مركز بيانات Z.ai بقدرة ١ غيغاواط يعمل بالكامل على رقائق صينية – تقرير

قد يُعَدّ مركز بيانات Z.ai الذي تبلغ قدرته ١ جيجاواط، وفق التقرير، أحد أوضح الإشارات حتى الآن على أن أبرز مختبرات الذكاء الاصطناعي الصينية تعلّمت العيش دون الاعتماد على إنفيديا. ووفقاً لموقع Tom’s Hardware، فقد أطلقت شركة Z.ai — وهي الشركة وراء سلسلة نماذج اللغة الكبيرة GLM الشهيرة عالمياً — مركز بيانات ذكاء اصطناعي بقدرة ١ جيجاواط، بُنِيَ بالكامل على رقائق صينية، وتدير حالياً عدة مجموعات (كلاسترات) تحتوي كلٌّ منها على ١٠٠٠٠ رقاقة، دون وجود أي رقائق من إنفيديا على الإطلاق. وتنبع هذه المعلومة من تقرير إعلامي وليس من إعلان رسمي صادر عن الشركة، ولذلك يجب التعامل مع تفاصيله بحذرٍ شديد؛ لكن إن صحّت، فستمثل هذه الخطوة إنجازاً كبيراً في مجال البنية التحتية المحلية للذكاء الاصطناعي في الصين، وستكون نقطة بيانات جوهرية يجب أن ينتبه إليها جميع مستخدمي نماذج GLM.

ما يدّعيه التقرير حول مركز بيانات Z.ai بقدرة ١ جيجاواط

الادعاءات الأساسية، كما وردت في تقرير موقع Tom’s Hardware، موجزة لكنها ملفتة للانتباه. أولاً، أفاد التقرير بأن شركة Z.ai أطلقت فعلياً مركز بيانات ذكاء اصطناعي بقدرة كهربائية تبلغ ١ جيجاواط — وهي درجة من الضخامة ترتبط عادةً بأكبر مجمعات مراكز البيانات الخاصة بالذكاء الاصطناعي على مستوى عالمي. ثانياً، يُقال إن هذه المنشأة بُنِيَت بالكامل باستخدام رقائق صينية. ثالثاً، يُزعم أن مطوّر نماذج GLM يُشغِّل الآن عدة مجموعات (كلاسترات) تحتوي كلٌّ منها على ١٠٠٠٠ رقاقة، دون وجود أي رقائق من إنفيديا في أي جزء من هذه البنية التحتية.

وهذا هو حدّ ما ورد في التقرير فقط. فالعنوان الرئيسي لا يحدّد مورّدي الرقائق المحليين الذين زوّدوا المسرّعات، ولا يوضح نوع الربط البيني (interconnect) المستخدم في المجموعات، ولا يوضح ما إذا كانت المنشأة مخصصة للتدريب فقط أو للاستنتاج فقط أو لكليهما، ولا يحدد موقعها الجغرافي. كما أنه لا يوجد بيان رسمي صادر عن شركة Z.ai يؤكد هذه الأرقام. ولذلك، فإن التفسير المعقول لهذا التقرير هو أنه يعكس تقريراً صناعياً موثوقاً يصف اتجاهاً استراتيجياً عاماً، وليس وثيقة مواصفات مُحقَّقة بالكامل.

لماذا يكتسب وجود منشأة بقدرة جيجاواط تعتمد كلياً على رقائق صينية أهمية بالغة

أصبحت القدرة الكهربائية مقياساً قياسياً متعارفاً عليه لتقييم البنية التحتية للذكاء الاصطناعي، لأنها تعبّر عن العائق الوحيد الذي لا يمكن لأي قدر من الهندسة الذكية تجاوزه: وهو الكهرباء. وبالفعل، فإن منشأة بقدرة ١ جيجاواط، إن صحّ الرقم المذكور في التقرير، ستضع مشروع Z.ai ضمن أكبر مشاريع مراكز بيانات الذكاء الاصطناعي من حيث الحجم، والتي نُشرت تفاصيلها علناً في أي مكان بالعالم — أما الجزء الحقيقي المبتكر هنا فهو تنفيذ هذا المشروع دون استخدام أي معدات من إنفيديا.

