تعيد الشركات تقييم البنية التحتية للذكاء الاصطناعي مع ارتفاع تكاليف الاستدلال.

مع استمرار الارتفاع في الإنفاق على الذكاء الاصطناعي في منطقة آسيا والمحيط الهادئ، يواجه العديد من الشركات تحديًا كبيرًا: كيفية تحقيق قيمة حقيقية من استثماراتها في هذا المجال. فعلى الرغم من الضخ المالي الهائل في أدوات الذكاء الاصطناعي التوليدي (GenAI) وغيرها، تبقى العديد من المشاريع عالقة في مرحلة التجريب، غير قادرة على الانتقال بسلاسة إلى التطبيقات العملية. يكمن جزء كبير من هذه المشكلة في البنية التحتية غير الكافية التي تدعم هذه التقنيات، مما يعيق قدرتها على معالجة البيانات المطلوبة بسرعة وكفاءة.

تحديات البنية التحتية: عنق الزجاجة في مشاريع الذكاء الاصطناعي

تركز العديد من الشركات في المنطقة، حتى الآن، على السحابة المركزية التقليدية ومجموعات معالجة الرسومات (GPU) الكبيرة. ومع تزايد أعباء العمل، تصبح هذه الطريقة مكلفة للغاية، خاصةً بالنسبة للشركات التي تعمل في مناطق بعيدة عن مراكز البيانات الرئيسية. بالإضافة إلى ذلك، يتسبب زمن الوصول الطويل في إضعاف تجربة المستخدم وتقليل الفائدة المرجوة من تطبيقات الذكاء الاصطناعي.

يقول جاي جينكينز، المدير التنفيذي للتكنولوجيا في الحوسبة السحابية في Akamai: “تفشل العديد من مبادرات الذكاء الاصطناعي في تحقيق القيمة التجارية المتوقعة لأن الشركات غالبًا ما تقلل من تقدير الفجوة بين التجريب والإنتاج.” وتشمل هذه العوائق قواعد البيانات المعقدة، والمتطلبات التنظيمية المتزايدة، وصعوبة تشغيل النماذج على نطاق واسع. إن قوة الذكاء الاصطناعي لا تكمن فقط في الخوارزميات، بل أيضاً في البنية التحتية القوية القادرة على دعمها.

لماذا أصبح الاستدلال هو التحدي الأكبر؟

تقليديًا، كان التركيز الأكبر في مجال الذكاء الاصطناعي ينصب على التدريب، أي عملية بناء النماذج. ولكن مع انتقال الشركات في منطقة آسيا والمحيط الهادئ من المشاريع التجريبية الصغيرة إلى عمليات النشر واسعة النطاق، أصبح الاستدلال – وهي عملية استخدام هذه النماذج لاتخاذ قرارات – هو الذي يستهلك الجزء الأكبر من موارد الحوسبة.

يتطلب الاستدلال الآن قدرة على العمل مع لغات وأنظمة وبيئات بيانات متنوعة، وغالبًا ما يكون ذلك في الوقت الفعلي. هذا الضغط المتزايد يكشف عن أوجه القصور في الأنظمة المركزية التقليدية، ويجعل من الاستدلال هو العائق الرئيسي أمام التوسع في تطبيقات الذكاء الاصطناعي. فهو ليس مجرد مسألة قوة حوسبة، بل يتعلق أيضًا بالقدرة على تقديم استجابات سريعة وموثوقة لتلبية احتياجات المستخدمين والتطبيقات.

حل Akamai: نقل الاستدلال إلى الحافة

تحاول شركة Akamai مواجهة هذا التحدي من خلال حلها الجديد، Inference Cloud، الذي يعتمد على تقنيات NVIDIA، بما في ذلك أحدث وحدات معالجة الرسوميات Blackwell. تكمن الفكرة الأساسية في نقل عملية الاستدلال بالقرب من المستخدمين، أو الأجهزة، أو الوكلاء، بدلاً من إجبار البيانات على السفر عبر مسافات طويلة إلى مراكز البيانات البعيدة.

