Jensen Huang يكشف عن عصر جديد للحوسبة الفائقة، Vera Rubin تصبح مغيرة اللعبة في مجال الذكاء الاصطناعي

وقف جيفري هوانج مرة أخرى على منصة CES، حيث قدم قائد NVIDIA عرضًا تقنيًا ضخمًا أظهر فيه مستقبل الحوسبة الذكية للذكاء الاصطناعي. وعلى عكس السنوات السابقة، لم يكن الحدث الرئيسي هذا العام عبارة عن بطاقة رسومات استهلاكية تقليدية، بل منصة حوسبة فائقة للمؤسسات تزن 2.5 طن وتدمج ستة شرائح مخصصة—اسمها فيرا روبين. سُميّت تيمّنًا بعالمة الفلك فيرا روبين، في إشارة إلى أن NVIDIA ستواصل استكشاف حدود جديدة في عالم الذكاء الاصطناعي.

فيرا روبين تعيد تشكيل منطق تصميم الشرائح، والابتكار في الأنظمة وراء قفزات الأداء

في النمط التقليدي للبحث والتطوير، تتبع NVIDIA عادة استراتيجية محافظة تتمثل في تحديث 1-2 شرائح فقط في كل جيل. لكن فيرا روبين كسرت هذه القاعدة، حيث صممت وأنتجت دفعة واحدة ست شرائح جديدة، وهو أمر غير مسبوق في الصناعة. وصفها جيفري هوانج بـ"التصميم التعاوني الأقصى"—وهو تحديث متزامن على مستوى بنية الشرائح والمنصة الكاملة.

هذه الست شرائح تؤدي أدوارها: معالج فيرا CPU يعتمد على بنية Olympus المخصصة من NVIDIA ذات 88 نواة، ويحتوي على 1.5 تيرابايت من ذاكرة النظام (ثلاثة أضعاف الجيل السابق Grace)، وهو ما يكفي لدعم تطبيقات الذكاء الاصطناعي الأكثر تعقيدًا؛ أما معالج الرسوم Rubin GPU فهو القوة الحاسوبية الأساسية، حيث تصل قدرته على الاستدلال إلى 50 بيتافلوبس، وهو خمس أضعاف Blackwell السابق، مع زيادة عدد الترانزستورات فقط بنسبة 1.6 مرة، مما يعكس كفاءة تصميمية مذهلة.

بالإضافة إلى هذين “الدماغين”، تتضمن فيرا روبين بطاقات ConnectX-9، ووحدة معالجة البيانات BlueField-4، ورقائق التبادل NVLink-6، ورقائق الألياف الضوئية Spectrum-6. كل شريحة مصممة بعناية لضمان تناغم عمل النظام ككائن حي واحد.

من حيث الأداء الفعلي، حقق نظام NVL72 المدمج بمعمارية فيرا روبين 3.6 إكزاFLOPS في مهام الاستدلال، بزيادة خمس مرات عن Blackwell؛ وبلغ أداء التدريب 2.5 إكزاFLOPS، بزيادة 3.5 أضعاف. والأهم من ذلك، أن هذا الأداء العالي يقترن بزيادة طفيفة في عدد الترانزستورات، حيث زاد بنسبة 1.7 مرة فقط، مما يدل على تقدم كبير في تقنيات التصنيع وتحسين البنى المعمارية.

أما على مستوى التصميم الفيزيائي، فالتطور مذهل أيضًا. فالنودات الحاسوبية الفائقة السابقة كانت تتطلب 43 كابلًا وتستغرق ساعتين في التجميع، مع احتمالية عالية للأخطاء، بينما نودات فيرا روبين لا تحتاج إلى كابلات على الإطلاق، وتُجمّع خلال 5 دقائق فقط باستخدام 6 أنابيب تبريد سائلة. الشبكة الرئيسية عبر NVLink تتكون من حوالي 3200 كيلومتر من الأسلاك النحاسية و5000 كابل نحاسي، وتُنقل البيانات بسرعة 400 جيجابت في الثانية، وهو مستوى هندسي معقد جدًا لدرجة أن جيفري هوانج قال بمزاح: “ربما يحتاج المدير التنفيذي أن يكون قويًا جدًا ليتمكن من تحريكها”.

ثورة في الذاكرة وتسريع الشبكة، حلّ الأزمات الرئيسية في تطبيقات الذكاء الاصطناعي

واحدة من أكبر التحديات في تطبيقات الذكاء الاصطناعي هي نقص الذاكرة السياقية. فعند قيام نماذج الذكاء الاصطناعي بمهمات الحوار، تنتج “ذاكرة تخزين KV” — وهي الذاكرة العاملة للنموذج. ومع زيادة عدد جولات الحوار وتوسع حجم النموذج، تتعرض ذاكرة HBM عالية النطاق الترددي لضغوط شديدة.

