شركة NVIDIA الأمريكية تطلق منصة CMX لمواجهة تحديات الذاكرة في استدلال الذكاء الاصطناعي

أخبار ar.wedoany.com، أشار جينسن هوانغ، المؤسس والرئيس التنفيذي لشركة NVIDIA، خلال مؤتمر GTC الذي عُقد في تايبيه في يونيو 2026، إلى أن التحدي الأكثر تعقيدًا في البنية التحتية للذكاء الاصطناعي يتمثل في أنظمة الذاكرة، والتي تشمل إدارة ذاكرة التخزين المؤقت للسياق (KV Cache) الخاصة بذاكرة العمل لوكلاء الذكاء الاصطناعي، بالإضافة إلى استرجاع البيانات المنظمة وغير المنظمة وإنشاء نموذج البيانات. وأوضح هوانغ أن نظام الذاكرة للذكاء الاصطناعي سيحدث تحولًا جذريًا في أنظمة التخزين.

ولمواجهة الطلب المتزايد على سعة تخزين ذاكرة التخزين المؤقت للسياق (KV Cache) في عصر استدلال الذكاء الاصطناعي، أطلقت NVIDIA منصة تخزين ذاكرة السياق (CMX Context Memory Storage Platform)، والتي تُدار بواسطة معالج BlueField-4 DPU. وتضيف هذه المنصة طبقة سياق على مستوى مجموعة الحواسيب (Pod) بين أقراص SSD المحلية والتخزين المشترك.

إن صعود وكلاء الذكاء الاصطناعي يعيد تشكيل بنية وحدات المعالجة المركزية (CPU). وأشار هوانغ إلى أن الوكلاء يعيشون في عالم يقاس بالنانو ثانية، حيث أن كل انتظار يعيق تقدمهم إلى الخطوة التالية، مما يجعل زمن الوصول فائق الانخفاض أولوية قصوى. ومع قيام كل من NVIDIA وArm بإطلاق حلول خوادم CPU مصممة خصيصًا للوكلاء، يتحول القطاع من بنية موجهة نحو الإنتاجية إلى بنية موجهة نحو زمن الوصول، مما يفتح سوقًا إضافية لذاكرة CPU.

تُظهر البيانات المنشورة من NVIDIA أنه منذ النصف الثاني من عام 2024، ارتفع متوسط عدد الرموز (Tokens) المُخرجة لكل سؤال بأكثر من 5 أضعاف سنويًا، ليصل إلى حوالي 30,000 إلى 40,000 رمز. ويشير هذا إلى أن القطاع قد دخل مرحلة "التفكير" في توسيع نطاق الاختبار (Test-Time Scaling) ضمن قوانين التوسع الثلاثة لشركة NVIDIA. يُترجم النمو الهائل في عدد الرموز المُخرجة لكل سؤال مباشرةً إلى طلب أكبر على موارد الذاكرة والحوسبة.

في عصر استدلال الذكاء الاصطناعي، تختلف متطلبات الأجهزة لرقائق الذكاء الاصطناعي والأنظمة الشاملة اختلافًا جوهريًا عن متطلبات تدريب الذكاء الاصطناعي. يفرض الاستدلال ثلاثة متطلبات رئيسية على الأجهزة: عدد أعلى من الاستعلامات في الثانية (QPS)، ونوافذ سياق أطول، بالإضافة إلى المزيد من خطوات الاستدلال وحلقات وكلاء الذكاء الاصطناعي. تدفع هذه العوامل مجتمعة نحو تغيير هيكلي في الطلب على الذاكرة، والذي يمكن تحليله من ثلاثة أبعاد: أوزان النماذج، وذاكرة التخزين المؤقت للسياق (KV Cache)، ووكلاء الذكاء الاصطناعي.