الاختناق الحقيقي للبنية التحتية للذكاء الاصطناعي: تسليم البيانات بدلاً من قوة حوسبة GPU

خلفية الصناعة

ينتقل الذكاء الاصطناعي المؤسسي من مرحلة التجريب إلى مرحلة التشغيل. خلال الأشهر الـ18 الماضية، تسابقت الشركات لشراء وحدات معالجة الرسوميات (GPU) ونشر نماذج اللغة الكبيرة (LLM) وبناء أدوات الذكاء الاصطناعي. لكن وفقًا لتقرير IDC Spotlight لعام 2025، تتحول المؤسسات من نشر الذكاء الاصطناعي لمرة واحدة إلى بنى إنتاجية قابلة للتكرار والتوسع. ومع دمج الذكاء الاصطناعي في صميم الأعمال، أصبحت الأداء والأمان والموثوقية والاتساق التشغيلي بنفس أهمية ابتكار النماذج.

ومع ذلك، فإن الأداء الفعلي للعديد من مشاريع الذكاء الاصطناعي ليس مثاليًا. غالبًا ما يلقي صناع القرار التقنيون باللوم على نقص الطاقة الحاسوبية، فيضيفون وحدات معالجة رسوميات إضافية، أو يوسعون المجموعات، أو يستبدلون بنماذج أقوى. لكن فرق البنية التحتية تكتشف أن المشكلة غالبًا ما تكمن في طبقة البيانات: وحدات معالجة الرسوميات باهظة الثمن لا تفتقر إلى الطاقة الحاسوبية، بل إلى البيانات.

تأثير السوق

تكاليف تعطل وحدات معالجة الرسوميات مرتفعة للغاية. وفقًا للتحليل السنوي للتوقف لعام 2025 من Uptime Institute، تجاوزت تكلفة آخر توقف كبير لأكثر من نصف الشركات 100 ألف دولار، وخمس الشركات تجاوزت مليون دولار. عندما تنسد خطوط أنابيب البيانات، ينخفض استخدام وحدات معالجة الرسوميات بشكل حاد، مما يلتهم بشكل مباشر عائد الاستثمار في الذكاء الاصطناعي.

يشبه نيراف شاه، نائب الرئيس الأول للتسويق في F5 البنية التحتية الحديثة للذكاء الاصطناعي بجبل جليدي: فوق السطح توجد نماذج اللغة الكبيرة المرئية، وتطبيقات الذكاء الاصطناعي، وأطر التنسيق، ومجموعات وحدات معالجة الرسوميات (حوالي 10%)؛ أما تحت السطح فتوجد أنظمة التخزين والشبكات وإدارة الحركة والتحكم الأمني ونقل البيانات التي تحدد ما إذا كان الاستثمار سيحقق قيمة فعلية (90%). تركز الشركات بشكل مفرط على قمة جبل الجليد بينما تتجاهل عنق الزجاجة الحقيقي.

المشهد التنافسي

يعيد هذا التحول المعرفي تشكيل سوق البنية التحتية للذكاء الاصطناعي. لا يزال موردو وحدات معالجة الرسوميات التقليديون (مثل NVIDIA) المستفيدين الأساسيين، لكن مزودي حلول توصيل البيانات - مثل F5 وNetApp وPure Storage - يحصلون على فرص نمو جديدة. تتطور وحدات التحكم في توصيل التطبيقات (ADC) إلى منصات توصيل وأمن التطبيقات (ADSP)، التي تدمج هندسة الحركة والتحكم الأمني والمرئية في وحدة واحدة.

في المقابل، تواجه البنى التي تعتمد فقط على الوصول المباشر للتخزين تحديات. التصاميم شديدة الاقتران تظهر ضعفًا في الأداء على نطاق الذكاء الاصطناعي: ذروة زمن الاستجابة واختناقات الإنتاجية وارتفاع حركة المرور لا تؤثر كثيرًا على التطبيقات التقليدية، لكنها تضاعف مشاكل أداء الذكاء الاصطناعي.

دروس للمؤسسات

• يجب على المؤسسات إعادة النظر في الجزء "تحت خط الماء" من بنيتها التحتية. أولاً، الانتقال من البنى شديدة الاقتران إلى البنى فضفاضة الاقتران: إدراج طبقة تحكم ذكية (مثل ADC) بين التخزين والحوسبة، للتعامل مع إنهاء TLS وإدارة الشهادات وتحسين الحركة وتنفيذ السياسات، مما يحرر موارد وحدة المعالجة المركزية لنظام التخزين ليركز على خدمات البيانات.ثانيًا، بناء المرونة من ثلاثة أبعاد:
• التوفر: ضمان وصول أعباء عمل الذكاء الاصطناعي دائمًا إلى موارد التخزين السليمة، مع التبديل التلقائي عند حدوث الأعطال.
• السياسات: منع الظواهر الشاذة في حركة المرور مثل "تأثير القطيع" و"عواصف إعادة المحاولة"، من خلال طبقة تحكم ذكية لتشكيل حركة المرور والحفاظ على الوضع الأمني.
• التسليم: عزل تغييرات الصيانة بين العملاء وعُقد التخزين، مع الحفاظ على استمرارية تدفق البيانات.

مثال: قامت إحدى المؤسسات المالية العالمية الكبرى بنشر أجهزة ADC مادية مخصصة، مما أدى إلى تحسين أداء عمليات إنشاء الكائنات وقراءتها وحذفها بأكثر من 5 أضعاف، وتحسين زمن الحذف بمقدار عشرة أضعاف، دون أي تراجع في الأداء.

نظرة مستقبلية

خلال الـ12-24 شهرًا القادمة، سيتحول الاستثمار في البنية التحتية للذكاء الاصطناعي من توسيع مجموعات وحدات معالجة الرسوميات إلى تحسين خطوط أنابيب البيانات. ستركز الشركات أكثر على عائد الاستثمار في "طبقة تسليم البيانات"، مما يدفع ADC إلى التطور نحو ADSP. وخلال 24-36 شهرًا، ستعتمد معظم الشركات الكبيرة البنى المفككة، وسيصبح تسليم البيانات عامل تنافسي رئيسي في عمليات الذكاء الاصطناعي. يجب على المستثمرين الاهتمام بمزودي البنية التحتية الذين يقدمون تسليم البيانات والحماية الأمنية وإدارة حركة المرور الذكية، بدلاً من التركيز فقط على مزودي قوة الحوسبة.