شركة "ينتيان ليفي" الصينية تعلن عن خارطة طريق لرقائق الذكاء الاصطناعي المخصصة للاستدلال، وتسعى لبناء مصنع استدلال بقدرة عشرة آلاف بطاقة

أخبار ar.wedoany.com، في 18 يوليو، كشفت شركة "شنتشن ينتيان ليفي للتكنولوجيا المحدودة" (رمز السهم: 688343.SH) خلال المؤتمر العالمي للذكاء الاصطناعي 2026 (WAIC 2026) عن خارطة طريقها لتطوير رقائق الذكاء الاصطناعي المخصصة للاستدلال على مدى أكثر من عامين قادمين. وأعلنت الشركة دفعة واحدة عن ثلاث رقائق متخصصة وحلول التعاون على مستوى المجموعات، مؤكدة بوضوح أنها ستنتقل بالاستدلال في مجال الذكاء الاصطناعي من "منافسة الرقاقة الواحدة" إلى "منافسة مصنع الاستدلال".

مع انتقال النماذج الكبيرة من مرحلة التدريب إلى النشر الواسع النطاق للاستدلال، تواجه بنية الرقائق العامة التقليدية التي تجمع بين التدريب والاستدلال اختناقات في الكفاءة والتكلفة. ينقسم استدلال النماذج الكبيرة بشكل أساسي إلى مرحلتين: مرحلة Prefill التي تعالج سياق الإدخال، ومرحلة Decode التي تولد الرموز (Tokens) بشكل تسلسلي وتتطلب عرض نطاق ترددي عالٍ للحوسبة والذاكرة، ولكل منهما متطلبات مختلفة تمامًا من الموارد الحاسوبية.

بناءً على هذه الرؤية، تتبنى حلول شركة "ينتيان ليفي" نهج "فك الارتباط" لسلسلة الاستدلال. حيث صُممت رقاقة DeepVerse100P لسيناريوهات مرحلة Prefill ذات السياقات التي تصل إلى ملايين الرموز، بهدف حل مشكلة التنافس على الموارد بين مرحلتي Prefill وDecode في البنى المختلطة التقليدية. أما رقاقة DeepVerse100D فهي مخصصة لمرحلة Decode، وتتميز بعرض نطاق ترددي للذاكرة يفوق عدة أضعاف الرقائق السائدة، مما يدعم بنية توسع (Scale-up) لـ 1024 بطاقة وأنظمة الربط البصري، بهدف تقليل ازدحام الاتصالات متعددة العقد وزمن الوصول الطرفي. ورقاقة DeepVerse100L موجهة لمرحلة FFN (الشبكة العصبية الأمامية) كثيفة الحوسبة في مرحلة Decode، وتعتمد بنية ذاكرة ثلاثية الأبعاد (3D Memory) لزيادة عرض النطاق الترددي للذاكرة بشكل كبير، مما يحسن كفاءة التوازي بين الحوسبة والاتصالات.

بالتزامن مع إطلاق الأجهزة، طرحت شركة "ينتيان ليفي" رؤية نظامية أكثر استشرافًا للمستقبل. تخطط الشركة لدفع هذه الرقائق الثلاث نحو النشر المنفصل والتشغيل المتعاون في مجموعات غير متجانسة بقدرة عشرة آلاف بطاقة - أي تخصيص الرقائق وموارد الحوسبة المناسبة لكل من مراحل Prefill وDecode وDecode FFN وفقًا لخصائص أعباء العمل المختلفة، لتشكيل نظام حوسبة غير متجانس يعمل بشكل متعاون عبر الربط عالي السرعة. صرح تشن نينغ، رئيس مجلس الإدارة والرئيس التنفيذي لشركة "ينتيان ليفي"، أنه بعد أن يصبح الذكاء الاصطناعي تطبيقًا واسع النطاق، يجب أن يركز قياس قيمة القدرة الحاسوبية بشكل أكبر على عدد الرموز (Tokens) التي يمكن للنظام إنتاجها بشكل مستقر وفعال. يهدف هذا الحل إلى توسيع نطاق تحسين الرقائق من أداء الرقاقة الواحدة إلى تحسين الكفاءة على مستوى المجموعات، بهدف خفض تكلفة إنتاج الرمز الواحد، والاقتراب من الرؤية طويلة المدى المتمثلة في "واحد فين (عملة صينية) لكل عشرة مليارات رمز".

إن زيادة درجة عدم التجانس في الأجهزة وحجم المجموعات يفرضان متطلبات أعلى على مجموعة البرمجيات (Software Stack). تواصل شركة "ينتيان ليفي" بناء مجموعة البرمجيات IFWA، التي تغطي تطوير نماذج الذكاء الاصطناعي والبرمجة ومستوى النظام، وتعزز التكيف والتحسين مع عوامل تشغيل PyTorch ATen وأطر الاستدلال الرئيسية مثل vLLM وSGLang. بالإضافة إلى ذلك، قامت الشركة في مايو من هذا العام، بالتعاون مع عدة جهات في مجالات الرقائق والبرمجيات والنماذج والتطبيقات، بإطلاق "مشروع 1001"، الذي يهدف إلى إعادة تغذية احتياجات التطبيقات إلى مراحل تصميم الرقائق والأنظمة في وقت مبكر، لتسريع التحقق التقني والتطبيق العملي.