بهذه الطريقة، يمكن تقليل زمن الوصول بشكل كبير، وخفض التكاليف المرتبطة بنقل البيانات، ودعم خدمات الذكاء الاصطناعي التي تتطلب استجابات فورية. تعتبر البنية التحتية المتطورة، مثل تلك التي تقدمها Akamai، ضرورية لتحسين أداء هذه التطبيقات وتوسيع نطاقها.

فوائد الاستدلال على الحافة

• تحسين تجربة المستخدم: استجابات أسرع تعني تجربة مستخدم أكثر سلاسة ورضا.
• خفض التكاليف: تقليل نقل البيانات يعني توفيرًا في التكاليف.
• زيادة المرونة: القدرة على العمل في البيئات المتغيرة وغير المستقرة.
• الامتثال للوائح: إمكانية الاحتفاظ بالبيانات داخل حدود الدولة أو المنطقة.
• دعم الأنظمة المادية: تمكين الروبوتات، والآلات المستقلة، وغيرها من الأنظمة التي تعتمد على اتخاذ قرارات في أجزاء من الثانية.

أهمية الشراكات بين السحابة و وحدات معالجة الرسوميات

ومع تزايد حجم أعباء العمل المتعلقة بالذكاء الاصطناعي، أصبحت الشراكات بين مزودي الخدمات السحابية ومصنعي وحدات معالجة الرسوميات، مثل NVIDIA، أكثر أهمية. هذه الشراكات تسمح ببناء بنية تحتية أقوى وأكثر كفاءة، قادرة على تلبية الاحتياجات المتزايدة للتطبيقات الذكية.

تعمل أكاماي على إنشاء “شبكة توصيل الذكاء الاصطناعي” تنشر الاستدلال عبر آلاف المواقع الطرفية، مما يضمن الأداء الأمثل والامتثال للوائح. وبحسب جينكينز، تواجه ما يقرب من نصف المؤسسات الكبيرة في منطقة آسيا والمحيط الهادئ تحديات تتعلق بتوحيد قواعد البيانات عبر الأسواق المختلفة، مما يجعل المعالجة المحلية أكثر أهمية. الاستثمار في حلول الحوسبة الطرفية (Edge Computing) أصبح ضرورة حتمية.

الاستعداد للمستقبل: إدارة الذكاء الاصطناعي الموزع

يتطلب الانتقال إلى الاستدلال على الحافة تغييرًا في طريقة إدارة الشركات لعمليات الذكاء الاصطناعي. يجب أن تكون المؤسسات مستعدة لدورة حياة أكثر توزيعًا للنماذج، حيث يتم تحديثها باستمرار عبر العديد من المواقع. وهذا يتطلب تنسيقًا أفضل، ورؤية أقوى للأداء والتكلفة والأخطاء، وإدارة أكثر فعالية للبيانات.

بالإضافة إلى ذلك، يجب على الشركات إعطاء الأولوية للأمن، وحماية واجهات برمجة التطبيقات، وخطوط أنابيب البيانات، والتحوط ضد الاحتيال وهجمات الروبوتات. أصبح الأمن جزءًا لا يتجزأ من أي نظام ذكاء اصطناعي، خاصةً مع تزايد الاعتماد على الحوسبة الطرفية.

الشركات التي تستثمر في البنية التحتية المناسبة، وتبني شراكات استراتيجية، وتستعد لإدارة الذكاء الاصطناعي الموزع، هي التي ستتمكن من تحقيق أقصى استفادة من التحول الرقمي الذي يوفره الذكاء الاصطناعي في منطقة آسيا والمحيط الهادئ.

(صورة إيجور أوميليف) هل ترغب في معرفة المزيد حول الذكاء الاصطناعي والبيانات الضخمة من قادة الصناعة؟ تفقد معرض الذكاء الاصطناعي والبيانات الضخمة في أمستردام وكاليفورنيا ولندن. هذا الحدث الشامل هو جزء من TechEx ويقام جنبًا إلى جنب مع الأحداث التكنولوجية الرائدة الأخرى. انقر هنا لمزيد من المعلومات.
AI News مدعومة من TechForge Media. استكشف المزيد من الأحداث والندوات عبر الإنترنت المتعلقة بتكنولوجيا المؤسسات هنا.