الذكاء الاصطناعي اشترى وحدات GPU؛ لا أحد يملك مسؤولية إبقائها مشغولة

شراء وحدات GPU له موعد نهائي وميزانية وفريق مشتريات. أما إبقاؤها مشغولة فليس لها أي من الثلاثة. مقال جديد من Dharma AI، مورّد النماذج المتخصصة مفتوحة المصدر، يصف هذه الفجوة بأنها المشكلة البنيوية للذكاء الاصطناعي المؤسسي: وحدة GPU تتراكم تكاليفها بالساعة التقويمية، عبر التمويل والاستهلاك، والطاقة والتبريد، سواء نفّذت أي عملية حسابية أم لا، بينما ناتجها يتراكم بساعة الحوسبة فقط.

درس شركات الطيران: الإيرادات تتراكم في الجو فقط

يستند المقال إلى تاريخ الطيران. تكاليف الطائرة تتراكم بالساعة التقويمية: التمويل، الاستهلاك، تأمين الهيكل، الصيانة المجدولة، عقود الطاقم. أما الإيرادات فتتراكم بساعة الطيران فقط. وتأتي الاستغلالية كنتيجة لكل ما تفعله شركة الطيران تقريبًا، من انضباط زمن التدوير إلى تصميم الشبكة. شركتا طيران بأساطيل متقاربة قد تنتهيان باقتصاديات مختلفة جدًا؛ تعود الفجوة إلى قياس واحد لا إلى حجم الأسطول. الأسطول الأكبر يساعد بالطبع، لكنه لم يكن المتغير الحاسم أبدًا.

الاختناق انتقل من النماذج إلى الحوسبة ثم إلى الأجهزة الخاملة

الموجة الأولى من الذكاء الاصطناعي المؤسسي حُسمت بجودة النموذج. جاءت هذه القدرة مصحوبة باعتماد إجباري، لأن الذكاء الاصطناعي الإنتاجي يعمل على وحدات GPU باهظة الثمن، محدودة العرض، ومطلوبة بما يتجاوز المتاح بكثير. في 2020، بنت مايكروسوفت لـ OpenAI حاسوبًا فائقًا مخصصًا: أكثر من 10,000 وحدة GPU و285,000 نواة معالجة CPU، بُني لتدريب ما أصبح GPT-3. بعد ست سنوات، يبدو هذا الرقم وكأنه نقطة بداية. بحلول 2026، كانت Anthropic تشغّل التزامات متزامنة متعددة الجيجاواط عبر أربع منصات أجهزة: أمازون، جوجل، مايكروسوفت، وAMD، بينما وقّعت Meta صفقة مماثلة خاصة بها. الالتزام عبر أربعة مورّدين في آن واحد هو الشكل الذي تبدو عليه الندرة عندما لا يكفي حتى رأس المال غير المحدود للحصول على ما يكفي من مصدر واحد.

النمط نفسه يظهر في المراحل اللاحقة بشكل مختلف. تسعير واجهات API يتصاعد خطيًا مع الرموز، ما يفصل اقتصاديات إثبات المفهوم عن اقتصاديات الإنتاج بشكل شبه كامل. بضعة آلاف من الطلبات شهريًا تبدو ميسورة؛ حجم الإنتاج يتحول إلى بند تكلفة لا يُغلق أبدًا. المسار الذي يكتسب زخمًا هو امتلاك الأجهزة، بمقايضة تكلفة متغيرة بتكلفة رأسمالية ثابتة. AMD تبيع بالفعل في هذا التحول: حاسوبها المكتبي بسعة 128 جيجابايت للمطورين يكلف أقل بنحو ست مرات من استخدام سحابي مكافئ عبر واجهة API على مدى ثلاث سنوات، وفق نمذجة الشركة نفسها، ويشغّل نماذج حتى 200 مليار معامل محليًا. في اليوم الذي يُفعَّل فيه عنقود من هذا القبيل، يتحول السؤال من «هل يمكننا الحصول على مسرعات» إلى «هل يمكننا إبقاءها مشغولة».

التوقيع على صفقة الأجهزة هو الجزء الذي له موعد نهائي ومالك. أما إبقاؤها في الجو فهو الجزء الذي يقرر بهدوء ما إذا كانت الصفقة تستحق التوقيع.

