الشركة الألمانية الناشئة في مجال رقاقات الذكاء الاصطناعي "تنسورداين" تطلق نظام "نابير"

أخبار ar.wedoany.com، أطلقت شركة الرقاقات الذكية الألمانية الناشئة "تنسورداين" (Tensordyne) نظامًا جديدًا يحمل اسم "تنسورداين نابير" (Tensordyne Napier)، يعتمد على الرياضيات اللوغاريتمية كبديل عن المضاعفات التقليدية، مما يخفض استهلاك الطاقة أثناء تشغيل مهام الاستدلال بالذكاء الاصطناعي إلى حوالي 300 واط، مقارنةً بـ 1000 واط لرقاقات "نفيديا" المماثلة.

يقع المقر الرئيسي للشركة في كل من ميونيخ وسانيفيل، وقد تأسست عام 2017 ويعمل بها حوالي 115 موظفًا. وقد أكملت الشركة مرحلة التصنيع الأولي للرقاقات، حيث تُصنع الرقاقات بتقنية 3 نانومتر من شركة "تي إس إم سي" (TSMC)، وتتعاون مع شركات "إتش بي إي جونيبر نتوركس" (HPE Juniper Networks) و"برودكوم" (Broadcom) و"تي إس إم سي". يبلغ عدد الرقاقات الأولى حوالي 1000 رقاقة، وتُصنع لوحات الدوائر في تايوان، بينما يتم التجميع النهائي للنظام في منشآت شركة "فليكس" (Flex) في ماليزيا.

يعتمد الابتكار الأساسي "تي دي إن ماث" (TDN Math) على قواعد العمليات اللوغاريتمية: حيث إن لوغاريتم حاصل ضرب A في B يساوي لوغاريتم A مضافًا إليه لوغاريتم B، مما يتيح استخدام الجمع بدلاً من الضرب دون الحاجة إلى مضاعفات تقليدية. يؤدي ذلك إلى تقليل المساحة المخصصة للحسابات البحتة واستهلاك الطاقة، مما يتيح مساحة أكبر للمكونات الأخرى مثل الذاكرة ووصلات البيانات. يبلغ الحد الأقصى لحجم الرقاقة الحالية حوالي 800 مليمتر مربع. بالإضافة إلى التقنية الرياضية، يشتمل النظام على معالج ذكاء اصطناعي مطور داخليًا باسم "تي دي إن إيه آي بي" (TDN AIP) (يضم ذاكرة SRAM مدمجة وذاكرة عالية النطاق الترددي)، بالإضافة إلى تقنية الربط بين الرقاقات "تي دي إن لينك" (TDN Link) التي يقل زمن الوصول فيها عن 1 ميكروثانية.

فيما يتعلق بالبرمجيات، تدعم "تنسورداين" إطاري العمل "بايتورش" (PyTorch) و"تريتون" (Triton)، وتعمل حاليًا على بناء مركز نماذج على منصة "هاغينغ فيس" (Hugging Face). يمكن لنماذج الخبراء المختلطة الكبيرة مثل "ديب سيك" (DeepSeek) أو "كيو وين" (Qwen) أو "كيمي" (Kimi)، التي كانت تُشغّل سابقًا على 64 رقاقة من "نفيديا"، أن تعمل مباشرةً بنفس التكوين. يكمن الاختلاف في التوصيلات المادية: فأنظمة "نفيديا" الكبيرة تستخدم عددًا كبيرًا من الكابلات، بينما تحقق "تنسورداين" الاتصال بين الرقاقات عبر تقنية الهياكل الحاسوبية من "إتش بي إي جونيبر" دون أي كابلات، معتمدةً على الإشارات الكهربائية لنقل البيانات.

حتى الآن، جمعت الشركة أكثر من 200 مليون دولار أمريكي من التمويل، بمساهمة من "سيليستا كابيتال" (Celesta Capital) وصندوق تابع للرئيس التنفيذي لشركة إنتل "تشن لي وو" (Chen Liwu). وتخطط الشركة لجولة تمويل من الفئة D في الربع الرابع من عام 2026. وتدّعي "تنسورداين" أنها حصلت على طلبيات مسبقة من عدة مزودي خدمات "السحابة الجديدة" (Neo Cloud)، كما وقعت اتفاقية تطوير مشترك مع إحدى شركات الحوسبة فائقة السعة (لم يُكشف عن اسمها). يتراوح حجم العقد الواحد بين 10 و20 مليون دولار أمريكي، ومن المتوقع أن تصل قيمة الطلبيات المسبقة إلى 100 مليون دولار أمريكي بحلول نهاية العام.

صرّح المؤسس المشارك "جيلز باكهوس" (Gilles Backhus) بأن استهلاك الطاقة في الاستدلال بالذكاء الاصطناعي سيشهد نموًا كبيرًا بفضل عوامل مثل توليد الفيديو، حيث قد يستهلك بث فيديو واحد بتقنية 4K في الوقت الفعلي حوالي 100 كيلوواط. فعلى سبيل المثال، وباستخدام أجهزة "نفيديا" الحالية، تتجاوز تكلفة توليد محتوى فيديو مدته ساعة واحدة بالذكاء الاصطناعي 1000 دولار أمريكي، بينما يمكن لنظام "تنسورداين" خفض التكلفة إلى ما بين 60 و100 دولار أمريكي تقريبًا للساعة، مع التسليم في الوقت الفعلي وبدون فقدان في الدقة. بالإضافة إلى ذلك، يمكن تقليص زمن الاستجابة للاستعلامات المعقدة إلى 30 ثانية من خلال المعالجة المتوازية باستخدام 72 رقاقة، حيث ينتج نموذج الخبراء المختلط الكبير ما يصل إلى 1000 رمز (Token) في الثانية لكل مستخدم. يمكن الاستعلام عن تكلفة كل مليون رمز عبر حاسبة "Tokenomics Calculator" على الموقع الرسمي. وأشار "باكهوس" إلى أن جودة المترجم (Compiler) تلعب دورًا حاسمًا أيضًا، حيث يمكن للفرق بين مترجم جيد ومترجم ممتاز أن يرفع معدل استغلال الرقاقة من 30% إلى 90%.

وأكد "باكهوس" أن الابتكار الحقيقي يكمن في البنية والرياضيات وليس في اختيار المواد. فقد كانت الرقاقات من الجيل الأول بتقنية 7 نانومتر مزودة بالفعل بالرياضيات اللوغاريتمية، وعملت دون أعطال لمدة تقارب عامين ونصف في اختبارات التحمل المستمرة. ويتمثل أكبر عائق حاليًا في الذاكرة عالية النطاق الترددي (HBM)، والتي تنتجها بشكل أساسي شركات "سامسونغ" و"مايكرون" و"إس كيه هاينكس".

تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com