كشفت مايكروسوفت عن خطط لنشر شريحتها المصممة داخليًا للذكاء الاصطناعي «Azure Maia» على نطاق عدة غيغاواط بدءًا من 2027. وتعتزم جعلها ركيزة أساسية لأنظمة الاستدلال في منتجاتها، بحسب ما أعلن المسؤول التنفيذي سكوت غاثري. وتعمل Maia 200 بالفعل على تشغيل Microsoft Copilot في الولايات المتحدة وأوروبا وأستراليا، ومن المقرر توسيع استخدامها لتشمل GitHub Copilot وFoundry قبل نهاية العام.
خيار إحكام السيطرة على البنية التحتية لتشغيل الذكاء الاصطناعي
غالبًا ما ينصب الاهتمام في أحاديث الذكاء الاصطناعي على النموذج الأكثر ذكاءً. لكن كلما زاد عدد المستخدمين، ازدادت أيضًا القدرة الحاسوبية اللازمة لإنتاج كل إجابة. فمن يوفّر الأجهزة التي تنفذ هذه العملية، المعروفة باسم «الاستدلال»، وما طبيعة هذه الأجهزة، وكم تستهلك من الطاقة؟ يتناول الإعلان الأخير هذه البنية التحتية الأساسية.
تقول مايكروسوفت إنها ستنشر Maia على نطاق عدة غيغاواط بدءًا من 2027، وستجعلها نظام الاستدلال الرئيسي لمنتجاتها. ونُقل عن الرئيس التنفيذي ساتيا ناديلا وصفه لهذه الخطوة بأنها «أكبر رهان حتى الآن على السيليكون الخاص بالشركة». ويعكس ذلك نهجًا لا يكتفي بالاعتماد على الرقائق المشتراة من جهات خارجية، بل يدمج تصميمها وتشغيلها في استراتيجية مايكروسوفت السحابية.
ومن الجوانب اللافتة تنوع النماذج التي ستتعامل معها Maia. فإلى جانب نماذج OpenAI، ستشغّل نماذج سلسلة MAI الخاصة بمايكروسوفت، وكذلك النماذج مفتوحة المصدر، بحسب الشركة. وهذا يوحي بأنها لا تستهدف أن تكون شريحة مخصصة لنموذج بعينه، بل بنية استدلال عامة تستوعب مختلف أنواع الذكاء الاصطناعي المستخدمة على Azure.
الوضع الحالي: Maia 200، وCopilot يعمل عليها بالفعل
لا تسبق الخططُ التنفيذَ فحسب؛ إذ تشغّل Maia 200 بالفعل Microsoft Copilot في الولايات المتحدة وأوروبا وأستراليا. ومن المقرر أيضًا توسيع الدعم ليشمل GitHub Copilot وFoundry قبل نهاية العام.
تقول مايكروسوفت إن الشريحة تستطيع في Teams معالجة عدد من الرموز لكل واط يصل إلى 1.7 مرة ما تحققه وحدات معالجة الرسوميات الرئيسية. والرمز هو وحدة صغيرة تشبه الحد الأدنى الذي يتعامل معه الذكاء الاصطناعي عند معالجة النصوص. وإذا ارتفع حجم المعالجة لكل وحدة طاقة، أمكن تشغيل عدد أكبر من المستخدمين على المعدات نفسها، ما يؤثر مباشرة في تكاليف التشغيل. لكن هذا الرقم يستند إلى ما ذكرته مايكروسوفت، ولم يتسنَّ التحقق من تفاصيل المقارنة أو ظروف القياس ضمن المعلومات المنشورة.
Maia 300 تستهدف المدخلات الطويلة ووكلاء الذكاء الاصطناعي
من المقرر شحن الجيل التالي، Maia 300، في 2027. وتشمل الاستخدامات المستهدفة معالجة المدخلات الطويلة، وإجراء محادثات سريعة، وتنفيذ المهام القائمة على الوكلاء. والوكيل هو ذكاء اصطناعي يتلقى تعليمات المستخدم وينفذ تلقائيًا سلسلة من الخطوات. ولأن إنجاز طلب واحد قد يتطلب استدعاء النموذج مرارًا، تميل هذه الاستخدامات إلى استهلاك قدرة حاسوبية أكبر من المحادثات التقليدية.
كشفت الشركة أيضًا عن مواصفات الشريحة. فهي تضم 8 مكدسات من ذاكرة HBM4، بسعة إجمالية تبلغ 288GB، وعرض نطاق ترددي يصل إلى 18TB في الثانية، واستهلاك طاقة اسميًا يبلغ 950 واطًا. وHBM نوع من الذاكرة عالية السرعة المستخدمة في الذكاء الاصطناعي؛ وتزداد أهمية سعتها وسرعتها كلما كبر النموذج أو طال السياق الذي يعالجه.
وتزعم مايكروسوفت أن الشريحة تعالج رموزًا أكثر بنسبة 40% لكل ميغاواط مقارنةً بأنظمة GPU السابقة. كما تقول إن الرف الذي يضم 96 شريحة يستطيع توليد رموز أكثر بحد أقصى يبلغ 7 أضعاف ما يولده رف Maia 200. وقد جُمعت التفاصيل في تقرير تقني، ومن المقرر الكشف عن معلومات إضافية خلال مؤتمر Ignite 2026، الذي يُعقد في نوفمبر.
لماذا أصبح حجم المعالجة لكل وحدة طاقة محورًا للتنافس؟
من أبرز ما يلفت الانتباه في الإعلان أن معيار الأداء لا يقتصر على «السرعة»، بل يشمل أيضًا «حجم المعالجة لكل وحدة طاقة». ولعل التعبير عن حجم الخطة بوحدة الغيغاواط، وهي وحدة لقياس الطاقة، يجسد هذا التوجه. فمع توسع مراكز البيانات، أصبح تأمين الطاقة قيدًا متزايد الأهمية، يفوق عدد الشرائح.
إذا اختلفت كفاءة الطاقة بعشرات النقاط المئوية، اختلف معها حجم خدمات الذكاء الاصطناعي التي يمكن تشغيلها ضمن الحصة نفسها من الطاقة. ويتيح تصميم الشرائح داخليًا ضبطها بدقة لتناسب خدمات الشركة، ما يسهل توسيع نطاق تحسين الكفاءة. ويبدو أن هذا أحد أسباب تعزيز مايكروسوفت نهجها القائم على تطوير الشرائح بنفسها.
في المقابل، لا توضح المعلومات المنشورة ما إذا كان تعبير «عدة غيغاواط» يشير إلى استهلاك الشرائح نفسها للطاقة أم إلى سعة المنشآت بأكملها. ومن المرجح أن تتضح تفاصيل حجم النشر الفعلي والظروف التي قيسَت فيها أرقام الأداء المختلفة في مؤتمر Ignite 2026 أو التقرير التقني. وتُظهر تحركات Maia مسارًا آخذًا في التبلور: لم تعد قيمة الذكاء الاصطناعي تتحدد بذكاء النماذج وحده، بل أيضًا بالطاقة وقدرات تصميم أشباه الموصلات اللازمة لدعمها.
コメント