنها تدرك سريعًا أن عقبتها الكبرى ليست الخوارزمية، بل تكلفة الاستدلال (Inference). في كل مرة يستخدم فيها طبيب أداتها، تضطر لدفع تكاليف وقت الاستخدام على وحدة معالجة رسومات (GPU) متطورة في السحابة (Cloud). هذه التكاليف ليست ثابتة، بل تتقلب بناءً على الطلب العالمي. خلال ساعات الذروة، قد ترتفع أسعار الحوسبة، مما يقلص هوامش ربحها. إنها تقضي وقتًا في إدارة أرصدتها السحابية وتحسين استخدام أجهزتها أكثر مما تقضيه في البحث الطبي الفعلي. هذا هو واقع آلاف المبدعين اليوم؛ فهم مقيدون بالتوافر الفيزيائي للأجهزة.
بالنسبة للمستخدم العادي، يتجلى هذا في التأخير (Latency) والقيود. هل لاحظت يومًا أن روبوت الدردشة يصبح أبطأ أو أقل قدرة في أوقات معينة من اليوم؟ غالبًا ما يكون ذلك لأن المزود وصل إلى حد الأجهزة، حيث يقوم بتقنين الحوسبة المتاحة للتعامل مع الحمل. هذه نتيجة مباشرة للطبيعة الفيزيائية للذكاء الاصطناعي. على عكس البرمجيات التقليدية التي يمكن نسخها وتوزيعها بتكلفة هامشية تقارب الصفر، تتطلب كل عملية تشغيل لنموذج ذكاء اصطناعي شريحة مخصصة من الأجهزة. هذا يخلق سقفًا لعدد الأشخاص الذين يمكنهم استخدام هذه الأدوات في وقت واحد، ويفسر أيضًا سبب توجه العديد من الشركات نحو نماذج أصغر يمكن تشغيلها على أجهزة محلية مثل الهواتف أو الحواسيب المحمولة. إنهم يحاولون نقل عبء الأجهزة من مراكز بياناتهم إلى المستخدم النهائي. هذا التحول يدفع دورة جديدة من ترقيات أجهزة المستهلكين؛ فالناس يشترون حواسيب جديدة ليس لأن القديمة معطلة، بل لأنها تفتقر إلى الرقائق المتخصصة اللازمة لتشغيل ميزات الذكاء الاصطناعي الحديثة محليًا.
يستخدم BotNews.today أدوات الذكاء الاصطناعي للبحث عن المحتوى وكتابته وتحريره وترجمته. يقوم فريقنا بمراجعة العملية والإشراف عليها للحفاظ على المعلومات مفيدة وواضحة وموثوقة.
تتغير أيضًا ديناميكيات القوة في الأعمال. في الماضي، كانت شركة البرمجيات تستطيع التوسع عالميًا ببصمة فيزيائية صغيرة جدًا. اليوم، الشركات الأكثر قوة هي التي تمتلك البنية التحتية. ولهذا السبب أصبحت NVIDIA واحدة من أكثر الشركات قيمة في العالم؛ فهي توفر “المعاول والمجارف” لاندفاع الذهب في الذكاء الاصطناعي. حتى أنجح شركات برمجيات الذكاء الاصطناعي غالبًا ما تكون مجرد مستأجرين في مراكز بيانات منافسيهم الأكبر. هذا يخلق وضعًا محفوفًا بالمخاطر؛ فإذا قرر المالك رفع الإيجار أو إعطاء الأولوية لمشاريعهم الداخلية، فلن يكون لدى شركة البرمجيات مكان آخر تذهب إليه. الطبقة الفيزيائية هي المصدر النهائي للنفوذ في اقتصاد التقنية الحديث. إنها عودة إلى شكل أكثر صناعية من المنافسة حيث الحجم والأصول الفيزيائية تهم أكثر من مجرد الأفكار الذكية.
الأسئلة التي لا نطرحها
بينما نتوغل في هذا العصر المعتمد على الأجهزة، يجب أن نطرح أسئلة صعبة حول التكاليف الخفية. من المستفيد حقًا عندما تكون حواجز الدخول عالية جدًا؟ إذا كان بإمكان عدد قليل من الشركات تحمل تكاليف الأجهزة اللازمة لبناء أكثر النماذج تقدمًا، فماذا يعني ذلك للمنافسة والابتكار؟ نحن نشهد تركيزًا للقوة غير مسبوق في تاريخ التقنية. هذا المركزية تخلق مخاطر هائلة على الخصوصية والرقابة. إذا حدثت جميع عمليات معالجة الذكاء الاصطناعي على بضعة آلاف من الخوادم المملوكة لثلاث أو أربع شركات، فإن تلك الشركات تمتلك سيطرة كاملة على ما يمكن قوله وما يمكن فعله بهذه التقنية. ماذا يحدث لسيادة الدول الأصغر التي لا تستطيع تحمل تكاليف بناء بنيتها التحتية الخاصة للذكاء الاصطناعي؟
هناك أيضًا مسألة المواد الفيزيائية المطلوبة لبناء هذه الآلات. تعتمد أجهزة الذكاء الاصطناعي على معادن نادرة وسلاسل توريد معقدة غالبًا ما تقع في مناطق غير مستقرة. نادرًا ما تُناقش التكلفة البيئية لتعدين هذه المواد في سياق تقدم الذكاء الاصطناعي. نحن نتحدث عن أناقة النموذج بينما نتجاهل المناجم المفتوحة والنفايات السامة الناتجة أثناء عملية التصنيع. هل فائدة روبوت دردشة أفضل قليلًا تستحق الضرر البيئي الناجم عن الأجهزة التي يتطلبها؟ علاوة على ذلك، يجب أن ننظر في الاستدامة طويلة المدى لاتجاهات استهلاك الطاقة الحالية. وفقًا لتقارير وكالة الطاقة الدولية، فإن نمو الطلب على طاقة مراكز البيانات يتجاوز بالفعل إضافة الطاقة المتجددة في بعض المناطق. هل نبني مستقبلًا تقنيًا لا يستطيع الكوكب دعمه فعليًا؟ هذه ليست أخطاء تقنية يمكن إصلاحها، بل هي مقايضات أساسية تأتي مع قرار متابعة الذكاء الاصطناعي بهذا النطاق. يجب أن نكون صادقين بشأن حقيقة أن الذكاء الاصطناعي هو تدخل فيزيائي في العالم، وليس مجرد تدخل رقمي.
