رقاقات إنفيديا تتفوّق في سباق تدريب أكبر نماذج الذكاء الاصطناعي
أرقام قياسية جديدة وتحوّل في صناعة الرقائق
مع تسارع سباق الذكاء الاصطناعي وتحول صناعة التقنية نحو نماذج لغوية عملاقة بحجم تريليونات المعاملات، تؤكد أحدث البيانات أن Nvidia (NVDA) تواصل تعزيز هيمنتها في مجال تدريب أنظمة الذكاء الاصطناعي المتقدمة. نتائج الاختبارات القياسية الصادرة هذا الأسبوع أظهرت أن رقاقات Nvidia Blackwell حققت طفرة غير مسبوقة في سرعة وكفاءة التدريب، في وقت تسعى فيه منافسات مثل AMD والشركات الصينية لتضييق الفجوة التكنولوجية دون جدوى واضحة حتى الآن.
بيانات رسمية: Blackwell تضع معيارًا جديدًا للأداء
كشفت منظمة MLCommons غير الربحية – المرجع الرئيسي لاختبارات كفاءة أنظمة الذكاء الاصطناعي عالميًا – عن نتائج جديدة لمقارنة أداء رقاقات Nvidia وAMD وغيرهما في تدريب النماذج العملاقة.
ورغم أن اهتمام الأسواق بدأ يتجه إلى سوق الاستنتاج (AI inference)، يبقى "تدريب" النماذج العملاقة هو التحدي الأصعب والأكثر ربحية لصنّاع الرقائق.
تفاصيل الاختبار:
تم قياس أداء الرقائق في تدريب نموذج Llama 3.1 405B من Meta Platforms، أحد أكبر النماذج مفتوحة المصدر وأكثرها تعقيدًا حتى الآن، ويُعد معيارًا عالميًا لاختبار قدرات الرقائق في التعامل مع أصعب سيناريوهات الذكاء الاصطناعي.
نتائج Nvidia: طفرة في الأداء مع Blackwell
أكدت بيانات MLCommons أن Nvidia وشركاءها كانوا الوحيدين القادرين فعليًا على تدريب هذا النموذج العملاق في فترة زمنية عملية.
تفوق Blackwell: الرقاقة الجديدة حققت أداء يزيد عن ضعف سرعة الجيل السابق (Hopper) عند احتساب الأداء لكل شريحة.
زمن قياسي: تمكن 2,496 معالج Blackwell من إنهاء تدريب النموذج في 27 دقيقة فقط – أسرع نتيجة مسجلة حتى الآن.
مقارنة: الجيل السابق (Hopper) احتاج أكثر من ثلاثة أضعاف عدد الرقائق لتحقيق زمن منافس لنفس المهمة.
هذا التطور النوعي يُخفض بشكل جذري من تكلفة وزمن تدريب النماذج العملاقة، ويمنح Nvidia ميزة استراتيجية أمام جميع المنافسين في السوق.
تحوّل في الصناعة: الأنظمة المُركبة تتفوّق على التجمعات العملاقة
خلال مؤتمر صحفي، أوضح “تشيتان كابور” المدير التنفيذي في CoreWeave – أحد شركاء Nvidia في هذه الاختبارات – أن الصناعة بدأت تتخلى عن فكرة تجميع عشرات آلاف الرقائق ضمن نظام متجانس واحد.
المنهجية الجديدة: تُبنى اليوم أنظمة فرعية أصغر وأكثر تخصصًا لكل مهمة تدريب، ما يسرّع أوقات التنفيذ ويقلّل الكلفة الكلية.
يقول كابور: “هذه المنهجية تتيح للشركات مواصلة تسريع وتقليل زمن تدريب النماذج العملاقة متعددة التريليونات من المعاملات، مع مرونة أكبر في إدارة الموارد”.
الخلاصة
تؤكد نتائج MLCommons الأخيرة أن Nvidia لا تكتفي بتصدر سباق رقاقات الذكاء الاصطناعي، بل تضع معايير جديدة لكفاءة وسرعة تدريب النماذج العملاقة. ومع تطور منهجيات الصناعة نحو أنظمة مركبة وذكية، تتعزز مكانة Nvidia كمحرك أساسي في البنية التحتية للثورة التقنية المقبلة. في المقابل، يجد المنافسون أنفسهم أمام تحدٍ مضاعف: الابتكار بوتيرة متسارعة… أو فقدان حصة السوق لصالح Nvidia بوتيرة أكبر.
تابع نشرة "مركب" لتحصل على تحليلات متعمقة — مباشرة إلى بريدك الإلكتروني!