كشفت مايكروسوفت عن خطتها لنشر شريحة الذكاء الاصطناعي التي صممتها بنفسها، «Azure Maia»، على نطاق عدة غيغاواط بدءًا من 2027. وتعتزم جعلها ركيزة أساسية للاستدلال في منتجاتها، وفق ما أعلنه المسؤول التنفيذي سكوت غاثري. وتُشغّل Maia 200 بالفعل خدمة Microsoft Copilot في الولايات المتحدة وأوروبا وأستراليا، ومن المقرر توسيع استخدامها لتشمل GitHub Copilot وFoundry خلال العام الجاري.
اختيار السيطرة على البنية التحتية التي تشغّل الذكاء الاصطناعي
غالبًا ما ينصب الاهتمام في نقاشات الذكاء الاصطناعي على السؤال عن النموذج الأكثر ذكاءً. لكن كلما زاد عدد المستخدمين، ارتفعت أيضًا القدرة الحاسوبية اللازمة لإنتاج كل إجابة. أما كيفية تنفيذ هذه العملية، المعروفة باسم «الاستدلال»، وعلى أي أجهزة وباستهلاك أي قدر من الطاقة، فهي ما تتناوله هذه الخطوة الجديدة من مايكروسوفت، إذ تركز على البنية التحتية الأساسية.
تقول مايكروسوفت إنها ستنشر Maia على نطاق عدة غيغاواط بدءًا من 2027، وستجعلها نظام الاستدلال الأساسي لمنتجاتها. ونُقل عن الرئيس التنفيذي ساتيا ناديلا وصفه الخطوة بأنها «أكبر رهان لنا على السيليكون الذي نصممه بأنفسنا حتى الآن». ويعكس ذلك توجّه الشركة إلى عدم الاكتفاء بالاعتماد على الشرائح التي تشتريها من جهات خارجية، بل دمج تصميم الشرائح وتشغيلها في استراتيجيتها السحابية.
ومن الجوانب اللافتة تنوع النماذج التي ستتعامل معها Maia. فإلى جانب نماذج OpenAI، ستشغّل نماذج MAI الخاصة بمايكروسوفت، فضلًا عن نماذج مفتوحة المصدر. وهذا يوحي بأن الهدف ليس تصميم جهاز مخصص لنموذج بعينه، بل إنشاء بنية استدلال عامة تستوعب طيفًا واسعًا من تطبيقات الذكاء الاصطناعي المستخدمة على Azure.
الوضع الحالي: Maia 200 تشغّل Copilot بالفعل
لا تقتصر المسألة على خطط مستقبلية. إذ تشغّل Maia 200 بالفعل Microsoft Copilot في الولايات المتحدة وأوروبا وأستراليا. ومن المتوقع أيضًا أن يبدأ دعم GitHub Copilot وFoundry خلال العام الجاري.
تقول مايكروسوفت إن الشريحة تستطيع، عند استخدامها في Teams، معالجة عدد من الرموز لكل واط يزيد بما يصل إلى 1.7 مرة على ما تحققه وحدات معالجة الرسومات الرئيسية. والرمز هو وحدة صغيرة تشبه الحد الأدنى الذي يتعامل به الذكاء الاصطناعي مع النص. وإذا زاد حجم المعالجة لكل وحدة من الطاقة، أمكن خدمة عدد أكبر من المستخدمين بالمعدات نفسها، ما يؤثر مباشرة في تكاليف التشغيل. لكن هذا الرقم يستند إلى ما ذكرته مايكروسوفت، ولم تتضح التفاصيل المتعلقة بجهة المقارنة وظروف القياس ضمن المعلومات المنشورة.
Maia 300 تستهدف المدخلات الطويلة ووكلاء الذكاء الاصطناعي
من المقرر شحن Maia 300، الجيل التالي، في 2027. وتشمل الاستخدامات المتوقعة معالجة المدخلات الطويلة، والتفاعل السريع، والمهام القائمة على الوكلاء. والوكيل هو ذكاء اصطناعي ينفذ عدة خطوات بصورة مستقلة استجابةً لتوجيهات المستخدم. ولأن تنفيذ طلب واحد قد يستدعي النموذج مرات عديدة، فمن المرجح أن تتطلب هذه المهام قدرة حاسوبية أكبر من المحادثات التقليدية.
كشفت الشركة أيضًا عن مواصفات الشريحة. فهي تضم 8 مجموعات من ذاكرة HBM4، بسعة إجمالية تبلغ 288GB وعرض نطاق ترددي يبلغ 18TB في الثانية، واستهلاك طاقة اسميًا قدره 950 واط. وHBM هي ذاكرة عالية السرعة تُستخدم في تطبيقات الذكاء الاصطناعي، وتزداد أهمية سعتها وسرعتها عند التعامل مع النماذج الكبيرة أو السياقات الطويلة.
تقول مايكروسوفت إن Maia 300 توفر عددًا من الرموز المعالجة لكل ميغاواط يزيد بنسبة 40% مقارنة بأنظمة وحدات معالجة الرسومات السابقة. كما تقول إن الرف الذي يضم 96 شريحة يمكنه توليد عدد من الرموز يصل إلى 7 أضعاف ما يولده رف Maia 200. وقد جُمعت التفاصيل في تقرير تقني، ومن المقرر الكشف عن معلومات إضافية خلال مؤتمر Ignite 2026 في نوفمبر.
لماذا أصبحت كمية المعالجة لكل وحدة طاقة محورًا للمنافسة؟
من أبرز ما في الإعلان أن مقياس الأداء لا يقتصر على «السرعة»، بل يشمل أيضًا «كمية المعالجة الممكنة لكل وحدة من الطاقة». ولعل الحديث عن حجم الخطة بوحدة الغيغاواط، وهي وحدة لقياس الطاقة، يجسد ذلك بوضوح. ومع توسع مراكز البيانات، بات تأمين الطاقة قيدًا متزايدًا، يفوق في أهميته عدد الشرائح.
إذا اختلفت كفاءة استهلاك الطاقة بعشرات النقاط المئوية، اختلفت أيضًا كمية خدمات الذكاء الاصطناعي التي يمكن تشغيلها ضمن الإمداد الكهربائي نفسه. ويتيح تصميم الشرائح داخليًا ضبطها بدقة لتناسب خدمات الشركة، ما يسهل تحقيق تحسينات أكبر في الكفاءة. وقد يكون هذا من الأسباب التي تدفع مايكروسوفت إلى تعزيز اعتمادها على حلولها الخاصة.
في المقابل، لا تكشف المعلومات المنشورة ما إذا كان تعبير «عدة غيغاواط» يشير إلى استهلاك الشرائح نفسها للطاقة أم إلى سعة المنشآت بأكملها. ومن المرجح أن تتضح جوانب مثل حجم النشر الفعلي والظروف التي قِيست فيها مؤشرات الأداء المختلفة في مؤتمر Ignite 2026 أو في التقرير التقني. فالعوامل المؤثرة في قيمة الذكاء الاصطناعي لن تقتصر على ذكاء النماذج، بل ستشمل أيضًا الطاقة وقدرات تصميم أشباه الموصلات التي تسندها. وتعكس مسيرة Maia هذا التوجه.
コメント