البنية التحتية والتأخير
بالنسبة للمستخدمين المتقدمين والمطورين، تصبح قصة الأجهزة أكثر تحديدًا. لا يتعلق الأمر فقط بامتلاك وحدة معالجة رسومات (GPU)، بل بالبنية المحددة لتلك الوحدة. أحد أكبر الاختناقات في الذكاء الاصطناعي الحديث ليس سرعة المعالج، بل سرعة الذاكرة، وهو ما يُعرف بـ “جدار الذاكرة”. تعد الذاكرة ذات النطاق الترددي العالي (HBM) ضرورية لإبقاء المعالج مزودًا بالبيانات. إذا كانت الذاكرة بطيئة جدًا، يظل المعالج خاملًا، مما يهدر دورات حوسبة باهظة الثمن. ولهذا السبب تركز أحدث الرقائق من كبار المصنعين بشكل كبير على النطاق الترددي للذاكرة وسعتها. إذا كنت تشغل نموذجًا محليًا، فإن مقدار ذاكرة الوصول العشوائي للفيديو (VRAM) على بطاقتك هو العامل الأكثر أهمية؛ فهو يحدد حجم النموذج الذي يمكنك تحميله والسرعة التي يمكنه بها توليد النص.
أصبح تكامل سير العمل أيضًا مشكلة أجهزة. تدمج العديد من الأدوات الاحترافية الآن ميزات الذكاء الاصطناعي التي تتطلب حدودًا محددة لواجهة برمجة التطبيقات (API) أو تسريعًا محليًا. إذا كنت تستخدم واجهة برمجة تطبيقات سحابية، فأنت خاضع لتوافر أجهزة المزود، مما قد يؤدي إلى تأخير غير متوقع يفسد تجربة المستخدم. بالنسبة للتخزين المحلي، تتزايد المتطلبات أيضًا؛ فتخزين النماذج الكبيرة ومجموعات البيانات المستخدمة لضبطها يتطلب تيرابايت من تخزين NVMe السريع. نشهد أيضًا صعود الوصلات المتخصصة مثل NVLink، التي تسمح لوحدات معالجة الرسومات المتعددة بالتحدث مع بعضها البعض بسرعات مذهلة. هذا ضروري لأن أكبر النماذج لم تعد تتناسب مع شريحة واحدة، بل يجب توزيعها عبر عشرات أو حتى مئات الرقائق، وكلها تعمل بتزامن مثالي. إذا كان الاتصال الفيزيائي بين تلك الرقائق بطيئًا جدًا، ينهار النظام بأكمله. هذا المستوى من تعقيد الأجهزة بعيد كل البعد عن أيام كتابة سكربت وتشغيله على حاسوب محمول. يمكنك العثور على أدلة أكثر تفصيلًا حول تحسين إعداداتك المحلية على موقع AI Magazine. لم يعد فهم هذه المواصفات التقنية اختياريًا لأي شخص يريد العمل في طليعة هذا المجال؛ فالفرق بين النشر الناجح والفشل غالبًا ما يعتمد على مدى جودة إدارتك للقيود الفيزيائية لمكدس الأجهزة الخاص بك.
الواقع الفيزيائي
لقد ماتت سردية الذكاء الاصطناعي كظاهرة رقمية بحتة. الواقع هو أن الذكاء الاصطناعي صناعة فيزيائية تتطلب كميات هائلة من الأرض والمياه والطاقة والسيليكون. التقدم الذي سنراه في السنوات القادمة سيتحدد بقدر ما من خلال الاختراقات في علوم المواد وتوليد الطاقة، بقدر ما يتحدد من خلال الاختراقات في تعلم الآلة. نحن ندخل فترة يعيد فيها العالم الفيزيائي تأكيد هيمنته على العالم الرقمي. الشركات التي تفهم هذا وتستثمر في أجهزتها وإمدادات الطاقة الخاصة بها ستكون هي الرائدة، أما تلك التي تعامل الأجهزة كفكرة لاحقة ستجد نفسها خارج السوق بسبب التكاليف. أهم شيء يجب تذكره هو أن كل جزء من الذكاء الرقمي له موطن فيزيائي. بحلول 2026، ستبدو خريطة عالم الذكاء الاصطناعي أشبه بخريطة لأقوى المراكز الصناعية في العالم. سقف السيليكون حقيقي، ونحن جميعًا نعيش تحته.
ملاحظة المحرر: لقد أنشأنا هذا الموقع كمركز إخباري وإرشادي متعدد اللغات للذكاء الاصطناعي للأشخاص الذين ليسوا خبراء في الكمبيوتر، ولكنهم ما زالوا يرغبون في فهم الذكاء الاصطناعي، واستخدامه بثقة أكبر، ومتابعة المستقبل الذي بدأ بالفعل في الوصول.
هل وجدت خطأ أو شيئًا يحتاج إلى تصحيح؟ أخبرنا.
