تزايد الطلب على قدرات الحوسبة ما بعد التدريب من شركة إنفيديا مع سيطرة وكلاء الذكاء الاصطناعي

أصبح طلب نفيديا على قدرات الحوسبة بعد التدريب محور الجاذبية الجديد في سوق أجهزة الذكاء الاصطناعي. ووفقاً لموقع Moomoo، فإن الشركة المصنعة للرقائق تصف تحوّلاً في طريقة استهلاك العملاء لقدرات الحوسبة: من عصر «التدريب لمرة واحدة» للنماذج الكبيرة نحو «التقليم بعد التدريب» لأنظمة وكلاء الذكاء الاصطناعي — أي أنظمة تُضبط وتُقيَّم وتُحسَّن باستمرار، بدلاً من أن تُبنى مرة واحدة وتُترك دون تحديث. وهذه الصياغة ذات أهمية تتجاوز خارطة طريق منتجات نفيديا نفسها، لأنها تظهر في وقتٍ يطرح فيه موقع Yahoo Finance UK سؤالاً عمّا إذا كانت أسهم نفيديا (NVDA) ما زالت تتداول دون قيمتها العادلة رغم استمرار نمو الطلب على الذكاء الاصطناعي.

ما تشير إليه نفيديا بشأن المرحلة القادمة من حوسبة الذكاء الاصطناعي

الادعاء الرئيسي، كما ورد في تقرير Moomoo، يبدو بسيطاً بشكل مضلل: فطلب قدرات الحوسبة من نفيديا لم يعد يُدار أساساً بواسطة عمليات تدريب ضخمة ومنفصلة تُنتج نموذجاً رائداً ثم تتوقف. بل تشير نفيديا بدلاً من ذلك إلى «التقليم بعد التدريب» لأنظمة الوكلاء باعتباره محرك النمو — أي العمل المستمر في تكييف النماذج ومواءمتها وتحسينها بعد اكتمال مرحلة التدريب الأولي.

وتستحق هذه الفروق التفصيل، لأن هذين النوعين من الأعباء العملية لهما اقتصاديات مختلفة جداً. فعملية التدريب لمرة واحدة هي حدث رأسمالي: إذ تحجز الشركة كمية هائلة من وقت وحدات معالجة الرسومات (GPUs)، وتُنتج نموذجاً، ثم يتوقف العداد. أما التقليم بعد التدريب فهو على العكس نفقة تشغيلية تتكرر طوال فترة تشغيل الوكيل. وكل دورة تحسين — سواء أكانت لإدخال سلوكيات جديدة أو أدوات جديدة أو ضبط جديد للسلامة أو تقييمات جديدة — تستهلك نفس فئة المعجلات التي تُستخدم في التدريب الأولي، لكنها تفعل ذلك بوتيرة أكثر ثباتاً وقابلية للتنبؤ.

ولا يرفق كلٌّ من تقرير Moomoo أو مقالة Yahoo Finance UK أرقاماً محددة لهذا التحوّل في المواد المتاحة، لذا ينبغي قراءته باعتباره بياناً توجيهياً حول الاتجاه الذي ترى نفيديا أن الطلب يسير نحوه، وليس تنبؤاً كمياً محدداً. ومع ذلك، وباعتباره بياناً توجيهياً، فإنه يكتسب أهمية كبيرة صادراً عن الشركة التي توفر معظم أجهزة التدريب الخاصة بالذكاء الاصطناعي في العالم.

من عمليات تدريب لمرة واحدة إلى تقليم مستمر

طوال معظم ازدهار الذكاء الاصطناعي الحديث، كان النموذج الذهني لطلب قدرات الحوسبة في القطاع مبنياً على التدريب الأولي: تلك العملية التي تستغرق شهوراً لتعليم نموذج كبير من الصفر باستخدام مجموعات بيانات ضخمة. وقد أوجد هذا النموذج قلقاً معروفاً لدى المستثمرين — فهل سينخفض الطلب على المعجلات انخفاضاً حاداً إذا أنهت المختبرات الرائدة القليلة عملياتها الأكبر؟

