لماذا تركز أجهزة الكمبيوتر المدعومة بالذكاء الاصطناعي من آبل وشاومي بشدة على «تخطي حاجز الذاكرة»؟｜سجل أدوات الذكاء الاصطناعي

هيمنت الهواتف الذكية على النظام البيئي الرقمي على مدار العقد الماضي، فهي ثقب أسود للاهتمام، وأكثر أغراضنا الشخصية قرباً منا. لكن الهواتف صُممت منذ البداية لكي «يحدق فيها الإنسان» — فكل منطقها ينتهي عند الشاشة.

احتياجات الذكاء الاصطناعي هي العكس تماماً: فهو يحتاج إلى إدراك مستمر للعالم المادي — أن يرى ما تراه، ويسمع ما تسمعه، وأن يكون حاضراً دائماً، بدلاً من الانتظار حتى تفتح قفل الشاشة ليستيقظ.

عندما يصبح الذكاء الاصطناعي قدرة أساسية حقاً، فلا بد أن يخرج من قوقعة الشاشة عاجلاً أم آجلاً، باحثاً عن شكله الخاص. ستكون هذه عملية استكشاف وتطور طويلة.

من هنا جاءت فكرة قسم «سجل أدوات الذكاء الاصطناعي»، حيث يريد موقع إيفانر (ifanr) أن يراقب معك باستمرار: كيف يغير الذكاء الاصطناعي تصميم الأجهزة، وكيف يعيد تشكيل التفاعل بين الإنسان والآلة، والأهم من ذلك — بأي شكل سيدخل الذكاء الاصطناعي حياتنا اليومية؟

هذه هي المقالة رقم 23 في «سجل أدوات الذكاء الاصطناعي».

أجهزة ماك (Mac) الجديدة التي أطلقتها آبل مؤخراً، أعادت تحديد توقعات الأداء لـ«أجهزة كمبيوتر الذكاء الاصطناعي». فقد تم تعريف جهاز Mac mini المدمج رسمياً كأداة إنتاجية لتشغيل الوكلاء (Agents) على مدار الساعة، بينما وفر جهاز Mac Studio الاحترافي ما يصل إلى 512 جيجابايت من الذاكرة الموحدة.

ومع ذلك، تكمن قوتها الحقيقية في معامل لم يكن أحد يهتم به كثيراً في الماضي — عرض النطاق الترددي للذاكرة.

وصل عرض النطاق الترددي للذاكرة الموحدة لإصدار M6 القياسي إلى 170 جيجابايت/ثانية، ودُفع إصدار M5 Pro إلى 307 جيجابايت/ثانية، بينما تجاوز إصدار M5 Ultra الأعلى حاجز التيرابايت، وصولاً إلى 1.2 تيرابايت/ثانية.

وللترويج لأجهزتها الجديدة، صورت آبل إعلاناً لجهاز Mac mini يظهر فيه الصندوق الفضي الصغير وهو ينبت ذراعين عضليتين ضخمتين.

من قبيل الصدفة، قبل يوم واحد من إطلاق Mac Studio الجديد، كشفت شاومي عن شريحة تسريع الذكاء الاصطناعي الطرفية الخاصة بها «Xuanjie O100»، والتي حققت أيضاً عرض نطاق ترددي للذاكرة يبلغ 1.22 تيرابايت/ثانية؛ أما أحدث بطاقة رسوميات رائدة للمستهلكين من إنفيديا، RTX 5090، فبفضل ذاكرة GDDR7 بسعة 32 جيجابايت، وصل عرض النطاق الترددي لها إلى ما يقارب 1.8 تيرابايت/ثانية.

تختلف مسارات البنية المعمارية لشرائح سطح المكتب (SoC)، ووحدات المعالجة العصبية الطرفية (NPU)، وبطاقات الرسوميات المستقلة (GPU) اختلافاً كبيراً، ولكن سواء كان صانعو أجهزة الكمبيوتر، أو صانعو رقائق الهواتف، أو صانعو بطاقات الرسوميات، فإنهم جميعاً يفعلون الشيء نفسه دون توافق مسبق — جعل البيانات في الذاكرة تتحرك بشكل أسرع.

الذكاء الاصطناعي يحسب أسرع، ولكنه أيضاً أكثر عرضة لـ«الجوع"

تبذل شركات الرقائق جهداً كبيراً في التنافس على عرض النطاق الترددي، وفي نهاية المطاف، السبب هو أن الذكاء الاصطناعي اليوم أصبح قادراً على الحساب بشكل أكبر، وفي نفس الوقت أكثر عرضة لـ«التضور جوعاً» بسبب الذاكرة.

غالباً ما يكون رد فعل الكثير من الناس هنا هو: أليست الذاكرة تعني السعة؟ الأكبر هو الأفضل!

في الواقع، السعة وعرض النطاق الترددي هما شيئان مختلفان تماماً. تحدد السعة حجم النموذج الذي يمكن لهذا الكمبيوتر احتواءه، بينما يحدد عرض النطاق الترددي السرعة التي يتم بها تغذية هذه البيانات إلى نوى الحوسبة كل ثانية.

