الجميع يكره مراكز البيانات الضخمة. يمتلك هذا الرئيس التنفيذي الذي تبلغ رأسماله 18 مليار دولار طريقة أفضل لتزويدك بحوسبة الذكاء الاصطناعي التي تحتاجها
في منطقة ريتشلاند باريش الريفية بولاية لويزيانا، على سبيل المثال، تقوم شركة ميتا ببناء واحد من أكبر مشاريع البنية التحتية للذكاء الاصطناعي في العالم. ومن المتوقع أن يتكلف حرمها الجامعي في هايبريون أكثر من 50 مليار دولار، وأن يعمل بطاقة تبلغ حوالي 5 جيجاوات من الطاقة، أي ما يعادل إنتاج خمسة مفاعلات نووية تقريبًا. ولكن مع نمو هذه المرافق، تنمو أيضًا المقاومة لها. في جميع أنحاء البلاد، تقاوم المجتمعات مطالب مراكز البيانات على الطاقة والمياه، وتأثيراتها على المناطق الريفية والضواحي. كلما كان المشروع أكبر، كلما زاد احتمال أن يصبح هدفًا سياسيًا. لكن توم لايتون، المؤسس المشارك والرئيس التنفيذي لشركة Akamai، شركة شبكة توصيل المحتوى التي تبلغ قيمتها 18 مليار دولار والتي تدير حصة كبيرة من حركة المرور على شبكة الإنترنت في العالم، قد يرى أن هذا ليس حتى الجزء الأسوأ. يعتمد مشروع ميتا، مثل العديد من المشاريع الأخرى، على افتراض أن الشركات القادرة على تركيز أكبر قدر من القوة الحاسوبية ستكون في وضع أفضل لبناء الجيل القادم من أنظمة الذكاء الاصطناعي. ويعتقد لايتون أن الافتراض ينطبق بشكل أكثر وضوحا على تدريب الذكاء الاصطناعي مقارنة باستدلاله (“التفكير” الذي يفعله الذكاء الاصطناعي عند تطبيق تدريبه على بيانات العالم الحقيقي). “إن التحدي التالي الذي يواجه الذكاء الاصطناعي هو ما سيتطلبه تشغيل تلك النماذج ومشتقاتها في كل مكان،” كما قال لشركة فاست، وهو يشاركه اعتقاده بأن الصناعة ربما تحاول حل العديد من المشاكل بنفس المبنى الضخم. أمضت شركة لايتون البالغة من العمر 28 عامًا السنوات العديدة الماضية في التوسع لتصبح منصة سحابية للذكاء الاصطناعي. بدلاً من محاولة مضاهاة مركز البيانات فائق التوسع بمركز البيانات، يراهن Akamai على نهج مختلف يقدم مسارًا أقل تعطيلًا لتوسيع البنية التحتية للذكاء الاصطناعي، وهو نهج يعتمد بشكل أكبر على شبكة من المرافق الحالية بدلاً من تركيز الطلبات الهائلة على الأرض والطاقة في مجتمع واحد. يقول لايتون: “يحتاج الذكاء الاصطناعي الوكيل إلى زمن وصول منخفض وأداء عالي واقتصاديات ميسورة التكلفة لا تستطيع مراكز البيانات المركزية العملاقة توفيرها”. لن تحل مراكز بيانات الذكاء الاصطناعي الأكبر حجمًا كل مشكلة في الذكاء الاصطناعي. هو جزئيا اقتصادي. إن تشغيل نموذج الذكاء الاصطناعي يمثل مشكلة مختلفة عن التدريب، والعديد من المهام الاستدلالية لا تتطلب النموذج الأكبر، أو أقوى الرقائق، أو طلب السفر آلاف الأميال إلى حرم جامعي مركزي ضخم. بالنسبة للمؤسسات التي تسعى إلى الذكاء الاصطناعي الوكيل، فإن المناقشة تمتد إلى ما هو أبعد من تأمين سعة وحدة معالجة الرسومات (GPU). تحتاج الشركات بشكل متزايد إلى تحديد مكان إجراء الاستدلال، ومكان معالجة بيانات المؤسسة، ومدى سرعة استجابة وكلاء الذكاء الاصطناعي، وتكلفة نقل البيانات عبر المناطق، وكيفية تطبيق السياسات الأمنية بمجرد انتقال هذه الأنظمة إلى مرحلة الإنتاج. وبعبارة أخرى، فإن نشر عملاء الذكاء الاصطناعي يصبح على نحو متزايد مشكلة في تصميم البنية التحتية – وليس مجرد مشكلة في اختيار النموذج. يقول لايتون إن هذه القرارات التشغيلية، وليس الحوسبة الأولية