إن التحوّل الذي تصفه نفيديا، وفقاً لتقرير Moomoo، يجيب عن هذا القلق بالإشارة إلى ما يحدث بعد التدريب الأولي. وفي الممارسة العامة في القطاع، يشمل مرحلة ما بعد التدريب مجموعة من التقنيات: مثل الضبط الدقيق الخاضع للإشراف على أمثلة مُنتقاة بعناية، والتقليم القائم على التعزيز حيث تتعلم النماذج من التغذية الراجعة والنتائج، واستخلاص النماذج الكبيرة إلى نماذج أصغر جاهزة للنشر، بالإضافة إلى أدوات التقييم المكثفة اللازمة للتحقق من أن الوكيل يتصرف فعلاً كما هو مقصود. أما أنظمة الوكلاء — أي النماذج التي تخطط وتستدعي الأدوات وتتصرف عبر خطوات عديدة — فهي تضخم كل ذلك، لأن سلوكها يصعب تحديده مسبقاً ويجب تشكيله تدريجياً بناءً على مهام فعلية.

والنتيجة العملية هي أن «التدريب» يتوقف عن كونه مرحلةً واحدةً، ويصبح حلقةً متكررة. فالفِرق التي تبني الوكلاء — من أنظمة خدمة العملاء إلى وكلاء البرمجة بالذكاء الاصطناعي التي أصبحت الآن جزءاً لا يتجزأ من سير عمل المطورين — تقوم عادةً بإعادة ضبط نماذجها باستمرار مع تطور المهام والأدوات وأنماط الفشل. وكل دورة من هذه الدورات تستهلك ساعات من وقت المعجلات.

لماذا يغيّر الذكاء الاصطناعي الوكيلي شكل طلب وحدات معالجة الرسومات (GPUs)

وأوضح ما يميز هاتين الحقبتين من الناحية البنيوية هو مقارنتهما جنباً إلى جنب. والمعلومات التحليلية التالية مبنية على الممارسة العامة في القطاع، وليست أرقاماً مستمدة من التقارير المصدرية:

ولنفيديا، فإن الجاذبية الواضحة تكمن في العمود الأيمن: فالطلب المتكرر من عدد كبير من العملاء أكثر استدامةً من الطلب المتقطع من عدد قليل. أما بالنسبة لبقية السوق، فيوحي ذلك بأن المنافسة على المعجلات لن تهدأ ببساطة بسبب اكتمال أكبر عمليات التدريب الأولي. ويمكن لأي شخص يقارن خيارات الأجهزة لهذا النوع من الأعباء أن يقيّم البطاقات الحالية في دليلنا الخاص بـ أفضل وحدات معالجة الرسومات (GPUs) للذكاء الاصطناعي.

سؤال التقييم: هل يمكن لأن أسهم نفيديا أن تتداول دون قيمتها العادلة؟

يرتبط سرد الطلب مباشرةً بالخيط الثاني في التغطية اليومية. فموقع Yahoo Finance UK يتساءل عمّا إذا كانت أسهم نفيديا (NVDA) ما زالت تتداول دون قيمتها العادلة مع استمرار نمو الطلب على الذكاء الاصطناعي — أي ما إذا كانت السوق قد أدرجت بالفعل استدامة هذا الطلب بالكامل في التقييم.

ويشكل التحوّل المذكور في تقرير Moomoo محوراً أساسياً لكيفية الإجابة عن هذا السؤال. فإذا كان طلب قدرات الحوسبة لا يزال يهيمن عليه التدريب لمرة واحدة، فقد يجادل موقف متشائم بأن الإيرادات ليست سوى قائمة بمشاريع محدودة. أما إذا كان الطلب ينتقل بدلاً من ذلك نحو التقليم بعد التدريب لأنظمة الوكلاء، فإن قاعدة الإيرادات تبدو أقرب إلى اشتراك في حلقة تحسين شاملة للقطاع بأسره. وهذا النوع من التمييز هو ما يؤثر في تقديرات القيمة العادلة، لأن الطلب المتكرر يدعم ثقة أعلى في الأرباح المستقبلية مقارنةً بالطلب المتقطع.

ولا يقدم أي من المقتطفين الرقم الذي وصلت إليه تحليلات Yahoo Finance UK في تقدير القيمة العادلة، ولا سعر سهم نفيديا الحالي، ولذلك لن نخمن الفجوة. أما النقطة ذات الصلة للقراء فهي المنطق: فنقاش تقييم سهم نفيديا يتحول تدريجياً ليصبح نقاشاً حول شكل طلب قدرات الحوسبة، وتؤكد نفيديا نفسها — وفق تقرير Moomoo — أن هذا الشكل يتغير لصالحها.