العناقيد المشغولة قد تهدر معظم طاقتها أيضًا

وحدات GPU تعمل باستمرار بينما لا يفعل الطلب كذلك، لذا تبقى حصة من السعة محجوزة لكن غير مستخدمة خارج أوقات الذروة. كان من الممكن أن يصلح التنبؤ الأفضل هذا الأمر إذا كانت كل وحدة GPU قادرة على استيعاب كل أنواع العمل بالتساوي. قليل منها يستطيع ذلك. الأجهزة نفسها تحمل الآن التدريب، والضبط الدقيق، والتكميم، والاستدلال الفوري، والاستدلال الدفعي، وتوليد التضمينات، وتقييم النماذج، غالبًا على العنقود نفسه، وكل عبء عمل يطلب شيئًا مختلفًا من السيليكون:

عبء العمل	ما يطلبه من وحدة GPU
الاستدلال الفوري	زمن استجابة منخفض قبل كل شيء تقريبًا؛ الاستجابة البطيئة تُعد فاشلة
الاستدلال الدفعي	الإنتاجية؛ يتحمل تأخيرات قد تمتد لساعات
التدريب	إشغال متواصل، لفترات تُقاس بالساعات أو الأيام
التكميم	سعة كبيرة، لكن لفترة وجيزة فقط

مجدول مضبوط لأحد هذه الأنواع يسيء توزيع الأنواع الثلاثة الأخرى بشكل شبه افتراضي، والفشل لا يظهر دائمًا على لوحة الاستغلالية: عنقود قد يبلغ عن إشغال مرتفع بينما تنتظر وظائف في الطابور شكل GPU مشغولًا بتشغيل شيء آخر. هنا ينتهي تشبيه الطائرات. طائرة 737 خاملة يمكن إعادة نشرها في أي مسار تقريبًا. وحدة GPU خاملة لا يمكنها استيعاب إلا عبء عمل يتوافق مع ملف الذاكرة وزمن الاستجابة والمدة الذي يمكنها خدمته فعليًا، ما يجعل التنسيق أصعب من جدولة الأساطيل ويحوّل السؤال إلى: أي عبء عمل يعمل على أي وحدة GPU، ومتى، وبأي أولوية.

سؤال الثالثة فجرًا، ومصلحة المورّد في الإجابة

التجهيز (Provisioning) قرار يُتخذ مرة واحدة، وقت الشراء. أما التخصيص (Allocation) فيُتخذ باستمرار: في كل مرة تنتهي فيها وظيفة، وكل طلب جديد، وكل تغيير أولوية بين خدمة موجهة للعملاء وتشغيل تدريب داخلي. لا يوجد مهندس يراقب لوحة تحكم في الثالثة فجرًا ليقرر ما إذا كان تشغيل تدريب منتهٍ ينبغي أن يُسلّم وحدات GPU الخاصة به إلى وظيفة دفعية في الطابور أو يُبقيها لدفعة حركة مرور قادمة. لهذا ينتقل القرار إلى طبقة تنسيق، وهو مجال يسميه المقال إدارة GPU.

الحجة الختامية للمقال تقرن هذا التنسيق بالتخصص. النماذج المخصصة لمهام محددة يمكنها أداء وظائف محددة بجزء صغير من تكلفة موارد النموذج العام الكبير، ما يحرر السعة. لكن السعة المحررة لا تتحول إلى عائد إلا إذا قرر شيء ما بفاعلية أين تذهب. التخصص دون تنسيق يحرر سعة لا يستعيدها أحد؛ التنسيق دون تخصص لديه سعة أقل تستحق الاستعادة. كل منهما يرفع سقف الآخر.

المنطق قائم بذاته، مع علامة نجمية واحدة تستحق الذكر. المقال صادر عن Dharma AI، التي تبيع نماذج متخصصة مفتوحة المصدر، ويُختتم بتوجيه القراء إلى إصداراتها على Hugging Face. مقارنة شركات الطيران هي النصف القوي من الحجة. الاستنتاج بأن الحل هو نماذج متخصصة أصغر هو أيضًا أطروحة المنتج للشركة التي تقدّمه.

كما لا ينبغي لأحد أن يتوقع أن تقلّص الكفاءة الطلب الكلي على الحوسبة: الاستدلال الأرخص يُستخدم أكثر، لا أقل، كما أظهرت تغطيتنا لـ افتراض الـ 314 مليار دولار. الأجهزة مثبتة بالفعل، وفي طور الاستهلاك بالفعل، والالتزام بها مفروغ منه، وهي تخسر المال بالساعة التقويمية. تعلّمت شركات الطيران أن الفائز نادرًا ما يكون صاحب الأسطول الأكبر بل من يطيّر ما يملكه بأقصى اكتمال. الذكاء الاصطناعي المؤسسي يصل إلى الانضباط نفسه من اتجاه مختلف. السؤال: من يُكلَّف بامتلاك هذه المسؤولية قبل أن تتراكم ساعات الخمول.