الحل الذي تقدمه فيرا روبين هو نشر وحدة BlueField-4 لإدارة ذاكرة KV بشكل مستقل. كل نود يحتوي على 4 وحدات BlueField-4، وكل منها مزود بـ150 تيرابايت من الذاكرة السياقية، مما يتيح لكل GPU زيادة سعة الذاكرة بمقدار 16 تيرابايت إضافية—وهو رقم قياسي، حيث أن الذاكرة المدمجة في GPU عادةً حوالي 1 تيرابايت فقط. والأهم أن هذا التوسع لا يقلل من سرعة الوصول، حيث يظل عرض النطاق الترددي 200 جيجابت في الثانية ثابتًا.

لكن، مجرد زيادة الذاكرة غير كافٍ، فعندما يتطلب العمل مع الذاكرة أن تتعاون عشرات الخوادم وآلاف الـGPU، تصبح البنية التحتية للشبكة عائقًا جديدًا. هنا يأتي Spectrum-X، أول منصة إيثرنت مخصصة للذكاء الاصطناعي التوليدي من NVIDIA، والتي تعتمد على تقنية TSMC COOP، وتدمج تقنية السيليكون الضوئي، وتدعم سرعات نقل تصل إلى 512 قناة × 200 جيجابت في الثانية.

من الناحية الاقتصادية، فإن استثمار 5 مليارات دولار في مركز بيانات بقدرة كيلوواط، يمكن أن يرفع معدل النقل بنسبة 25%، مما يوفر حوالي 5 مليارات دولار، ووصف جيفري هوانج هذا النظام الشبكي بأنه “يكاد يكون مجانًا”.

بالإضافة إلى ذلك، استثمرت NVIDIA في أمن الحوسبة، حيث يتم تشفير جميع البيانات أثناء النقل والتخزين والمعالجة، بما في ذلك قنوات PCIe، وNVLink، واتصالات CPU-GPU، وغيرها من الحافلات. يمكن للشركات أن تثق في نشر نماذجها الخاصة على أنظمتها الخارجية دون خوف من تسرب البيانات.

موجة المصادر المفتوحة ودمقرطة الذكاء الاصطناعي، نماذج الجيل الجديد تعيد تشكيل بيئة الصناعة

واحدة من أبرز نقاط المؤتمر كانت تأكيد جيفري هوانج على حماسه تجاه مجتمع الذكاء الاصطناعي المفتوح. وأشار بشكل خاص إلى إصدار DeepSeek V1 العام الماضي، الذي أحدث ثورة عالمية، ووصفه بأنه “أول نموذج استدلال مفتوح المصدر”، مما أشعل شرارة الابتكار في الصناعة. على شرائح العرض، تصدرت نماذج Kimi وDeepSeek V3.2 التصنيفات العالمية للموديلات المفتوحة، في المركز الأول والثاني على التوالي.

اعترف هوانج أن النماذج المفتوحة الحالية قد تتأخر عن أفضل الحلول في السوق بنحو نصف سنة، لكن كل نصف سنة تظهر نماذج جديدة ومبتكرة. هذا المعدل السريع من التطور يجعل الشركات الناشئة، والشركات التقنية الكبرى، والمؤسسات البحثية، في حالة من الترقب المستمر، وNVIDIA تدرك تمامًا أنها لا يمكن أن تتخلف عن هذه المنافسة.

لذلك، لم تعد NVIDIA تقتصر على كونها مصنع شرائح فقط، بل بنت مجموعات حوسبة فائقة بقيمة مليارات الدولارات مثل DGX Cloud، وطورت نماذج متقدمة مثل La Proteina لتخليق البروتين، وOpenFold 3، ووسعت بشكل مستمر بيئة مفتوحة تشمل مجالات الطب، والذكاء الاصطناعي الفيزيائي، والكيانات الذكية، والروبوتات، والقيادة الذاتية.

كما أن عائلة نماذج Nemotron تمثل نقطة إضاءة، حيث تغطي مجالات الصوت، والوسائط المتعددة، والتوليد المعزز بالبحث، والأمان، وتحقق أداءً متميزًا في العديد من التصنيفات الرائدة، مع بدء العديد من الشركات في تطبيقها عمليًا.

التجسد الفيزيائي للذكاء الاصطناعي Alpamayo، ومرحلة الاستدلال في القيادة الذاتية

إذا كانت نماذج اللغة الكبيرة قد حلت مشكلة “العالم الرقمي”، فإن طموح جيفري هوانج هو السيطرة على “العالم الفيزيائي”. وهو يقترح بنية “ثلاثة مراكز حوسبة” لدفع تطور الذكاء الاصطناعي الفيزيائي: حاسوب التدريب (يعتمد على أنظمة GPU التقليدية)، وحاسوب الاستدلال (يُنشر على حافة الروبوتات أو السيارات ذاتية القيادة، ويعمل كـ"دماغ صغير")، والحاسوب المحاكاة (يوفر بيئة تدريب افتراضية عبر Omniverse وCosmos).