ما الذي يعنيه هذا التحوّل لفريقَي المطورين والبنية التحتية العاملين في مجال الذكاء الاصطناعي

أما بالنسبة للفِرق التي تبني حلولاً تعتمد على الذكاء الاصطناعي، فإن الآثار العملية لهذا إعادة التوصيف تستحق التأمل الجاد، بغض النظر عن رأي المرء في سهم الشركة.

أولاً، تتغير ميزانية الحوسبة. فإذا تضمَّنت خارطة طريقك وكالاتٍ ذكية (agents)، فإن البند المتعلق بالتدريب لا ينتهي عند مرحلة الإطلاق. بل تصبح عمليات التحسين اللاحقة للتدريب، والتشغيل التقييمي، وإعادة الضبط الدورية جزءاً من تكلفة تشغيل المنتج، إلى جانب استنتاج النماذج (inference). ويمكن للفِرق التي تُقيِّم ما إذا كانت ستُجرِي هذه الدورة على أجهزتها الخاصة أم تستأجرها أن تُنمِّذ التوازن بين الخيارين باستخدام حاسبة الاستضافة الذاتية مقابل واجهة برمجة التطبيقات (API).

ثانياً، تتغير عملية اختيار النموذج. فعندما يكون التحسين مستمراً، لا يقتصر السؤال على أي نموذج أساسي هو الأقوى اليوم، بل يشمل أيضاً أي نموذج هو الأرخص والأكثر عمليةً في التحسين المستمر. وقد تتفوق النماذج الأصغر التي يمكن ضبطها بدقة (fine-tuned) بشكل متكرر على النماذج الأكبر التي تُحدَّث نادراً. و قاعدة بيانات نماذج الذكاء الاصطناعي يتعقَّب الخيارات المتاحة حالياً، بينما يُظهر مؤشر أداء السعر في مجال الذكاء الاصطناعي سرعة التحوُّل في الجانب التكلفي من هذه المعادلة.

ثالثاً، تتغير تخطيط السعة. فالأحمال الوظيفية المرتبطة بالتحسين المستمر أكثر انتظاماً من انفجارات التدريب ذات المرّة الواحدة، ما يجعل جدولة هذه الأحمال أسهل — لكنها تعني في الوقت نفسه أن سعة وحدات معالجة الرسومات (GPU) داخل المؤسسة لن تبقى أبداً في حالة سكون تام. وهذا يرجِّح التخطيط للاستغلال المستدام للسعة بدلًا من التخطيط للاستيعاب الأقصى (peak provisioning).

المخاطر والأمور غير المؤكدة

والصورة التي ترسمها شركة إنفيديا (NVIDIA)، كما نقلتها منصة موومو (Moomoo)، هي بطبيعة الحال الصورة الأكثر إيجابية لمورِّد قوة الحوسبة، ويجب التريُّث فيها بحذر. فالتقارير المتاحة لا تقدِّم أرقاماً كميةً عن حجم الطلب الحالي الذي ينشأ بالفعل من عمليات ما بعد التدريب (post-training) مقابل ما قبل التدريب (pre-training)، ولا عن سرعة التحوُّل في هذا المزيج. ومن الممكن أيضاً أن تخفِّف المكاسب في كفاءة تقنيات ما بعد التدريب — مثل تحسين اختيار البيانات، أو تقليل حجم عمليات التحسين، أو زيادة عمليات الاستخلاص (distillation) — من شدة استهلاك الحوسبة في عصر الوكلاء الذكيين مع مرور الوقت.

أما الإطار التحليلي الذي قدَّمته ياهو فاينانس المملكة المتحدة (Yahoo Finance UK) فيحتوي على تحذيرٍ خاصٍّ به: فتحليلات «القيمة العادلة» (fair value) تعتمد اعتماداً كبيراً على الافتراضات المتعلقة بدقةٍ بالطلب المستدام الذي تدَّعي إنفيديا وجوده. فإذا تبيَّن أن دورة تحسين الوكلاء الذكية أقل استهلاكاً للقدرة الحاسوبية مما كان متوقعاً، فإن التفسير المتفائل يضعف؛ أما إذا انتشرت هذه الوكلاء على نطاق واسع عبر المؤسسات كما يوحي بذلك التحليل، فإن هذا التفسير يكتسب قوةً أكبر. وعلى المستثمرين والمطوِّرين على حدٍّ سواء أن يعاملوا التقارير الصادرة اليوم باعتبارها فرضيةً قابلةً للاختبار، وليس كحقيقةٍ راسخة.

