OpenAI وBroadcom تكشفان عن شريحة استدلال مخصصة
خطت OpenAI خطوة لافتة إلى ما هو أبعد من النماذج والبرمجيات عبر الكشف عن شريحة مخصصة صُممت تحديدًا لاستدلال نماذج اللغة الكبيرة. وقد طُوِّر المسرّع، المسمى Jalapeño، بالتعاون مع Broadcom، وتصفه OpenAI بأنه أول “Intelligence Processor” لها، أي مكوّن مصمم خصيصًا لجعل أنظمة الذكاء الاصطناعي أقل كلفة وأكثر موثوقية عند تشغيلها على نطاق واسع.
وبحسب المادة المصدرية المقدمة، لا يُعرض Jalapeño على أنه تعديل لمعالج عام موجود مسبقًا. تقول OpenAI إنه صُمم من الصفر لاستدلال LLM الحديث. وقد ساهمت Broadcom بتصنيع السيليكون وتقنيات الشبكات، بما في ذلك شرائح Tomahawk الشبكية، بينما تتولى Celestica لوحات التشغيل والرفوف وتكامل النظام.
تكتسب هذه القسمة للعمل أهمية لأنها تُظهر انتقال OpenAI إلى طبقة مختلفة من طبقات سلسلة الذكاء الاصطناعي. لسنوات، عُرفت الشركة أساسًا بتطوير النماذج والمنتجات الاستهلاكية والمؤسسية. ويُوسّع المسرّع المخصص هذه الاستراتيجية إلى البنية التحتية، حيث يمكن للتحكم في الكلفة واستهلاك الطاقة والإمداد أن يؤثر في اقتصاديات نشر الذكاء الاصطناعي بقدر تأثير جودة النموذج نفسه.
لماذا تهم عتاد الاستدلال الآن
التوقيت منطقي. فالتدريب على النماذج الضخمة يستحوذ على الاهتمام، لكن الاستدلال هو ما يحول تلك النماذج إلى منتجات. فكل استعلام مستخدم أو طلب API أو إكمال برمجي أو رد من روبوت محادثة يجب تقديمه مرارًا وبكفاءة. ومع نمو هذا المرور، يصبح العتاد المستخدم لتوليد الإجابات قيدًا تشغيليًا رئيسيًا.
وتتمثل حجة OpenAI، كما تعكسها المادة المصدرية، في أن العتاد المخصص قد يحسن الأداء لكل واط ويخفض كلفة تشغيل النماذج. وهذه الأهداف أساسية لأي شركة تحاول توسيع استخدام الذكاء الاصطناعي مع الحفاظ على موثوقية عالية. يجب أن تتعامل بنية الاستدلال مع النطاق والزمن الكامن واستهلاك الطاقة في الوقت نفسه، ولا تكون المسرعات الجاهزة دائمًا محسنة تمامًا لعبء العمل المحدد الذي يهم الشركة أكثر.
Jalapeño موجه مباشرة إلى هذه المشكلة. فبدلًا من أن يكون منصة حوسبة عامة، يتموضع كمسرّع متخصص لمرحلة الاستدلال في نماذج اللغة الكبيرة. والنتيجة المتوقعة واضحة: إذا كان العتاد مضبوطًا على عبء العمل، فقد يتمكن النظام من نقل بيانات أقل، واستخدام السيليكون بكفاءة أعلى، وتقديم عمل أكثر فائدة لكل وحدة طاقة.
وعود الأداء تأتي مع تحفظات
تقول OpenAI إن الاختبارات المبكرة أظهرت أداءً لكل واط “أفضل بشكل ملحوظ” من أحدث العتاد المتاح حاليًا. لكن النص المصدر نفسه يوضح أيضًا أن هذه الأرقام أبلغت عنها الشركة ذاتها ولم تُتحقق منها جهة مستقلة. ومن المتوقع صدور تقرير تقني لاحقًا، فيما لا تزال تفاصيل مهمة غائبة عن المراقبين الخارجيين.
وتلك الفجوات مهمة. فالمصدر يقول إنه لا يزال غير واضح أي الشرائح جرى اختبار Jalapeño مقابلها، وما المهام المستخدمة في المقارنة، وتحت أي ظروف أُجريت القياسات. ومن دون هذه المعلومات، ينبغي التعامل مع ادعاءات التفوق على أنها أولية لا نهائية.
ومع ذلك، أوضحت OpenAI منطق التصميم وراء هذا الجهد. وتقول إن البنية المعلنة تقلل حركة البيانات وتدفع معدلات الاستخدام إلى الاقتراب من الحد الأقصى النظري. وهما هدفان قياسيان في أنظمة الذكاء الاصطناعي عالية الأداء. فحركة البيانات داخل النظام قد تشكل عنق زجاجة كبيرًا في الاستدلال واسع النطاق، كما أن انخفاض الاستخدام يعني أن العتاد الباهظ يبقى غير مستغل. وإذا حسّن Jalapeño أيًا منهما بشكل ملموس، فسيكون ذلك ذا أهمية استراتيجية حتى قبل إثبات الريادة في المعايير القياسية.