وحدها، ستحدد ما إذا كانت تطبيقات الذكاء الاصطناعي تقدم أداءً مقبولاً وموثوقية واقتصاديات على نطاق واسع. ويعتمد أداء الاستدلال جزئيًا على مدى سرعة استجابة نظام الذكاء الاصطناعي عندما يكون القرار مطلوبًا. مسافة الشبكة، وموقع البيانات، واستدعاءات الأداة، وتصميم التطبيق يمكن أن تؤثر جميعها على وقت الاستجابة. يقول لايتون: “إذا كان على طلب الذكاء الاصطناعي السفر آلاف الأميال، ولمس البيانات في موقع آخر، وأدوات الاتصال، ثم إعادة الإجابة إلى المستخدم في الوقت الفعلي، فإن سرعة مركز البيانات ليست سوى جزء واحد من المعادلة”. “القرب مهم. في الواقع، قد يكون الأمر أكثر أهمية مع تطور الذكاء الاصطناعي. “تعتمد وجهة نظر لايتون على خبرة Akamai في البنية التحتية للويب خلال أواخر التسعينيات. ومع توسع الويب، كافحت الخوادم الأصلية المركزية للتعامل مع الطلب العالمي. يتذكر لايتون قائلاً: “تم إنشاء مواقع الويب حول خوادم أصل مركزية. ومع انتشار الطلب عالميًا، كان على كل مستخدم الرجوع إلى عدد صغير من الأماكن المركزية”. “كانت النتيجة بطء الأداء، حيث توقفت مواقع الويب أو توقفت عن العمل أثناء ارتفاع حركة المرور، وكان هناك الكثير من الإحباط لدى المستخدمين.” أطلقت الصناعة على المشكلة اسم “الانتظار العالمي”. ساعد لايتون، عالم الرياضيات التطبيقية في معهد ماساتشوستس للتكنولوجيا، في تطوير بديل يعتمد على توزيع المحتوى والحسابات بشكل أقرب إلى المستخدمين. تحدد الخوارزميات المكان الذي يجب تقديم الطلبات فيه. بعد ما يقرب من ثلاثة عقود، يعتقد لايتون أن البنية التحتية للذكاء الاصطناعي تواجه الآن مشكلة توزيع ذات صلة، ويجادل بأن التحدي الهندسي الرئيسي سيكون تنسيق الاستدلال عبر الآلاف من مواقع مراكز البيانات مع الحفاظ على الأداء المتسق والأمن والموثوقية كنظام موحد. ويقول: “يمكن لأي شخص بناء مركز بيانات، ولكن جعل العديد من المواقع تعمل معًا بذكاء، في ظل الطلب المتغير، مع أداء ثابت وثقة، يمثل تحديًا آخر تمامًا”. هل يمكن للذكاء الاصطناعي الموزع أن يتفوق على السحابات المركزية؟ المكون المركزي لاستراتيجية Akamai هو AI Grid، وهي طبقة تنسيق تم تطويرها مع Nvidia. تحدد AI Grid ما إذا كان عبء العمل الاستدلالي يجب تشغيله في مصنع مركزي للذكاء الاصطناعي، أو في سحابة إقليمية، أو في أحد مواقع Akamai الطرفية. ويعتمد القرار على متطلبات زمن الوصول، وتكاليف التشغيل، واحتياجات الأداء. ويرى لايتون أن قرارات التوجيه يمكن أن تؤثر بشكل مادي على أداء الاستدلال. لا تزال تكلفة وحدة معالجة الرسومات ومدى توفرها من القيود الكبيرة، لكن الصناعة تطرح أسئلة الخطوة الأولى في سوق الخطوة الثانية. يقول: “تدور الأسئلة الأكبر حول المكان الذي يجب أن يتم فيه الاستدلال، وما هي البيانات التي يحتاجها، ومدى السرعة التي يجب أن تعود بها الاستجابة، وما هي تكلفة نقل البيانات، وما هي السياسة الأمنية التي يجب فرضها على طول الطريق”. “إن الإجابات على هذه الأسئلة سيكون لها تأثير أكبر بكثير على ما إذا كان الذكاء الاصطناعي سيحقق إمكاناته أم لا.” بالنسبة للايتون، فإن تعريف النطاق نفسه يتغير. خلال عصر التدريب، كان التوسع يعني تركيز أكبر قدر ممكن من الحوسبة داخل مصنع واحد للذكاء الاصطناعي. ويجادل بأن الحجم في عصر الوكلاء يعتمد بشكل متزايد على مدى فعالية البنية التحتية في توزيع الاستدلال عبر العديد من المواقع