الأسئلة الشائعة

ما المقصود بـ«تحسين ما بعد التدريب»؟ هو العمل المنجز على النموذج بعد انتهاء مرحلة التدريب الأولي (pre-training): كالضبط الدقيق (fine-tuning) على بيانات مُنتقاة بعناية، أو التحسين على غرار التعلُّم المعزَّز (reinforcement-style) استناداً إلى الملاحظات والتغذية الراجعة، أو استخلاص النموذج في إصدارات أصغر (distillation)، أو التقييم المتكرر. وفي حالة الوكلاء الذكية، يتحوَّل هذا إلى دورة مستمرة بدل خطوة واحدة فقط.

ولماذا تقول إنفيديا إن طلب الحوسبة يتطوَّر؟ وفقاً لمنصة موومو (Moomoo)، ترى إنفيديا أن الطلب ينتقل من «التدريب لمرة واحدة» (one-time training) للنماذج الكبيرة إلى «تحسين ما بعد التدريب» المستمر الخاص بالوكلاء الذكية — وهي أحمال وظيفية متكرِّرة يولِّدها عددٌ كبير من العملاء، بدل تنفيذ عمليات ضخمة نادرة تقوم بها مختبرات قليلة.

هل يعني ذلك أن مرحلة ما قبل التدريب انتهت؟ كلا. فالتقارير تصف تحوُّلاً في مزيج الطلب، وليس نهاية عمليات التدريب الكبيرة. إذ يضيف «تحسين ما بعد التدريب» طبقةً مستمرةً من استهلاك الحوسبة فوق الطبقة المتقطِّعة (episodic) القائمة أصلاً.

وكيف يرتبط ذلك بتقييم شركة إنفيديا؟ تبحث ياهو فاينانس المملكة المتحدة في ما إذا كانت سهم إنفيديا (NVDA) لا يزال قابلاً للتداول دون قيمته العادلة مع نمو الطلب على الذكاء الاصطناعي. وإذا كان الطلب المتكرِّر على عمليات ما بعد التدريب حقيقياً فعلاً، فإنه يجعل الإيرادات المستقبلية أكثر قابليةً للتنبؤ — وهي نقطة محورية في أي حجة تتعلَّق بالقيمة العادلة. ولا تظهر أي أهداف سعرية محددة في التقارير المتاحة.

ما الذي ينبغي أن تفعله فرق الذكاء الاصطناعي حيال هذا الأمر؟ أن تُدرِج تحسين ما بعد التدريب ضمن التكاليف التشغيلية المستمرة، وليس ضمن تكاليف الإطلاق فقط؛ وأن تختار نماذج تكون اقتصاديةً في إعادة ضبطها بدقة بشكل متكرر؛ وأن تخطط لقدرات وحدات معالجة الرسومات (GPU) لضمان استغلال مستدام، بدل التركيز على الذروة في أوقات الحمل الفردية.

النتيجة النهائية

إن طلب إنفيديا على الحوسبة لما بعد التدريب هو القصة الكامنة وراء كلا العنوانين الرئيسيين اليوم. فوفقاً لمنصة موومو، تخبر الشركة السوق بأن دورة الحوسبة الخاصة بالذكاء الاصطناعي لم تعد تنتهي عندما يكتمل تدريب نموذج كبير — بل يستمر «العداد» في الدوران بفضل الوكلاء الذكية عبر عمليات التحسين المستمرة. أما وفقاً لياهو فاينانس المملكة المتحدة، فإن ادعاء «الاستدامة» هذا هو بالضبط المحور الذي يدور حوله الجدل الحالي بشأن القيمة العادلة لسهم إنفيديا (NVDA). وما زالت الأرقام بانتظار تعبئتها، لكن الاتجاه واضح: ففي عصر الوكلاء الذكية، لم يعد التدريب حدثاً منعزلاً، بل أصبح عادةً — والعادات هي ما تُبنى عليه الإيرادات المتكرِّرة.

المصادر: news.google.com. تم التقرير في ١٩ يوليو ٢٠٢٦.