دخل سباق العتاد الخاص بالذكاء الاصطناعي مرحلة جديدة تتجاوز المعالجات التقليدية ووحدات الرسومات العامة، مع تصاعد الاهتمام بالشرائح العصبية التي تحاكي طريقة عمل الدماغ. وفي أحدث هذه التطورات، كشفت دراسة صينية عن شريحة مستوحاة من البنية العصبية قادرة على تنفيذ مهام متخصصة بسرعة كبيرة مقارنة بمعالج Nvidia A100 في اختبارات محددة.
هذا النوع من الشرائح لا يستهدف بالضرورة منافسة المعالجات الشائعة في كل الاستخدامات، بل يركز على فئة ضيقة من الأحمال الحاسوبية التي تتطلب معالجة عصبية ومحاكاة علمية عالية الكفاءة. ومن هنا تبرز أهمية النتائج الأخيرة، لأنها تشير إلى أن مستقبل الحوسبة قد يتجه أكثر نحو التخصص بدل الاعتماد على حل واحد شامل لكل المهام.
الحوسبة المستوحاة من الدماغ
تعتمد الشريحة الجديدة على نهج الحوسبة العصبية، وهو مسار هندسي يحاول الاقتراب من الطريقة التي يعالج بها الدماغ المعلومات، لا سيما من حيث الربط بين التخزين والتنفيذ. ويختلف هذا التصور عن البنية التقليدية في المعالجات، حيث تنتقل البيانات بين الذاكرة ووحدة المعالجة ذهاباً وإياباً، وهو ما يرفع الكلفة الزمنية واستهلاك الطاقة.
ولتحقيق ذلك، استخدم الباحثون تقنية الحوسبة داخل الذاكرة، بحيث تُنفذ بعض العمليات الحسابية داخل المصفوفة نفسها التي تحتفظ بالبيانات. هذه المقاربة تقلل زمن النقل الداخلي، وتساعد على خفض استهلاك الطاقة، وهي نقطة محورية في أي محاولة لبناء عتاد أكثر كفاءة لتطبيقات الذكاء الاصطناعي.
نتائج قوية في مهمة متخصصة
بحسب الدراسة، تمكنت الشريحة من إعادة بناء نماذج معقدة تحاكي سطح الدماغ في وقت قصير للغاية، إذ جرى تنفيذ المهمة في أقل من نصف ثانية. كما أظهرت الاختبارات أن الأداء كان أسرع بما يتراوح بين 50 و478 مرة مقارنة بمعالج Nvidia A100 في هذا النوع من التطبيقات المتخصصة.
لكن هذه الأرقام تحتاج إلى قراءة دقيقة. فهي لا تعني أن الشريحة الصينية تتفوق على وحدات Nvidia في جميع سيناريوهات الذكاء الاصطناعي، بل في مهمة محددة للغاية مرتبطة بالمحاكاة العصبية والنماذج العلمية. وهذا التفصيل أساسي، لأن المقارنة بين أنواع العتاد لا تكون عادلة إلا عندما تتطابق طبيعة العمل ومجال الاختبار.
ومع ذلك، فإن النتيجة تكتسب أهميتها من كونها تظهر ما يمكن أن تحققه الشرائح المصممة لغرض بعينه عندما يجري بناؤها وفق متطلبات هذا الغرض تحديداً، بدلاً من محاولة تغطية جميع الاستخدامات بكفاءة متوسطة.
أهمية محتملة للطب وعلوم الأعصاب
يرى الفريق البحثي أن لهذه الشريحة تطبيقات واعدة في عدة مجالات، أبرزها علوم الأعصاب، وأبحاث الدماغ، وتشخيص الاضطرابات العصبية. كما يمكن أن تفيد في تطوير واجهات الدماغ والحاسوب، وفي دعم الأدوات التي تساعد الجراحين على محاكاة العمليات العصبية بصورة أكثر دقة قبل التدخل الفعلي.
وتفتح هذه القدرة الباب أمام استخدامات أوسع في دراسة أمراض معقدة مثل ألزهايمر، عبر بناء نماذج تحاكي النشاط العصبي في الزمن الحقيقي. وفي مثل هذه الحالات، يمثل العامل الحاسوبي عائقاً رئيسياً، لأن تشغيل النماذج التي تحاكي الدماغ يتطلب عادة موارد ضخمة وزمناً طويلاً، وهو ما تسعى الشرائح العصبية إلى تقليصه.
