يدخل الذكاء الاصطناعي مرحلة جديدة من التطور حيث أصبحت قوة الحوسبة هي المحرك الأساسي. توفر البيانات والخوارزميات المواد الخام والقواعد، ولكن الرقائق هي المحركات التي تحول هذه الإمكانات إلى واقع ملموس. ولا يحدد أداء الرقاقات مدى قدرة الذكاء الاصطناعي على الوصول إلى أي مدى يمكن أن يصل إليه الذكاء الاصطناعي فحسب، بل يحدد أيضاً ما إذا كانت تطبيقاته قادرة حقاً على إعادة تشكيل الصناعات والحياة اليومية.

لنأخذ GPT-4 كمثال: استهلكت عملية التدريب حوالي 3,640 ميجاوات ساعة من الكهرباء - أي ما يعادل الاستهلاك السنوي لـ 300 منزل - واعتمدت على عشرات الآلاف من الرقائق عالية الأداء التي تعمل بالتوازي. يؤكد هذا الطلب الهائل على الطاقة على الرابطة التي لا تنفصل بين الذكاء الاصطناعي والرقائق. ومع ازدياد تعقيد خوارزميات الذكاء الاصطناعي، يتم تحسين بنيات الرقاقات لتتناسب مع ميزات مثل عمليات المصفوفة والحوسبة المتوازية، مما يشكل خارطة طريق تقنية تشمل التدريب والاستدلال.

في التدريب، تظل وحدات معالجة الرسومات العمود الفقري للتعلم العميق. تتيح وحدة معالجة الرسومات A100/H100 من NVIDIA، مع الآلاف من نوى CUDA، تدريب النماذج على نطاق واسع. وتحقق وحدة معالجة الرسومات TPU من Google، المُحسّنة لعمليات الموتر ما يصل إلى 100 بيتا فلوب في الثانية في جيلها الرابع، مما يدعم خدمات الذكاء الاصطناعي العالمية على Google Cloud. وفي الوقت نفسه، تُظهِر رقائق Cambricon ASIC الصينية مستويات كفاءة أعلى بعشر مرات من وحدات معالجة الرسومات في خوارزميات محددة، مما يمثل طفرة جديدة في السيليكون المخصص للذكاء الاصطناعي.

من ناحية أخرى، يركز الاستدلال على الكمون المنخفض ونشر الحافة. وتوفر منصات FPGA مثل Xilinx Versal استجابة على مستوى أجزاء من الثانية في القيادة الذاتية. تدمج بنية A17 Pro من Apple و Kirin Da Vinci من Huawei وحدات المعالجة العصبية مباشرة في الأجهزة المحمولة، مما يتيح تحقيق اختراقات في تطبيقات التصوير في الوقت الحقيقي وتطبيقات الواقع المعزز. تجلب هذه الابتكارات الذكاء الاصطناعي إلى الحياة اليومية بدلاً من إبقائه محصوراً في مراكز البيانات.

في مختلف الصناعات، تعيد الرقائق تحديد المشهد. في الحوسبة السحابية، توفر مثيلات P4d من AWS المزودة بـ 8 وحدات معالجة رسومات A100 بنية تحتية لتدريب النماذج على نطاق المؤسسات، بينما توفر شريحة Hanguang 800 من Alibaba أربعة أضعاف كفاءة وحدات معالجة الرسومات التقليدية في الاستدلال البصري. في القيادة الذاتية، تقدم NVIDIA Orin من NVIDIA Orin 254 وحدة معالجة رسومات لدعم الإدراك واتخاذ القرار على مستوى L4، بينما توازن Journey 6 من Horizon Robotics بين كفاءة الطاقة والموثوقية. في مجال التصوير الطبي، حققت الرقائق المدعومة بالذكاء الاصطناعي المدمجة في معدات التشخيص دقة في اكتشاف الأورام تبلغ 97% مع حماية خصوصية المريض من خلال التشفير على مستوى الأجهزة. في الإلكترونيات الاستهلاكية، يوفر Snapdragon 8 Gen3 ترجمة في الوقت الفعلي وتفاعلاً صوتياً ذكياً مع تقليل استهلاك الطاقة بمقدار 30% مقارنةً بسابقه.

وفي الوقت نفسه، تدفع الاختراقات حدود حوسبة الذكاء الاصطناعي إلى الأمام. تسمح البنى غير المتجانسة الآن لوحدات المعالجة المركزية ووحدات معالجة الرسومات ووحدات معالجة الرسومات ووحدات المعالجة ثلاثية الأبعاد ووحدات معالجة البيانات الرقمية ووحدات معالجة البيانات الرقمية بالتعاون عبر وصلات بينية عالية السرعة. تعمل تقنيات المعالجة في الذاكرة (PIM) على معالجة مشكلة “جدار الذاكرة” التي طال أمدها، مما يقلل من استهلاك الطاقة الاستدلالية بما يصل إلى 901 تيرابايت في 3 تيرابايت. وعلى الرغم من أن الرقائق الكمية، على الرغم من أنها لا تزال تجريبية، إلا أنها تُظهر إمكانات ثورية في مهام التحسين والمحاكاة، مما يشير إلى نقلة نوعية في الحوسبة في المستقبل.

ومع ذلك تستمر التحديات. فتكلفة الطاقة للأداء آخذة في الارتفاع - حيث تستهلك وحدة معالجة الرسومات H100 من شركة VVIDIA ما يصل إلى 400 واط - مما يجبر مراكز البيانات على اعتماد تقنيات تبريد متقدمة مثل الغمر السائل. وقد حققت الرقائق المحلية في الصين، مثل رقاقات Ascend 910B من هواوي و Kunlun 2 من بايدو، اختراقات “صفر إلى واحد”، ولكنها لا تزال تواجه عقبات في توافق النظام البيئي والنشر على نطاق واسع. قد يكمن المستقبل في التآزر بين السحابة والحافة: تتولى الخوادم السحابية التدريب على نطاق واسع، بينما تقوم الأجهزة المتطورة بإجراء استدلال خفيف الوزن - وتجسد مجموعة التدريب المدمجة القائمة على رقاقة D1 من تسلا هذا التحول.

من وحدات معالجة الرسومات التي أشعلت شرارة ثورة حوسبة الذكاء الاصطناعي إلى وحدات المعالجة المركزية المتخصصة ووحدات المعالجة العصبية التي تشكل معايير جديدة في الصناعة، تطورت العلاقة بين الرقائق والذكاء الاصطناعي إلى ما هو أبعد من “الأدوات والتطبيقات” إلى نظام بيئي تكافلي. عندما تتمكن وحدة معالجة الشبكة بحجم ظفر الإصبع من تصنيف ملايين الصور في الوقت الحقيقي، وعندما تتمكن مجموعة حواسيب فائقة من محاكاة تطور المجرات، فإن الرقائق ليست مجرد هيكل عظمي للذكاء الاصطناعي - بل إنها توسع حدود الإدراك البشري نفسه. إن المسألة النهائية في سباق الحوسبة هذا لا تتعلق فقط بالطاقة الخام، بل تتعلق بتمكين الذكاء الاصطناعي من التطور من “عملاق متعطش للحوسبة” إلى “ذكاء واعٍ بالطاقة”. والرقائق هي المفتاح لفتح هذا الحل المستقبلي.