وبصفة عامة، فإن قيود التصدير الأمريكية فرضت على مدى السنوات الماضية قيوداً متزايدة على بيع مسرّعات إنفيديا المتقدمة إلى الصين، مما أجبر مختبرات الذكاء الاصطناعي الصينية على الاختيار بين إمدادات محدودة من رقائق مُخفَّضة المواصفات، وبين الاعتماد على نظام بيئي محلي كان يتخلف تاريخياً من حيث الأداء الخام، ونضج البرمجيات، وعرض النطاق الترددي للربط البيني. وقد راهن العديد من المحللين الغربيين على أن هذه الفجوة ستُبطئ طموحات الصين في تطوير النماذج الأمامية (frontier models). لكن تقريراً يفيد بأن مختبراً صينياً رائداً يُشغّل الآن بنية حاسوبية محلية بقدرة جيجاواط ويُنتج نماذج تنافسية منه، يتحدى مباشرةً هذا الافتراض.

من المهم أن نكون دقيقين فيما يُظهره التقرير وما لا يُظهره. فهو لا يخبرنا كيف يقارن الأداء لكل رقاقة من الرقائق المحلية مع أحدث رقائق إنفيديا الحالية، كما أنه لا يخبرنا بمقدار الكفاءة التي تضطر Z.ai للتضحية بها لتحقيق الاستقلال عن إنفيديا. أما ما سيُثبتُه هذا التقرير، إن تم التحقق منه، فهو أن مشكلة النظام الكامل — أي الرقائق، والشبكات، وحزمة البرمجيات، والانضباط التشغيلي اللازم لإبقاء عشرات الآلاف من المسرّعات تعمل بكفاءة — قد تم حلّها بما يكفي لتشغيل عمليات العمل الخاصة بمختبر أمامي (frontier lab). وهذه هي المشكلة الأصعب والأكثر أهمية استراتيجياً.

داخل المجموعات (الكلاسترات) المكوّنة من ١٠٠٠٠ رقاقة: ما الذي نعرفه وما لا نعرفه

والادعاء الثاني في التقرير — وهو تشغيل عدة مجموعات (كلاسترات) تحتوي كلٌّ منها على ١٠٠٠٠ رقاقة — ربما يكون أكثر إفادة من الرقم البارز المتعلق بقدرة الجيجاواط. فتدريب نماذج اللغة الكبيرة الحديثة يتطلب مزامنة عدد هائل جداً من المسرّعات عبر روابط بينية سريعة، وحجم المجموعة (cluster size) يُعتبر مؤشراً معقولاً على الحد الأقصى لحجم عملية التدريب الواحدة. وبمعايير الصناعة، فإن المجموعات المكوّنة من عشرة آلاف مسرّع تقع بوضوح ضمن نطاق عمليات التدريب الأمامي.

أما ما يظل مجهولاً فهو تقريباً كل ما يحدد كيفية أداء هذه المجموعات فعلياً. فمعدل الاستخدام، وسلوك الفشل والاستعادة، وهيكلية الربط البيني، ونضج حزمة المُجمِّع (compiler) وإطارات العمل (framework stack) كلها عوامل تؤثر في كمية التدريب المفيدة التي يمكن أن تُنتجها مجموعة ما من حجم معين. ولطالما واجهت المسرّعات الصينية المحلية أشد التحديات في هذه المجالات بالتحديد — أي في النظام البيئي البرمجي وليس في الرقاقة نفسها — ولذلك فإن الادعاء بأن شركة Z.ai تُشغّل عدّة مثل هذه المجموعات في بيئة إنتاجية فعلية، دون وجود أي رقائق إنفيديا يمكن الاعتماد عليها كحل بديل، هو الجزء الأكثر أهمية الذي يستحق المتابعة والتحقق منه. ويمكن للمطورين الذين يقيّمون خيارات الأجهزة لمهامهم الخاصة مقارنة خيارات المسرّعات الحالية في دليلنا الخاص بـ أفضل وحدات معالجة الرسومات (GPUs) للذكاء الاصطناعي.

نظرة عامة على البنية التحتية المُبلَّغ عنها لشركة Z.ai

يستند كل سطر من السطور أعلاه إلى تقرير واحد فقط، والسطر الأخير هو الأهم بالنسبة لأي شخص يحاول تقييم القدرات الواقعية. فالمصدر الذي تأتي منه الرقائق المحلية التي تملأ تلك الخزائن — وكيف تطورت حزمة برمجياتها — سيحدد ما إذا كانت هذه اللحظة مجرد إنجاز رمزي أم منصة تنافسية مستدامة.