إذا أثبتت هذه المنظومة قدرتها على العمل بكفاءة خارج بيئة المختبر، فقد تصبح أداة مهمة في منظومة البحث الطبي والعلوم العصبية، خصوصاً في المراحل التي تتطلب تجارب كثيرة ومتكررة على بيانات معقدة.
سباق يتجاوز وحدات الرسومات
تُظهر هذه النتائج أن المنافسة في عالم الذكاء الاصطناعي لم تعد مقتصرة على تحسين وحدات معالجة الرسومات، بل امتدت إلى بناء شرائح متخصصة لكل مهمة تقريباً. ومع أن Nvidia ما تزال تهيمن على تدريب وتشغيل النماذج اللغوية الكبيرة، فإن الشركات والمختبرات البحثية حول العالم تبحث عن بدائل أكثر كفاءة في الطاقة وأقل اعتماداً على البنية التقليدية.
التحول نحو الشرائح المتخصصة ينسجم مع احتياجات السوق الجديدة، خاصة مع توسع تشغيل الذكاء الاصطناعي على الأجهزة الطرفية والروبوتات والأنظمة الطبية والعتاد المدمج داخل المنتجات الصناعية. وفي هذه البيئات، لا يكون معيار النجاح هو القدرة الخام فقط، بل التوازن بين السرعة واستهلاك الطاقة والحجم والتكلفة.
لذلك، فإن ما تحقق في هذه الدراسة لا ينبغي النظر إليه بوصفه مجرد سباق على الأرقام، بل كإشارة إلى أن هندسة معالجات الذكاء الاصطناعي تتفرع اليوم إلى مسارات متعددة، لكل مسار أولوياته واستخداماته وحدوده التقنية.
الصين تعزز استثماراتها في الشرائح المحلية
يأتي هذا الإعلان في وقت تكثف فيه الصين استثماراتها في تطوير تقنيات الحوسبة المحلية، في ظل القيود المفروضة على وصول الشركات الصينية إلى أحدث رقائق الذكاء الاصطناعي الأمريكية. ودفعت هذه الظروف المؤسسات الصينية إلى البحث عن حلول بديلة في مجالات المعالجات التناظرية، والحوسبة الضوئية، والحوسبة العصبية.
ويبدو أن الهدف لم يعد مجرد تقليص الفجوة مع اللاعبين العالميين، بل بناء منظومة متكاملة تستطيع دعم مشاريع الذكاء الاصطناعي داخل البلاد دون اعتماد كبير على الموردين الخارجيين. وفي هذا السياق، تمثل الشرائح العصبية أحد المسارات الأكثر جاذبية لأنها تستهدف تحسين الأداء في مهام دقيقة مع تقليل الضغط على موارد الطاقة.
هذا التحول لا يقتصر على جانب علمي بحت، بل يرتبط أيضاً بحسابات استراتيجية أوسع تتعلق بسلاسل الإمداد، ومرونة التصنيع، والاستقلال التقني في مجال بالغ الحساسية مثل أشباه الموصلات.
هل ينافس Nvidia فعلاً؟
الإجابة المختصرة هي: ليس بالمعنى الكامل. فالمعطيات المتاحة تشير إلى أن الشريحة الصينية أظهرت تفوقاً واضحاً في نوع محدد من الاختبارات، لكن ذلك لا يضعها في نفس فئة معالجات Nvidia المستخدمة على نطاق واسع في مراكز البيانات وتدريب النماذج الضخمة.
السبب أن معالجات الرسومات العامة تتمتع بمرونة كبيرة ونظام برمجي واسع ونضج تجاري يتيح تشغيل طيف هائل من التطبيقات. أما الشرائح العصبية المتخصصة، فغالباً ما تكون قوية جداً في مهمة واحدة أو مجموعة محدودة من المهام، لكنها أقل شمولاً من حيث الاستخدام العام.
مع ذلك، فإن ظهور هذه النتائج يوجه رسالة مهمة إلى السوق: مستقبل الذكاء الاصطناعي قد لا تحدده شريحة واحدة مهيمنة، بل مزيج من العتاد المتخصص، حيث يُستخدم كل معالج في المجال الذي يحقق فيه أفضل عائد ممكن من حيث السرعة والطاقة والدقة.
وبهذا المعنى، فإن التطور الصيني الأخير لا يهدد مكانة Nvidia بقدر ما يوسّع حدود المنافسة في صناعة أصبحت فيها الكفاءة المتخصصة عنصراً لا يقل أهمية عن القوة الحسابية المطلقة.