تتغير قوة الحوسبة في الذكاء الاصطناعي: من "التدريب على المنافسة" إلى "الاستدلال بالمنافسة"

مؤخرًا، أشار اتجاه شركة إنفيديا إلى أن صناعة الذكاء الاصطناعي تشهد تحولًا هامًا. خلال العامين الماضيين، كان جوهر المنافسة في القدرة الحاسوبية هو "من يمكنه تدريب نماذج أكبر"، وكلما زادت وحدات GPU كان ذلك أفضل. لكن الآن، أصبحت قدرة النموذج في مرحلة كافية، وتحول التحدي الحقيقي إلى كفاءة الاستدلال — كم هو سريع الرد مرة واحدة، كم يكلف استدعاء واحد، وهل يمكن تشغيله بشكل مستقر على المدى الطويل.
بدأت إنفيديا في إدخال مفهوم LPU (وحدة معالجة اللغة) من شركة Groq، بعيدًا عن وحدات GPU التقليدية، بهدف تقليل التأخير واستهلاك الطاقة. هذا بحد ذاته يدل على أن GPU ليس الحل الأمثل لجميع سيناريوهات الذكاء الاصطناعي.
الأمر الأكثر لفتًا للنظر هو اختيار OpenAI. حيث أن شراءها بكميات كبيرة لـ "قدرات استدلال مخصصة" يعني أن ضغط التكاليف في المستقبل سيكون ناتجًا عن الاستدلال وليس التدريب. إن نجاح تطبيقات الذكاء الاصطناعي تجاريًا لا يعتمد على نماذج أكبر، بل على القدرة على استخدامها بشكل مكلف وفعال على المدى الطويل.
تتجه القدرة الحاسوبية من "منصة عامة موحدة" إلى "بنية تحتية مقسمة حسب السيناريو" في عصر جديد.
وجهة نظر المعلم:
العلامة الفاصلة في استثمار الذكاء الاصطناعي القادم لن تكون "من لديه أقوى قدرة حوسبة"، بل "من يقلل من تكلفة الاستدلال لكل وحدة". الكفاءة، أصبحت تحل محل الحجم، وتصبح المرجع الجديد للتسعير.
$BTC $ETH