Ultralytics في AMD Dev Day Shanghai: التقاء الذكاء الاصطناعي المحلي بالأنظمة الوكيلة

حضرت Ultralytics فعالية AMD Dev Day في شنغهاي للاستماع إلى كيفية تشكيل AMD وشركائها للمرحلة التالية من البنية التحتية للذكاء الاصطناعي. وكانت الرسالة الأبرز في الفعالية واضحة: يتجاوز النقاش حول ذكاء AMD الاصطناعي النماذج المستقلة ويتجه نحو أنظمة ذكاء اصطناعي قابلة للنشر. ومن خلال المحاضرات وعروض المنتجات ونقاشات الشركاء، برزت موضوعات الذكاء الاصطناعي الوكيلي والنشر المحلي للذكاء الاصطناعي والأنظمة مفتوحة المصدر وأدوات المطورين اللازمة لجعل هذه الأنظمة عملية على نطاق واسع.

وكما قالت ليزا سو، رئيسة مجلس الإدارة والرئيسة التنفيذية لشركة AMD: «لم يسبق أن كان هذا الوقت أكثر إثارة للعمل في مجال التكنولوجيا مما هو عليه اليوم».

يكتسب هذا التحول أهمية للفرق التي تبني منتجات ذكاء اصطناعي حقيقية. فهو يشير إلى أن النجاح في المرحلة التالية من السوق قد يعتمد بدرجة أقل على الوصول إلى نموذج رائد واحد، وبدرجة أكبر على قدرة الفرق على تنسيق سير العمل والتحكم في تكاليف الاستدلال وحماية البيانات الحساسة واختيار بيئة النشر المناسبة للمهمة.

رسالة AMD: يحتاج الذكاء الاصطناعي إلى استراتيجية حوسبة متكاملة#

كان من أبرز الموضوعات طوال فعالية AMD Dev Day توجه AMD نحو ترسيخ مكانتها مزودًا شاملًا للحوسبة من البداية إلى النهاية في عصر الذكاء الاصطناعي. وقد صاغت الشركة نهجها على أساس دعم أحمال عمل الذكاء الاصطناعي عبر البيئات السحابية وأجهزة المستخدم والحوسبة الطرفية، مع التركيز على منظومة برمجية مفتوحة بدلًا من حزمة احتكارية مغلقة.

تكتسب هذه الرؤية أهميتها لأنها تعكس تطور مجال تطوير الذكاء الاصطناعي. فلم يعد بناء منتجات الذكاء الاصطناعي الحديثة يقتصر على تدريب نموذج أو استدعاء واجهة API لنموذج. تحتاج الفرق على نحو متزايد إلى دعم التجارب المحلية وسير العمل متعدد الوكلاء وتحسين الاستدلال والاختبارات على مستوى محطات العمل والنشر المؤسسي. وقد ربطت الرسائل التي طرحتها AMD في الفعالية باستمرار بين أجهزتها وهذه الصورة الأوسع للبرمجيات والأنظمة.

ولخصت ليزا سو هذا الطموح بوضوح خلال الفعالية: «نريد أن نجعل الذكاء الاصطناعي حاضرًا في كل مكان ضمن المنظومة».

الشكل 1. ليزا سو على المنصة خلال فعالية AMD Dev Day في شنغهاي.

كان الذكاء الاصطناعي الوكيلي الموضوع الأبرز في الفعالية#

إذا كانت هناك فكرة واحدة تكررت طوال اليوم، فهي الانتقال من التفاعلات التقليدية مع نماذج اللغة الكبيرة (LLM) إلى أنظمة الذكاء الاصطناعي الوكيلية. ووصف المتحدثون هذا التحول بأنه انتقال من المطالبات والاستجابات أحادية الجولة إلى تنسيق متعدد الوكلاء، حيث تخطط الوكلاء المختلفة لسير العمل وتنفذه وتراجعه وتتعاون فيه.

تكتسب هذه المسألة أهميتها لأن الأنظمة الوكيلية تفرض متطلبات جديدة على حزمة الذكاء الاصطناعي. ووفقًا لما طُرح في الفعالية، لا تحتاج هذه الأنظمة إلى أداء GPU فحسب، بل تحتاج أيضًا إلى قدر كبير من معالجة CPU وتنسيق تدفق البيانات وسعة الذاكرة لدعم دورات الاستدلال المتكررة والتنفيذ متعدد الخطوات.

بالنسبة إلى المطورين وفرق الذكاء الاصطناعي، تتمثل الخلاصة في أن الميزة التنافسية قد تأتي من بناء أنظمة ذكاء اصطناعي فعالة، لا من مجرد اختيار النموذج الأعلى قدرة. فأصبح ربط النماذج بسير العمل والأدوات والبيانات المحلية والعمليات التجارية جزءًا أساسيًا من المنتج نفسه.