بمجرد تشغيل النماذج الكبيرة، فإن ما يستهلك الموارد غالباً ليس الحوسبة البحتة، بل «نقل البيانات» المستمر من البداية للنهاية.

الصورة | مخطط التعبئة المسبقة والإخراج للنماذج اللغوية الكبيرة (LLM) | إنفيديا

عندما نرى الكلمات تظهر واحدة تلو الأخرى في مربع الحوار، خلال مرحلة التوليد الذاتي الانحداري (Decode)، يجب على وحدة الحوسبة قراءة مليارات المعاملات والأوزان في الذاكرة بالكامل لكل رمز (token) جديد يتم إنشاؤه.

الأمر يشبه طاهياً ماهراً سريع اليد في المطبخ، يستغرق القلي دقيقتين فقط، لكن مساعد الطباخ يستغرق وقتاً طويلاً لتجهيز المكونات المقطعة. مهما كان الطاهي سريعاً في القلي، فإنه يقضي معظم وقته في الانتظار أمام الموقد ممسكاً بالمقلاة.

سواء كان وحدة المعالجة المركزية (CPU)، أو وحدة معالجة الرسوميات (GPU)، أو وحدة المعالجة العصبية (NPU)، فجميعها عالقة في هذا العقبة الآن. تتسارع قدرات الحوسبة بشكل جنوني، لكن سرعة توسيع قنوات الذاكرة لا تستطيع مواكبة ذلك. عندما يكون النموذج صغيراً يمكن التغاضي عن ذلك، ولكن بمجرد الانتقال إلى نماذج كبيرة بحجم عشرات أو مئات المليارات من المعاملات، يتطلب الأمر تداول كميات هائلة من البيانات لإخراج كلمة واحدة.

مهما كانت وحدة الحوسبة قادرة على الحساب، فإنها تضطر إلى إهدار الكثير من الوقت في انتظار الذاكرة لتغذيتها بالبيانات. تُعرف هذه الظاهرة في البنية المعمارية باسم memory-bound (تقييد الذاكرة).

الصورة | مُجمعة من معلومات عامة على الإنترنت

ذاكرة أسرع، تعني أيضاً أكثر تكلفة nيرى الكثير من الناس أسعار الذاكرة، ويشعرون غريزياً أن «32 جيجابايت بالتأكيد أغلى من 16 جيجابايت، و512 جيجابايت بطبيعة الحال أغلى من 32 جيجابايت». ولكن إذا نظرنا إلى سلسلة توريد أشباه الموصلات، فإن القاعدة الحقيقية هي: **الذاكرة الأكبر أغلى، لكن الذاكرة الأسرع، ترتفع تكلفتها بشكل أُسي.**

لجعل البيانات الهائلة تتحرك بشكل أسرع، لا يمكن الاعتماد فقط على تكديس الرقائق، بل يجب استخدام عرض بتات أوسع، وواجهات عالية التردد، وتعبئة وتغليف متقدمة ومعقدة للغاية وتكديس عمودي. خذ ذاكرة HBM (ذاكرة النطاق الترددي العالي) التي أصبحت معياراً في خوادم الذكاء الاصطناعي اليوم كمثال، فهي تقوم بعمل ثقوب عمودية وتكدس طبقات متعددة من رقائق DRAM (TSV)، مما يجعل صعوبة التصنيع ومساحة الرقاقة تتجاوز بكثير الذاكرة التقليدية.

هذا العطش الشديد لعرض النطاق الترددي الفائق يثير موجة عالمية من «الهجرة الإنتاجية الكبرى» في المراحل الأولية.

تُظهر بيانات مسح من TrendForce أنه نظراً للزيادة الهائلة في طلب مراكز بيانات الذكاء الاصطناعي على ذاكرات HBM وذاكرات DDR5 عالية المواصفات للخوادم، تقوم شركات التخزين العملاقة الثلاث: سامسونج، وSK هاينكس، وميكرون، بتحويل طاقاتها المحدودة من إنتاج الرقائق المتقدمة بالكامل لصالح القطاع المؤسسي.

يؤدي هذا إلى الضغط المباشر على مساحة الإمداد المخصصة لذاكرة DRAM لأجهزة الكمبيوتر الاستهلاكية، حيث تستمر أسعار العقود في الارتفاع التسلسلي حتى في موسم الركود التقليدي.

في أواخر العام الماضي، أعلنت ميكرون رسمياً عن انسحابها التدريجي من أعمال ذاكرة المستهلكين تحت علامة Crucial، لتوجيه موارد سلسلة التوريد بالكامل نحو عملاء استراتيجيين أكبر حجماً وأكثر ربحية؛ في حين يعكس إغلاق متجر طرف ثالث معتمد من SK هاينكس محلياً مؤخراً تجاهل الشركات المصنعة الأصلية لقنوات المبيعات الاستهلاكية.

الصورة | ميكرون nعندما يتردد جامعو أجهزة الكمبيوتر العاديون أمام الأسعار، يكتشفون عند النظر للأمام أن ميزانية إضافة شريط ذاكرة واحدة تتنافس دون علم مع مراكز بيانات الذكاء الاصطناعي العالمية على نفس دفعات الرقائق المتقدمة. nمنعاً لتعثر قدرات الحوسبة في نقل البيانات،