ما الذي يعنيه غياب رقائق إنفيديا تماماً بالنسبة لعائلة نماذج GLM

أصبحت نماذج Z.ai من سلسلة GLM جزءاً أساسياً من المشهد العالمي للنماذج المفتوحة الوزن (open-weights)، وتؤثر البنية التحتية الحاسوبية للشركة بشكل مباشر على سرعة ظهور الإصدارات الجديدة، وعلى انخفاض تكلفة تقديمها، وعلى مدى قدرتها على التوسّع بسلاسة مع زيادة الطلب. ويمكنكم تتبع تطور سلسلة GLM جنباً إلى جنب مع منافسيها في دليلنا الخاص بـ قاعدة بيانات نماذج الذكاء الاصطناعي.

إذا صحّ التقرير، فإن التأثير العملي على مستخدمي نماذج GLM يتمثل في المرونة. فمختبرٌ تُدار أسطوله الحاسوبي بالكامل على رقائق محلية يكون محمياً من الدورة المتكررة لتشديد قيود التصدير الأمريكية، والتي أجبرت مختبرات الذكاء الاصطناعي الصينية مراراً على إعادة تصميم خطط الشراء في منتصف الطريق. وهذه الاستقرار مهمٌ جداً للمطورين الذين يتخذون قرارات استراتيجية طويلة الأمد على عائلة نماذج معينة: إذ يصبح من غير المرجح أن تخضع سعة واجهة برمجة التطبيقات (API) للتقييد بسبب اعتبارات جيوسياسية، كما يصبح من غير المرجح أن تتوقف وتيرة إصدار النماذج بسبب حظر شحنة من المسرّعات.

وهناك بعد اقتصادي آخر يستحق الإشارة إليه باعتباره تحليلًا وليس معلومة وردت في التقرير. فالنماذج المفتوحة الوزن مثل GLM تتنافس بشكل كبير على التكلفة، والبنية التحتية الحاسوبية المحلية الخاضعة للتحكم الرأسي — مهما كانت الخسارة في الكفاءة لكل رقاقة — تمنح المختبر أدوات تسعير لا يمكنه الحصول عليها عند استئجار قدرات مسرّعات إنفيديا المحدودة. دراسة مقارنة لتكاليف الذكاء الاصطناعي المفتوح مقابل الذكاء الاصطناعي المغلق يبحث دليلنا في كيفية انعكاس خيارات البنية التحتية من هذا النوع على أسعار الرموز (tokens) التي يدفعها المطورون فعلياً.

ما الذي يعنيه ذلك للمطورين والسوق الأوسع

أما بالنسبة للمطورين خارج الصين، فإن الاستنتاج الفوري ليس أنهم سيستخدمون يوماً ما هذا المركز البيانات — بل ما يوحي به التقرير بشأن مسار المنافسة. فإذا كانت الرقائق الصينية المحلية قادرة على دعم عمليات الذكاء الاصطناعي بقدرة جيجاواط، فمن المرجح أن يستمر توفر نماذج الذكاء الاصطناعي المفتوحة الوزن من الطراز الأمامي في النمو بغض النظر عن سياسات التصدير، مما يمارس ضغطاً تنازلياً مستمراً على أسعار الاستنتاج (inference pricing) في السوق بأكمله. ويمكن للفِرق التي تقرر ما إذا كانت ستستهلك هذه النماذج عبر واجهة برمجة التطبيقات (API) أو تشغيلها على أجهزتها الخاصة أن تُحلّل مزايا وعيوب كل خيار باستخدام دليلنا الخاص بـ حاسبة الاستضافة الذاتية مقابل واجهة برمجة التطبيقات (API).

أما بالنسبة لسوق الأجهزة، فإن هذا التقرير — إن تم التحقق من صحته — يُضعف الافتراض القائل بأن النظام البيئي لإنفيديا لا غنى عنه في أعلى المستويات. وهذا لا يهدد موضع إنفيديا في الأسواق الغربية، حيث تظل معداتها وبرمجياتها الخيار الافتراضي. لكن وجود بديل مُثبت وقابل للتطبيق في بيئة الإنتاج في ثاني أكبر سوق للذكاء الاصطناعي في العالم يغيّر الصورة طويلة المدى للمنافسة في سوق المسرّعات، ويعزّز موقف كل مشترٍ يتفاوض مع أي مورد. ويجب التذكير مجدداً بأن شركة Z.ai لم تؤكد أي شيء من هذا كله، وأن تقارير البنية التحتية للذكاء الاصطناعي الصيني لها تاريخ في التفوّق على الحقائق القابلة للتحقق. لذلك، يُوصى بالتعامل مع الاتجاه العام باعتباره مرجحاً، بينما تُعامل الأرقام المحددة باعتبارها مؤقتة وقابلة للتعديل.

