تهدف PAIR من Nvidia إلى تحويل حواسيب المنزل إلى عنقود ذكاء اصطناعي محلي

طبقة توجيه لأعباء عمل الذكاء الاصطناعي المحلي

تدفع Nvidia بفكرة بسيطة قد تجذب المطورين والمستخدمين المتقدمين على نطاق واسع: ينبغي أن تتصرف شبكة منزلية مليئة بالأجهزة القادرة أقلّ ككومة من حواسيب منفصلة وأكثر كعنقود حوسبة محلي صغير. صُممت أداة PAIR الجديدة من الشركة، واختصارها Personal AI Router، لتحقيق ذلك عبر توزيع طلبات الذكاء الاصطناعي المحلية تلقائيًا على الأجهزة المتوافقة في الشبكة نفسها.

كما يصف النص المصدر المقدم، تقع PAIR بين أدوات الذكاء الاصطناعي المحلية الموجودة مثل Ollama أو LM Studio وبين الحواسيب المتاحة للمستخدم. وبدلًا من إجبار التطبيق أو الوكيل على الاعتماد على جهاز واحد، يعمل البرنامج كجهاز توجيه افتراضي. فهو يمرر العمل إلى الأجهزة المتاحة ثم يعيد النتائج إلى التطبيق الذي طلبها. وتقول Nvidia إن المستخدمين لا يحتاجون إلى إعادة كتابة وكلائهم أو تطبيقاتهم للاستفادة من السعة الإضافية.

وهذا الاختيار التصميمي هو جوهر الإعلان. فقد أصبح الذكاء الاصطناعي المحلي أكثر قدرة، لكنه ما يزال مقيدًا بتفاوت العتاد، وأوقات الانتظار الطويلة، وصعوبة تنسيق عدة أنظمة يدويًا. يملك كثير من المستخدمين التقنيين بالفعل أكثر من جهاز واحد يحمل قوة مفيدة للذكاء الاصطناعي: حاسوبًا مكتبيًا مزودًا ببطاقة GeForce حديثة، أو حاسوبًا محمولًا، أو محطة عمل، أو جهازًا أحدث يعمل بشرائح Apple silicon. وتهدف PAIR إلى تحويل هذه الأصول المنفصلة إلى مجموعة منسقة.

لماذا ترى Nvidia فرصة هنا

بلغ سوق الذكاء الاصطناعي المحلي مرحلة أصبح فيها التنسيق مشكلة عملية أكثر من مجرد الوصول. إذ بات عدد متزايد من المستخدمين قادرًا على تشغيل النماذج على الجهاز نفسه، لكن تشغيل نموذج واحد على جهاز واحد يختلف عن إدارة عمل الوكلاء المتزامن أو المهام متعددة الخطوات التي تستفيد من التنفيذ المتوازي. ويزداد ذلك أهمية مع شيوع تدفقات العمل القائمة على الوكلاء، حيث يمكن أن تنقسم المهمة الواحدة إلى عدة مهام فرعية.

وتبرز المادة المصدرية هذا الاستخدام. ففي طرح Nvidia، تساعد PAIR في مهام الوكلاء المتوازية عبر توزيع الطلبات على الأجهزة المتاحة وتقليص أوقات الانتظار. وقارنت التجربة المذكورة عنقودًا من ثلاثة أجهزة بحاسوب محمول واحد في مهمة استخدمت خمسة وكلاء فرعيين. وذكرت التجربة أن الإعداد المكوّن من ثلاثة أجهزة أنهى العمل في أقل من تسع دقائق، مقابل 18 دقيقة على الجهاز الواحد. وتجربة واحدة ليست معيارًا عامًا، لكنها توضح الحجة العملية وراء المنتج: حتى العناقيد المحلية المتواضعة يمكن أن تقلل زمن الاستجابة عندما تكون أعباء العمل قابلة للتوازي.

وهذا مهم لأن مستخدمي الذكاء الاصطناعي المحلي يواجهون غالبًا مفاضلة بين الخصوصية والأداء. قد يكون إبقاء أعباء العمل على الجهاز جذابًا من حيث التحكم في التكلفة، والتعامل مع البيانات، والاستخدام دون اتصال، أو التجريب. لكن الإعدادات المحلية تفتقر عادةً إلى البنية التحتية المرنة التي توفرها الخدمات السحابية. وبالفع لا تعد PAIR سوى محاولة لإعادة إنتاج جزء صغير من سلوك مراكز البيانات داخل المنازل والمختبرات والمكاتب من دون أن يُطلب من المستخدمين أن يصبحوا مهندسي أنظمة موزعة.

ما الذي يفعله البرنامج فعلًا

يُوصف دور PAIR بأنه تنسيق لا استضافة نماذج. فهو يقع بين أدوات الواجهة الأمامية والأجهزة المتصلة بالشبكة، ويكتشف تلقائيًا الأجهزة المتوافقة، ويوجه الطلبات إلى العتاد الخامل. وهذا يعني أن القيمة الأساسية ليست نموذجًا جديدًا أو واجهة جديدة، بل طبقة تنسيق قادرة على الاستفادة من العتاد الذي يمتلكه المستخدمون بالفعل.