مع الحفاظ على زمن الوصول وحركة البيانات والتكاليف تحت السيطرة. ويقول: “يعد توفر وحدة معالجة الرسومات مشكلة رئيسية اليوم، ولكن وحدات معالجة الرسومات ليست الحل لكل مشكلة في الذكاء الاصطناعي”. “لا تحتاج العديد من مهام الاستدلال إلى النموذج الأكبر أو أكبر مجموعة أو الحوسبة الأكثر تكلفة. ما يحتاجون إليه هو القدرة على التوفيق بين النموذج الصحيح، في المكان المناسب، والبيانات واللحظة، وبتكلفة أكثر فعالية. “يقول أكاماي إن طلب العملاء بدأ يعكس هذا النهج. في وقت سابق من هذا العام، كشفت الشركة عن اتفاقية مدتها أربع سنوات بقيمة 200 مليون دولار مع شركة تكنولوجيا أمريكية كبرى لم تذكر اسمها لنشر واحدة من أكبر مجموعات وحدات معالجة الرسوميات Nvidia RTX PRO 6000 Blackwell على منصتها. وبعد ثلاثة أشهر، أعلنت Akamai عن التزام بالبنية التحتية السحابية لمدة سبع سنوات بقيمة 1.8 مليار دولار من أحد مطوري نماذج الذكاء الاصطناعي الحدودي الرائد في الولايات المتحدة. حددت التقارير الداخلية الشركة على أنها أنثروبيكية. تُعد هذه الاتفاقية أكبر عقد في تاريخ Akamai الممتد لـ 28 عامًا. وتمثل الاتفاقيتان معًا ما يقرب من 2 مليار دولار أمريكي من الأعمال السحابية الملتزم بها من عملاء لم يكن لديهم Akamai قبل عامين. كما نمت إيرادات البنية التحتية السحابية لشركة Akamai بنسبة 40% على أساس سنوي. ورفض لايتون تحديد الشركات أو مناقشة أعباء العمل وراء الاتفاقيات. ويقول إن تقييمات العملاء تشمل الآن مجموعة أوسع من الأسئلة التشغيلية. ويقول: “عندما يقوم العملاء بتقييم البنية التحتية للذكاء الاصطناعي، فإنهم ينظرون بالطبع إلى الحجم والأداء”. “لكنهم يتساءلون أيضًا عن كيفية أداء أعباء العمل في الإنتاج، وكيف تتطور التكاليف بمرور الوقت، ومدى موثوقية البنية التحتية، وما إذا كانت تمنحهم المرونة للتكيف مع تغيرات استخدام الذكاء الاصطناعي.” دون تسمية عملاء إضافيين، يقول لايتون إن Akamai تدعم عمليات نشر الذكاء الاصطناعي للإنتاج لمنصة ذكاء فيديو مدعومة بالذكاء الاصطناعي في الهند وشركة ذكاء اصطناعي استهلاكية مقرها الولايات المتحدة. يتطلب كلاهما استدلالًا منخفض زمن الوصول ولا يعتمدان على مجموعات تدريب مركزية كبيرة. التكلفة الحقيقية للذكاء الاصطناعي تتجاوز بكثير وحدات معالجة الرسوميات، حيث تقوم العديد من الشركات بتقييم البنية التحتية للذكاء الاصطناعي من خلال أسعار الرموز المميزة واستخدام وحدة معالجة الرسومات وتكاليف نقطة النهاية النموذجية. تخلق أنظمة الإنتاج أيضًا تكاليف تتعلق باسترجاع السياق، واستدعاءات واجهة برمجة التطبيقات، وقراءات التخزين، وحركة مرور الشبكة عبر المناطق والمناطق. وتدعي Akamai أن بنيتها يمكن أن تقلل من زمن انتقال الاستدلال بما يصل إلى 2.5 مرة مقارنة بالبنية التحتية التقليدية للقياس الفائق، وخفض تكاليف الاستدلال بنسبة تصل إلى 86%. تُظهر معاييرها المنشورة، والتي تم إجراؤها باستخدام منهجية Nvidia، أن وحدات معالجة الرسومات RTX PRO 6000 Blackwell على سحابة Akamai تقدم ما يصل إلى 1.63 مرة من إنتاجية الاستدلال لوحدات معالجة الرسوميات Nvidia H100. ويدعم النظام ما يقرب من 24000 رمز مميز في الثانية لكل خادم ضمن 100 طلب متزامن. ويقول لايتون إن الجدوى التجارية للبنية التحتية للذكاء الاصطناعي ستعتمد على ما إذا كانت هذه الأنظمة قادرة على تقديم أداء مقبول وموثوقية