الأسئلة الشائعة

ما الذي أفاد التقرير بأنه بنته شركة Z.ai؟ وفقًا لموقع Tom's Hardware، أطلقت شركة Z.ai تشغيل مركز بيانات ذكاء اصطناعي بقدرة 1 غيغاواط بالكامل مبني على رقائق صينية، وتعمل الآن على تشغيل عدة مجموعات (كلاسترات) تحتوي كلٌّ منها على 10,000 رقاقة دون استخدام أي رقاقات من شركة إنفيديا. وهذه المعلومة مستمدة من تقريرٍ لم يُؤكَّد رسميًّا من قِبل الشركة.

ما الرقائق الصينية التي تستخدمها شركة Z.ai؟ لم يُحدِّد التقرير نوع الرقائق المستخدمة. كما أن مورِّد الرقائق، وتقنية الربط البيني (interconnect)، ومجموعة البرمجيات (software stack) لم تُذكَر جميعها، وهي تفاصيل حاسمة في تحديد كيفية مقارنة الأداء الفعلي للمنشأة مع البنية التحتية القائمة على رقاقات إنفيديا.

لماذا يكتسب رقم «1 غيغاواط» أهميةً خاصةً؟ تُعد سعة الطاقة الكهربائية المعيار القياسي لقياس حجم مراكز بيانات الذكاء الاصطناعي، لأن الكهرباء — وليس الرقائق — هي العامل المقيد النهائي. وتُصنَّف المنشآت ذات السعة الغيغاواطية ضمن فئة «الحجم الفائق» (hyperscale) في مشاريع مراكز البيانات الخاصة بالذكاء الاصطناعي التي تُناقَش علنًا على مستوى العالم.

هل يؤثر هذا الأمر فورًا على المستخدمين الحاليين لنماذج GLM؟ ليس فورًا، لكنه ذو أهميةٍ متوسطة المدى. فإذا كان أساس الحوسبة الخاص بشركة Z.ai فعّالًا بالفعل وبمعزلٍ عن ضوابط التصدير الأمريكية، فإن إصدارات النماذج القادمة من هذه الشركة وقدرتها على استضافة الخدمات ستكون أقل عرضةً للاضطرابات الجيوسياسية — وهي اعتبارٌ جوهريٌّ لأي شخصٍ يبني حلوله على عائلة نماذج GLM.

هل هذه أخبارٌ سيئةٌ لشركة إنفيديا؟ ليست كذلك في أسواقها الأساسية، حيث لا تزال بيئتها التشغيلية (ecosystem) مهيمنةً. ومع ذلك، فإن وجود بديلٍ إنتاجيٍّ بالكامل مبنيٍّ على رقائق محلية داخل الصين — إذا صحَّ التقرير — يُضعف الحجة القائلة بأن الذكاء الاصطناعي المتقدم مستحيلٌ دون أجهزة إنفيديا، ما ينطوي على آثار بعيدة المدى على المنافسة في سوق مسرِّعات المعالجة (accelerator competition).

النتيجة النهائية

التقرير الذي يفيد بأن شركة Z.ai أطلقت تشغيل مركز بيانات ذكاء اصطناعي بقدرة 1 غيغاواط باستخدام رقائق صينية بالكامل، وتشغّل عدة مجموعات (كلاسترات) تحتوي كلٌّ منها على 10,000 رقاقة دون أي مكوِّنات من إنفيديا، هو بالضبط النوع من الادعاءات الذي يستحق كلاً من الانتباه والتشكيك. فالانتباه ضروري لأنه، في حال صحته، يؤكد أن النظام البيئي المحلي للرقائق في الصين قد تجاوز مرحلة الحلول المؤقتة ليصبح منصةً حقيقيةً، مع تداعياتٍ ملموسةٍ على توفر النماذج وأسعارها والمنافسة في مجال الأجهزة. أما التشكيك فيجب أن يسود لأنه لا تزال التفاصيل الجوهرية — مثل هوية المورِّد، والأداء، وكفاءة الاستخدام — غير مُبلَّغ عنها. أما بالنسبة للمطوِّرين، فيبقى الإجراء العملي غير متغيِّر: تقييم نماذج GLM وفقًا لقدراتها المُقاسة وتكاليفها، ومراقبة أي تأكيدٍ مستقبليٍّ من شركة Z.ai نفسها بشأن قصة البنية التحتية المذكورة.

المصادر: news.google.com. التقرير منشور في ٢١ يوليو ٢٠٢٦.