في محتوى برعاية HPE وNVIDIA، تقدم الشركتان مفهوم «AI factory»، وهي بنية تحتية متكاملة مصممة لتحويل البيانات إلى ذكاء بشكل متكرر وفعال. تطرحان ثلاث صيغ، تتراوح من الحل الجاهز إلى البنية السيادية، وتؤكدان على أن الاختيار يجب أن ينطلق من حالات الاستخدام بدلاً من العتاد.
بنية تحتية مصممة انطلاقاً من حالات الاستخدام
تجمع AI factory دورة حياة الذكاء الاصطناعي بأكملها: استيعاب البيانات، وتطوير النماذج، وتدريبها، وتخصيصها (fine-tuning)، والاستدلال، أي تنفيذها، بالإضافة إلى المراقبة والتحسين المستمر. يوضح النص أن هذا التكامل يجب أن يخدم الطبيب والمهندس والخدمة العامة وكذلك الشركة. اختيار معالج مسرع لا يكفي: يجب أن يتوافق الحساب مع النموذج الاقتصادي، ويجب أن يغذي الشبكة وتدفقات البيانات المسرعات، ويجب أن يواكب التخزين حجم البيانات، ويجب التفكير في الأمان والحوكمة ومشاركة البنية التحتية بين عدة مستخدمين مسبقاً. أخيراً، يجب أن تواكب الطاقة الكهربائية والتبريد كثافة النظام، اليوم وغداً. يقول تيري بينار، زميل HPE، نائب الرئيس والمدير التقني (CTO) لمبيعات الحوسبة الفائقة والذكاء الاصطناعي في HPE: «بدون البنية والحوكمة والخبرة التشغيلية المناسبة، لا تستطيع المؤسسات استغلال بياناتها بأمان، أو دمج الذكاء الاصطناعي في العمليات الأساسية، أو تحويل الابتكار إلى ميزة تنافسية مستدامة.»
ثلاث صيغ وفقاً للاحتياجات
يجمع محفظة HPE AI Factory with NVIDIA مسرعات وشبكة وبرمجيات الذكاء الاصطناعي من NVIDIA مع البنية التحتية والبرمجيات والخدمات من HPE. العرض الأول، HPE Private Cloud AI، هو حل جاهز، مثبت في الموقع، مخصص للتخصيص الدقيق (fine-tuning) وRAG (التوليد المعزز بالبحث، الذي يربط النموذج بمستندات) والاستدلال، مع حاجة قد تصل إلى 256 GPU. الثاني، HPE AI Factory at-scale، موجه لمنشئي النماذج ومقدمي الخدمات والشركات الكبيرة، بموارد تتراوح من بضع مئات إلى عشرات الآلاف من وحدات معالجة الرسومات، مع تحكم مركزي وتشغيل متعدد المستأجرين، حيث يشارك عدة مستخدمين نفس البنية التحتية. الثالث، HPE Sovereign AI Factory، يعيد استخدام هذه البنية مع إضافة تحكم تشغيلي أكثر تطوراً، وأمان وإقامة البيانات، بالإضافة إلى تكوينات «معزولة هوائياً» (air-gapped)، منفصلة عن أي شبكة خارجية.
تشغيل المجموعة كنظام واحد
مع تطور الذكاء الاصطناعي داخل المؤسسة، يكون لدى الفرق احتياجات مختلفة من المواقع ومستويات الخدمة ونطاقات البيانات. وفقاً للنص، فإن النشر الإنتاجي المصطنع، المنفذ من مكونات منفصلة، يتطلب مهارات لم تمتلكها العديد من إدارات تكنولوجيا المعلومات من قبل على هذا النطاق. قد يعمل النظام المصمم بشكل سيء تقنياً مع كونه غير فعال من حيث التكلفة: وحدات معالجة رسومات غير مستغلة بالكامل، اختناقات في تدفقات البيانات، قيود على الطاقة أو التبريد، أو أنظمة إدارة يصعب تشغيلها. يوضح تيري بينار: «تقدم محفظة HPE AI Factory with NVIDIA للشركات مجموعة من حلول الذكاء الاصطناعي المطورة بالتعاون مع NVIDIA، مدعومة بخبرة الهندسة والقدرات التقنية لـ HPE، لتصميم مصنع ذكاء اصطناعي يناسب احتياجاتهم وتحسينه للأداء على نطاق واسع.»
السياسة والمرافقة
يمكن أن يلعب السحابة والبيئات الخاصة والنهج الهجينة جميعها دوراً في استراتيجية الذكاء الاصطناعي. بالنسبة للمؤسسات الخاضعة لمتطلبات السيادة، يعتمد الاختيار بشكل أساسي على مستوى التحكم المطلوب: مكان تخزين البيانات والنماذج، هوية المسؤولين، الاختصاص القضائي المطبق، قواعد الحوكمة ودرجة عزل أحمال العمل. يقول كوشيك شيرهاتي، نائب الرئيس، AI Factory في NVIDIA: «تمنح أدوات الذكاء الاصطناعي السيادية من HPE وNVIDIA الشركة، بل حتى الدولة، تحكماً كاملاً في كيفية بناء أنظمة الذكاء الاصطناعي الخاصة بها ونشرها وتشغيلها وإدارتها.» يستشهد النص بنشرين حديثين: TELUS Sovereign AI Factory في كندا، ومصنع ذكاء اصطناعي سيادي في جامعة يوتاه في الولايات المتحدة. ترافق HPE AI Services العملاء من التخطيط إلى التشغيل، بينما تقدم HPE Financial Services، من بين أمور أخرى، إهلاكاً متسارعاً. يحيل الشريكان إلى صفحة HPE AI Factory للمزيد من المعلومات.