وتكلفة. ويقول: “بصفتي رئيسًا تنفيذيًا، أنا دائمًا متشكك في الاقتصادات الغامضة”. “من السهل أن نقول إن المستقبل هو مراكز بيانات أكبر والمزيد من وحدات معالجة الرسومات. ومن الصعب إظهار كيف توفر هذه البنية الأداء المناسب والموثوقية والتكلفة عندما يعمل الذكاء الاصطناعي في كل مكان وفي كل وقت. والاستدلال هو المكان الذي يجب أن يظهر فيه الذكاء الاصطناعي عائد استثمار مربح. “تتضمن خلفية لايتون العمل كعالم كمبيوتر نظري. وهو يحمل أكثر من 50 براءة اختراع، وقد شغل منصب الرئيس التنفيذي لشركة Akamai لأكثر من عقدين من الزمن. ويقول: “باعتباري عالم رياضيات، أنا متشكك في التفكير المستقيم. وحقيقة أن بنية واحدة نجحت في المرحلة الأولى من الذكاء الاصطناعي لا تعني أنها ستنجح في كل مرحلة تالية”. “باعتباري عالم كمبيوتر نظريًا، فأنا أدرك أن ما يشعل ثورة تكنولوجية نادرًا ما يكون هو الشيء الذي يسمح لها بالبقاء في العالم الحقيقي. الوعد المبكر للذكاء الاصطناعي ليس استثناءً. فالسحب المركزية الضخمة التي بدأت هذا الطفرة لم يتم بناؤها للواقع الموزع للغاية لما سيأتي بعد ذلك. “لا تزال وول ستريت تسعر الذكاء الاصطناعي مثل عصر السحابة، وقد أمضت وول ستريت معظم عام 2026 في تقييم مدى تناسب الأعمال السحابية لشركة Akamai مع عملياتها القديمة. لقد تقلصت أعمال شبكة توصيل المحتوى الخاصة بالشركة لسنوات. وقد تطلب توسعها السحابي للذكاء الاصطناعي أيضًا إنفاقًا كبيرًا على الأجهزة والبنية التحتية. وأدى ارتفاع أسعار الذاكرة، مدفوعًا بالطلب القوي على أجهزة الذكاء الاصطناعي، إلى زيادة تكاليف المكونات حيث قامت Akamai بشراء الآلاف من وحدات معالجة الرسوميات من Blackwell. تم ضغط الهوامش، وانخفضت ربحية السهم حتى مع نمو الإيرادات. استمر المستثمرون في تقدير قيمة الشركة إلى حد كبير باعتبارها مزودًا ناضجًا للبنية التحتية. وقد أدى الالتزام البالغ 1.8 مليار دولار إلى أكبر ارتفاع لأسهم Akamai في يوم واحد منذ أكثر من عقدين من الزمن. توفر الاتفاقية دليلاً على الطلب على البنية التحتية الموزعة للذكاء الاصطناعي الخاصة بشركة Akamai. كما أنه يسلط الضوء على حجم رأس المال المطلوب لبناء وتشغيل تلك البنية التحتية على نطاق واسع. ويقول لايتون: “إنه يسلط الضوء على الفرصة والانضباط المطلوب لتحقيق ذلك”. “نحن نقوم باستثمارات كبيرة لأننا نعتقد أن الذكاء الاصطناعي سيكون محركًا رئيسيًا للطلب السحابي، لكننا لا نحاول ببساطة نسخ نموذج التوسع الفائق. ميزتنا هي أننا ندير بالفعل واحدة من أكثر المنصات توزيعًا في العالم، ونعمل على تشغيل وحماية أجزاء كبيرة من الإنترنت. تتمحور الاستثمارات التي نقوم بها حول توسيع تلك المنصة للسحابة والذكاء الاصطناعي. “لقد استثمرت صناعة الذكاء الاصطناعي بكثافة في وحدات معالجة الرسومات، والمجموعات الكبيرة، والنماذج الأكثر قوة. يرى لايتون أن الاستدلال سيتطلب بنية تحتية إضافية مصممة حول التوزيع وزمن الوصول والتكلفة. يقول: “في الأيام الأولى للويب، افترض الكثير من الناس أن الجواب هو مجرد بنية تحتية مركزية. لم يكن الأمر كذلك. لقد وصل الذكاء الاصطناعي إلى نقطة مماثلة”. إن قدرة نموذج Akamai الموزع على التنافس بفعالية مع مقدمي الخدمات السحابية المركزية ستعتمد على طلب العملاء، والأداء الفني، واقتصاديات تشغيل الشبكة على نطاق واسع.
تم النشر: 2026-07-23 10:00:00
مصدر: www.fastcompany.com