وقد يجعل هذا التموضع الأداة أسهل تبنيًا من منصة أكثر تدخّلًا. فإذا كانت البنية الحالية للمستخدم تعتمد أصلًا على Ollama أو LM Studio أو أدوات محلية مشابهة، تُطرح PAIR كنقطة إدخال لا كبديل. وعمليًا، يقلل ذلك من احتكاك الانتقال. ويؤكد الإعلان أن المستخدمين لا يحتاجون إلى تغيير وكلائهم أو تطبيقاتهم، وهي إشارة واضحة إلى أن Nvidia تدرك مدى مقاومة المطورين لإعادة ترتيب الإعدادات المحلية العاملة.

الأمن جزء من الطرح أيضًا. ووفقًا للنص المقدم، تُؤمَّن حركة المرور بين الأجهزة باستخدام تشفير TLS متبادل. وبالنسبة إلى منتج تتمثل مهمته الأساسية في نقل الطلبات والنتائج عبر شبكة محلية، فهذه ليست تفصيلة هامشية. فهي توحي بأن Nvidia لا تقدم PAIR بوصفها تجربة هواة فقط، بل أداة يمكن الوثوق بها في البيئات الأكثر جدية حيث تتشارك عدة أجهزة أعباء العمل.

حدود العتاد

PAIR مفتوحة المصدر، لكنها ليست محايدة تجاه العتاد بالمعنى الأوسع. وتشمل قائمة الدعم المذكورة في المصدر بطاقات GeForce RTX من سلسلة 20 وما بعدها، ومحطات العمل RTX Pro، وDGX Spark، وشرائح Apple silicon بدءًا من جيل M4. وهذا النطاق من التوافق لافت لسببين.

أولًا، إنه يتجاوز بطاقات Nvidia المكتبية التقليدية بإدراج Apple silicon، وهو ما يشير إلى أن Nvidia تحاول مواكبة الإعدادات الهجينة الموجودة أصلًا لدى مستخدمي الذكاء الاصطناعي المحلي. ثانيًا، يعزز ذلك استراتيجية Nvidia الأوسع للنظام البيئي. حتى عندما تكون الأداة مفتوحة المصدر ومصممة للعمل عبر أجهزة متعددة، فإن فائدتها قد تعمق ارتباط المستخدم بحوسبة من فئة Nvidia وبسير العمل المعتمد على التسريع المحلي.

ويُصرح النص المصدر بهذه النقطة الاستراتيجية الأوسع، معتبرًا أن PAIR تندرج ضمن سعي Nvidia إلى ربط الذكاء الاصطناعي المفتوح بصورة أوثق بعتادها. وما إذا كان هذا سيصبح النمط السائد يعتمد على سهولة نشر البرنامج، وموثوقية موازنته للأعباء، ومدى قدرته على التعامل مع واقع الشبكات المنزلية المختلطة. لكن الاتجاه واضح: تريد Nvidia من مستخدمي الذكاء الاصطناعي المحلي أن يفكروا بعقلية العناقيد لا بعقلية الأجهزة المعزولة.

خطوة نحو بنية تحتية على مستوى المستهلك

ما يجعل PAIR مثيرة للاهتمام ليس أنها تخترع الحوسبة الموزعة، بل أنها تضع نسخة منها في عبوة مناسبة لفئة مستخدمين تحتاج إليها أكثر فأكثر، لكنها قد لا ترغب في إدارتها مباشرة. وتشمل هذه الفئة المطورين الذين يشغلون نماذج محلية، والباحثين الذين يختبرون التدفقات عبر عدة أجهزة، والمستهلكين المتقدمين الذين يجربون أنظمة الوكلاء.

إذا عملت PAIR كما هو موصوف، فقد تساعد على ترسيخ نموذج ذهني جديد للذكاء الاصطناعي المحلي: أن وحدة الحوسبة المفيدة في المنزل أو المكتب الصغير لم تعد صندوقًا واحدًا، بل مجموع كل الأجهزة المتوافقة على الشبكة. وهذا لا يحل محل البنية السحابية، ولا يمحو الفوارق في الأداء بين عتاد المستهلك وأنظمة مراكز البيانات المخصصة. لكنه قد يضيق الفجوة بما يكفي لجعل المزيد من تدفقات العمل المحلية عملية.

النسخة التجريبية متاحة على Windows وmacOS وLinux، ما يمنح المشروع منذ البداية انتشارًا واسعًا عبر أنظمة التشغيل. والسؤال الأكبر هو ما إذا كانت Nvidia قادرة على تحويل هذا الاتساع إلى طبقة معيارية حقيقية للذكاء الاصطناعي المحلي. في الوقت الراهن، يشير الإعلان إلى انتقال سوقي جارٍ بالفعل: فالذكاء الاصطناعي المحلي ينتقل من استدلال منفرد على جهاز واحد إلى أعباء عمل منسقة عبر أجهزة متعددة.

• توزع PAIR طلبات الذكاء الاصطناعي المحلي عبر الأجهزة المتوافقة على الشبكة المنزلية.
• صُممت الأداة للعمل مع برامج الذكاء الاصطناعي المحلية الحالية مثل Ollama وLM Studio.
• تقول Nvidia إن المستخدمين لا يحتاجون إلى تغيير وكلائهم أو تطبيقاتهم لاستخدامها.
• النسخة التجريبية متاحة على Windows وmacOS وLinux، مع تأمين حركة المرور بين الأجهزة عبر MTLS.

هذه المقالة مبنية على تغطية The Decoder. اقرأ المقال الأصلي.