المنتج الذي يجسد هذا الهيكل الثلاثي هو Alpamayo—نظام القيادة الذاتية الأول من نوعه على مستوى العالم الذي يمتلك قدرات تفكير. يختلف عن أنظمة القيادة التقليدية المبنية على القواعد، فهو نظام تعلم عميق من النهاية للنهاية، ويهدف إلى حل مشكلة “الذيل الطويل” في القيادة الذاتية.

عندما تواجه السيارة ظروفًا مرورية غير متوقعة ومعقدة، لا تنفذ أوامر مبرمجة مسبقًا، بل تستخدم قدرات الاستنتاج واتخاذ القرار كما يفعل السائق البشري. والأكثر روعة، أن النظام “يخبرك بما يخطط للقيام به ولماذا اتخذ هذا القرار”. خلال العرض المباشر، أظهرت السيارة قدرات مذهلة، حيث استطاعت تحليل مشاهد مرورية معقدة وتفكيكها إلى قواعد أساسية للتعامل معها.

سيارة مرسيدس-بنز CLA أصبحت أول مركبة تجارية تعتمد على تقنية Alpamayo. وأعلن جيفري هوانج أن هذا الطراز، المزود بهذه التقنية، سيطرح في السوق الأمريكية في الربع الأول من هذا العام، ثم سيتوسع تدريجيًا إلى أوروبا وآسيا. وحصلت السيارة على أعلى تصنيف أمان من NCAP، بفضل “طبقة الأمان المزدوجة” التي صممتها NVIDIA—عندما يقل ثقة النموذج في تقييم الحالة المرورية، يتنقل النظام تلقائيًا إلى وضع أمان تقليدي أكثر استقرارًا، لضمان السلامة التامة.

منظومة الروبوتات ومستقبل الصناعة، من العالم الافتراضي إلى التصنيع الحقيقي

جانب آخر مهم في المؤتمر هو استراتيجية NVIDIA للروبوتات. حيث شارك العديد من الشركاء بروبوتاتهم، بما في ذلك روبوتات الإنسان الآلي وروبوتات Boston Dynamics ذات الأرجل الأربعة. وأكد جيفري هوانج أن جميع الروبوتات ستُجهز بوحدة Jetson الحاسوبية الصغيرة، وتُدرّب في بيئة محاكاة Isaac من خلال منصة Omniverse.

أما الرؤية الأوسع فهي دمج هذه البيئة التكنولوجية في أنظمة شركات البرمجيات الصناعية الكبرى مثل Synopsys وCadence وSiemens. وفي رأيه، فإن أكبر روبوت هو المصنع نفسه.

من الأسفل إلى الأعلى، تتطلع NVIDIA إلى أن يكون المستقبل عبر تسريع تصميم الشرائح، وتصميم الأنظمة، ومحاكاة المصانع بواسطة الذكاء الاصطناعي الفيزيائي. كما ظهرت مفاجأة من خلال عرض روبوتات ديزني، حيث قال جيفري هوانج بشكل فكاهي: “ستُصممون وتصنعون وتختبرون في الحاسوب، قبل أن تتعرضوا للجاذبية الحقيقية”.

لو اكتفينا بمشاهدة النصف الأخير من المؤتمر، لظننا أنه حدث لإطلاق منتجات شركة روبوتات أو نماذج.

من مورد شرائح إلى مُمكّن للذكاء الاصطناعي، التحول الاستراتيجي لجيفري هوانج

وفي ظل الجدل حول فقاعة الذكاء الاصطناعي، فإن العمق الاستراتيجي لعرض جيفري هوانج يستحق التأمل. فإلى جانب تباطؤ قانون مور الذي أضعف مسارات تحسين الأداء التقليدية، يهدف بشكل واضح إلى إثبات القيمة الحقيقية للذكاء الاصطناعي من خلال منصات مثل فيرا روبين—من مجرد زيادة القدرة الحاسوبية إلى تطبيقات عملية حقيقية.

وهذا التحول من بائع شرائح إلى مُمكّن للذكاء الاصطناعي لا يقتصر على الأجهزة فقط، بل يمتد ليشمل استثمار NVIDIA العميق في طبقات التطبيق والبيئة. سواء عبر دعم النماذج المفتوحة، أو بناء DGX Cloud، أو تطوير أنظمة القيادة الذاتية مثل Alpamayo، أو نماذج الذكاء الاصطناعي الفيزيائي، فإنها جميعًا تستخدم منتجات حقيقية وحالات تطبيقية لشرح كيف يمكن للذكاء الاصطناعي أن يغير العالم حقًا.

وأخيرًا، من التفاصيل المثيرة أن جيفري هوانج، بسبب ضيق الوقت في CES، أعدّ العديد من الشرائح غير المعروضة بعد، وصنع فيديو فكاهي جمع فيه المحتوى غير المقدم، ليبرز أسلوبه الشخصي—الذي يجمع بين الجدية في الابتكار والتفكير الواسع في مستقبل الصناعة.