دورة تطوير سريعة بمساعدة الذكاء الاصطناعي
أحد أكثر التفاصيل لفتًا في الإعلان هو الجدول الزمني المعلن للتطوير. تقول OpenAI إن العملية من التصميم إلى tape-out استغرقت تسعة أشهر، وتصف ذلك بأنه أسرع دورة تطوير ASIC معروفة لديها لأشباه الموصلات عالية الأداء.
إذا كان ذلك دقيقًا، فهو ادعاء مهم بحد ذاته. فالتطوير في مجال أشباه الموصلات عادة بطيء، ويتطلب رأس مال كبيرًا، ومن الصعب تسريعه. ويضيف النص المصدر تفصيلًا آخر لافتًا: نماذج OpenAI نفسها ساعدت في تسريع أجزاء من عملية التصميم. وهذا يجعل المشروع مثيرًا للاهتمام على نحو مضاعف، لأن الشركة لا تبني فقط عتادًا لأعباء عمل الذكاء الاصطناعي، بل تقول أيضًا إن الذكاء الاصطناعي أسهم في خط أنابيب تصميم العتاد ذاته.
وهنا يظهر موضوع استراتيجي أوسع. فكلما ساعدت أدوات الذكاء الاصطناعي في أعمال الهندسة أكثر، قد تسعى الشركات إلى تقليص الجداول الزمنية في تصميم الشرائح وتكامل الأنظمة والتحسين. لا يقدم إعلان OpenAI حتى الآن دليلًا تقنيًا عميقًا، لكنه يشير إلى حلقة تغذية راجعة يُستخدم فيها الذكاء الاصطناعي بشكل متزايد لبناء البنية التحتية التي ستشغّل تلك الأنظمة نفسها لاحقًا.
من عينات المختبر إلى النشر
الرقاقة ليست مجرد فكرة على الورق، وفقًا للمصدر. إذ تعمل عينات هندسية بالفعل على تشغيل أعباء تعلم آلي داخل المختبر، بما في ذلك نموذج GPT-5.3-Codex-Spark. ويشير ذلك إلى أن المشروع تجاوز مرحلة الإعلان إلى مرحلة الاختبار التشغيلي المحدود على الأقل.
ويقول التقرير أيضًا إن النشر واسع النطاق مخطط له في أواخر 2026. ومن المتوقع أن تشتري Microsoft نسبة 40% من الشرائح، وهو ما، إذا تحقق، سيبرز الدور الذي قد تواصل شركاء السحابة الكبار لعبه في البصمة التحتية لـ OpenAI. كما تلمح هذه النسبة إلى الطريقة التي قد تفكر بها OpenAI في سعة النشر: ليس فقط بوصفها قدرة داخلية، بل جزءًا من منظومة أوسع تشمل مشغلي السحابة على نطاق واسع وشركاء مترابطين بإحكام.
ومع هذه الخريطة، تظل أسئلة أساسية مفتوحة. فالمصدر لا يحدد أحجام التصنيع أو تفاصيل عقدة الإنتاج أو النطاق الجغرافي للنشر. كما لا يثبت كيف ستقارن Jalapeño من حيث إجمالي تكلفة الملكية مع عتاد الذكاء الاصطناعي السائد عند احتساب الشبكات ونضج البرمجيات ومعدل النقل على مستوى النظام. وستحدد هذه الأسئلة غير المجابة ما إذا كانت الرقاقة مجرد تحوط استراتيجي متخصص أم بداية تحول أوسع في المنصة.
رهان متعدد الأجيال على التحكم في البنية التحتية
تقول OpenAI إن Jalapeño هو أول شريحة ضمن منصة متعددة الأجيال تُبنى بالتعاون مع Broadcom. وقد يكون هذا الإطار أهم من أي معيار أداء منفرد. فالشريحة المخصصة الواحدة قد تكون تجربة، أما المنصة متعددة الأجيال فتعكس نية للبقاء في مجال العتاد مدة كافية لتشكيل البنية المعمارية بمرور الوقت.
وبالنسبة لشركات الذكاء الاصطناعي، يمكن لهذا النوع من التحكم أن يؤثر في عدة نقاط ضغط في آن واحد: قابلية التنبؤ بالتكلفة، وتوافر العتاد، وكفاءة الطاقة، والقدرة على تكييف الأنظمة حول سلوكيات نماذج محددة. كما يمكنه تقليل الاعتماد على فئة واحدة من المسرعات الخارجية. وفي سوق يمكن أن يقيّد فيه توفر الحوسبة استراتيجية المنتج، يصبح التحكم في البنية التحتية جزءًا متزايد الأهمية من الاستراتيجية التنافسية.
لا يثبت تحرك OpenAI أن الشرائح المخصصة ستتفوق فورًا على كل البدائل القائمة. فالأدلة المنشورة حتى الآن محدودة جدًا لذلك. لكنه يظهر أن الشركة تحاول التأثير في سؤال أصعب من مجرد ترتيب النماذج: من يسيطر على السلسلة الكاملة التي تقدم الذكاء الاصطناعي على نطاق واسع. وإذا أدى Jalapeño كما هو متوقع، فإن أهميته ستتجاوز دورة منتج واحدة. وسيشير ذلك إلى أن مطوري الذكاء الاصطناعي الرائدين أصبحوا أيضًا شركات عتاد.
تعتمد هذه المقالة على تغطية The Decoder. اقرأ المقال الأصلي.
Originally published on the-decoder.com