يكتسب النشر المحلي للذكاء الاصطناعي أهمية استراتيجية متزايدة#

كان التركيز على النشر المحلي للذكاء الاصطناعي موضوعًا بارزًا آخر في فعالية AMD Dev Day. وقد أكدت AMD وشركاؤها مرارًا أن أحمال عمل الذكاء الاصطناعي المتقدمة تحتاج على نحو متزايد إلى العمل بالقرب من أماكن إنجاز المهام، بما في ذلك الحواسيب المحمولة ومحطات العمل والأجهزة المؤسسية.

تكررت الأسباب نفسها طوال الفعالية:

• زمن استجابة أقل
• خصوصية أفضل للبيانات
• تحكم أقوى في سير العمل الحساس
• اعتماد أقل على تكاليف واجهات API السحابية

استعانت AMD بمعالج Ryzen AI Max 395 مثالًا رئيسيًا لدعم هذه الحجة، وسلطت الضوء على تكوينات تصل سعتها إلى 128GB من الذاكرة الموحدة، وعلى القدرة على تشغيل نماذج كبيرة محليًا ضمن مجموعة ذاكرة واحدة دون تقسيمها. كما عرضت الفعالية تجهيزات تطوير على مستوى محطات العمل باستخدام Radeon AI Pro R9700 وAMD Threadripper Pro 9000 للاختبار والتوسع محليًا قبل النشر.

لم تكن الرسالة العامة أن السحابة ستختفي. بل عرضت الفعالية نموذجًا هجينًا تعمل فيه البيئات المحلية والسحابية معًا. إذ يمكن تنفيذ المهام الاعتيادية أو الحساسة لزمن الاستجابة أو الخصوصية محليًا، مع إمكانية نقل المهام الأكثر تطلبًا إلى السحابة عند الحاجة.

تؤثر تكلفة استدلال الذكاء الاصطناعي والطلب على الرموز في خيارات البنية التحتية#

سلطت فعالية AMD Dev Day الضوء أيضًا على الضغوط الاقتصادية الكامنة وراء قرارات البنية هذه. وأكد المتحدثون في الفعالية النمو السريع للطلب على الرموز وارتفاع تكاليف الاستدلال والضغوط التي يفرضها ذلك على المطورين والمؤسسات التي تبني منتجات الذكاء الاصطناعي.

في هذا السياق، طُرح الذكاء الاصطناعي المحلي بوصفه استراتيجية لضبط التكاليف بقدر ما هو خيار تقني. وتمثلت الرسالة المتكررة في الفعالية في أن المرحلة المقبلة من الذكاء الاصطناعي ستكافئ الفرق التي تستخدم الحوسبة بكفاءة أكبر، لا الفرق التي تستهلك أكبر قدر منها فحسب.

تمثل هذه إشارة عملية لمن يبنون حلول الذكاء الاصطناعي. فقرارات البنية التحتية أصبحت على نحو متزايد قرارات تتعلق بالمنتج. ولم تعد أمور مثل زمن الاستجابة والخصوصية والذاكرة وتكلفة الرموز تفاصيل هندسية ثانوية.

الشكل 2. عدة تقييم AMD Versal AI Edge Series Gen2 VEK385.

منظومة AMD ROCm والذكاء الاصطناعي مفتوح المصدر#

كان الدور المحوري للمنظومات البرمجية المفتوحة خلاصة رئيسية أخرى من فعالية AMD Dev Day. وسلطت AMD الضوء على ROCm، ودعم الأطر الرئيسية دون تغيير التعليمات البرمجية، ودعم أكثر من 3 ملايين نموذج عبر Hugging Face وModelScope، وأهداف توفير الدعم منذ اليوم الأول لإصدارات النماذج الجديدة.

وقد عبّر نيك ني، المدير الأول لإدارة منتجات الذكاء الاصطناعي في AMD، عن هذا التركيز جيدًا بقوله: «بالنسبة إلى معظمكم في هذه القاعة، فالبرمجيات هي محور القصة فعلًا».

وسلطت الفعالية الضوء أيضًا على عدد من المبادرات الموجهة للمطورين:

• AMD AI Developer Cloud مع إمكانية وصول المطورين في الصين إلى GPU مجانًا
• تكامل ModelScope Studio مع خيارات بيئة تشغيل AMD GPU
• أدلة AMD AI Playbooks الإرشادية خطوة بخطوة
• برنامج للمطورين أضاف أكثر من 100,000 مطور خلال الأشهر الأخيرة

بدا هذا الجانب من الفعالية مهمًا على نحو خاص لأنه أكد حقيقة أساسية: لا تكفي إمكانات الأجهزة وحدها لدفع التبني. يحتاج المطورون إلى أدوات ناضجة وأطر عمل مألوفة ووثائق ووسائل سلسة للتجربة. فقصة المنظومة هي ما يحوّل ادعاءات الأداء إلى منصات قابلة للاستخدام.

لماذا برزت الصين في فعالية AMD Dev Day#

كان دور الصين في سوق الذكاء الاصطناعي موضوعًا متكررًا آخر. ووصف عدة متحدثين الصين بأنها بيئة رائدة للابتكار في الذكاء الاصطناعي مفتوح المصدر، لا سيما في المجالات التي تركز على الكفاءة والنشر المحلي والقيود الهندسية العملية.

واستُخدمت الشراكات مع Zero One AI وStepfun لتعزيز هذه الفكرة. وذكرت ملاحظات الفعالية نظامًا مؤسسيًا مشتركًا متكاملًا متعدد الوكلاء مع Zero One AI، مبنيًا على معمارية Ryzen AI Max للنشر المحلي، إلى جانب نموذج من Stepfun محسّن لأجهزة AMD ومصمم للمهام الوكيلية.

وكانت الدلالة الأوسع أن الصين ليست سوقًا رئيسية للذكاء الاصطناعي فحسب، بل أيضًا ميدان اختبار مهمًا للنشر المحلي للذكاء الاصطناعي والنماذج مفتوحة المصدر وتصميم البنية التحتية المراعي للتكاليف.

ما الذي استخلصته Ultralytics من AMD Dev Day في شنغهاي#

من وجهة نظر فريق Ultralytics، كانت الإشارة الأكثر فائدة من فعالية AMD Dev Day هي التركيز على أنظمة الذكاء الاصطناعي القابلة للنشر، لا على قدرات الذكاء الاصطناعي المجردة. وركزت الفعالية باستمرار على كيفية تشغيل المطورين والمؤسسات للذكاء الاصطناعي ودمجه وتأمينه وتوسيع نطاقه فعليًا في بيئات الإنتاج.

ويتضمن ذلك أسئلة مثل:

• ما الذي ينبغي تشغيله محليًا وما الذي ينبغي تشغيله في السحابة؟
• كيف ينبغي للفرق مراعاة زمن الاستجابة والخصوصية؟
• كيف يمكن للمطورين تقليل اعتمادهم على واجهات API باهظة التكلفة للاستدلال؟
• ما الأدوات وطبقات البرمجيات التي تجعل اعتماد منصات الذكاء الاصطناعي أسهل؟

هذه أسئلة عملية، وهي تحدد على نحو متزايد طريقة بناء منتجات الذكاء الاصطناعي الناجحة. وهناك أيضًا أسئلة نضعها في الحسبان مباشرةً عند تطوير نماذج Ultralytics YOLO وإطلاقها. لطالما كانت مرونة النشر، أي تشغيل النموذج على حاسوب محمول أو محطة عمل أو مثيل سحابي، قيدًا أساسيًا في التصميم لدينا، لا أمرًا ثانويًا.

عزز التوجه نحو المنظومات مفتوحة المصدر وكفاءة الاستدلال في فعالية AMD Dev Day قناعةً نؤمن بها بالفعل: أدوات الذكاء الاصطناعي الأكثر فائدة هي تلك التي تلائم سير العمل الفعلي وتعمل على أجهزة حقيقية، دون أن تضطر الفرق إلى إعادة بناء بنيتها التحتية حول مورّد أو منصة واحدة.

الشكل 3. فريق Ultralytics في فعالية AMD Dev Day في شنغهاي.

أفكار ختامية#

أوضحت فعالية AMD Dev Day في شنغهاي أمرًا واحدًا: إن النقاش حول البنية التحتية للذكاء الاصطناعي ينضج. ويتحول التركيز من مجرد زيادة حجم النماذج إلى الأنظمة الأوسع اللازمة لجعل الذكاء الاصطناعي مفيدًا في العالم الحقيقي. وكانت أبرز الموضوعات طوال الفعالية سير العمل الوكيلي والنشر المحلي للذكاء الاصطناعي والأدوات مفتوحة المصدر وكفاءة البنية التحتية.

يجدر بالفرق التي تبني منتجات الذكاء الاصطناعي الانتباه إلى هذا التحول. فقد تأتي الموجة التالية من التقدم من اختيار المعمارية المناسبة ونموذج النشر الملائم ومنظومة المطورين الصحيحة، لا من اختيار النموذج الأكبر فحسب.

إذا كنت تبني أنظمة للرؤية الحاسوبية وتفكر في مكان تشغيل الاستدلال، سواء على الجهاز أو داخل المؤسسة أو في السحابة، فقد صُممت نماذج Ultralytics YOLO مع مراعاة هذه المرونة. استكشف مستودع GitHub للبدء، وتعرّف على كيفية توظيف الرؤية الحاسوبية في عمليات النشر الواقعية في التصنيع والخدمات اللوجستية، أو اطّلع على خيارات الترخيص لدينا لبدء البناء.