ما هي السحابة الجديدة؟

ما هو مزودو السحابة الجديدة؟ 

يشير مصطلح السحابة الجديدة إلى مزودي البنية التحتية السحابية المتخصصة المخصصة لأعباء عمل الذكاء الاصطناعي. من خلال الاستفادة من مسرعات الحوسبة للأجهزة عالية الأداء - وخاصة وحدات معالجة الرسومات - يدعم هؤلاء المزودون احتياجات تطبيقات الذكاء الاصطناعي المتنوعة والمتطلبة لأي مؤسسة، بما في ذلك المؤسسات، وبناة النماذج، ومزودي الحوسبة الفائقة.  

تستوعب أنظمة السحابة الجديدة الأساسية دورة حياة الذكاء الاصطناعي بأكملها، بدءًا من التدريب واسع النطاق والضبط الدقيق وحتى الاستدلال، مما يوفر نماذج استهلاك مرنة مثل الوصول عند الطلب والمثيلات المحجوزة والنظام الأساسي كخدمة. 

مع تسارع اعتماد الذكاء الاصطناعي، يعالج مزودو السحابة الجديدة الحاجة إلى مرونة السحابة العامة بالإضافة إلى خصائص أداء البنية التحتية المخصصة للذكاء الاصطناعي. 

نماذج البنية التحتية لسحابة الذكاء الاصطناعي: السحابة مقابل مزود الحوسبة الفائقة مقابل السحابة الجديدة 

مع انتقال الذكاء الاصطناعي من مرحلة التجريب إلى مرحلة الإنتاج، تطورت السحابة إلى ثلاثة نماذج متميزة. على الرغم من أنها غالبًا ما تتعايش في استراتيجية الحوسبة السحابية المتعددة، إلا أنها تخدم احتياجات تقنية وتجارية مختلفة تمامًا 

السحابة التقليدية 

استنادًا إلى البُنى التقنية للأغراض العامة والمرتكزة على وحدة المعالجة المركزية (CPU)، فإن هؤلاء المزودين التقليديين للسحابة، سواء كانوا مُدارين أو إقليميين، يمنحون الأولوية للتجريد والتعدد الإيجاري. على الرغم من مرونتها العالية، إلا أن تكاليف المحاكاة الافتراضية يمكن أن تؤدي إلى "ضريبة برنامج مراقب الأجهزة الظاهرية" واختناقات في الشبكات تعيق مهام تدريب الذكاء الاصطناعي الضخمة. 

مزودو الحوسبة الفائقة  

يشير مزودو الحوسبة الفائقة إلى مزودي السحابة العالميين (مثل AWS وAzure وGCP) الذين يقدمون خدمات متكاملة وعلى نطاق عالمي. لتلبية الطلب على الذكاء الاصطناعي، يقدمون الآن نماذج استهلاك متخصصة: 

• المثيلات المحجوزة: التزامات محددة المدة لحزم الذكاء الاصطناعي المخصصة، مما يوفر تكاليف أقل لأعباء العمل في الحالة المستقرة مثل الاستدلال المستمر. 
• الذكاء الاصطناعي دون خادم (PaaS): الأنظمة الأساسية المُدارة التي تجرد البنية التحتية تمامًا، مما يسمح للمطورين بالدفع عن طريق رمز مميز أو طلب. 
• المفاضلة: على الرغم من أنها ملائمة، إلا أن جذورها ذات الغرض العام قد لا تتطابق دائمًا مع الأداء الأولي والحتمي لموصلات الذكاء الاصطناعي البينية المصممة لهذا الغرض. 

السحب الجديدة

تم تصميم السحب الجديدة من الألف إلى الياء من أجل وحدة معالجة الرسومات (GPU) كخدمة. فهي تمنح الأولوية للأداء الأولي وإمكانية رؤية الأجهزة على كتالوجات الخدمة الواسعة. 

• بنية تقنية تضع الذكاء الاصطناعي أولاً: استخدام مجموعات وحدات معالجة الرسومات الكثيفة والبنى عالية الأداء مثل RDMA وRoCE للتعامل مع حركة المرور الضخمة "من الشرق إلى الغرب". 
• حافة الأداء: من خلال توفير الوصول على الجهاز مباشرة وشبكات 400G/800G، فإنها توفر النطاق الترددي العالي للغاية وزمن الاستجابة المتوقع اللازم لأسرع دورات تدريب النموذج الممكنة. 

أثناء تنقّل المؤسسات في هذه الخيارات، تظل الأولوية متسقة: ضمان أن تظل البنية التحتية للذكاء الاصطناعي عالية الأداء وآمنة وسهلة الإدارة بغض النظر عن مكان وجود وحدات معالجة الرسومات (GPU). 

كيفية عمل السحابة الجديدة: الأعمدة التقنية للبنية التحتية للسحابة الجديدة  

لتحقيق أداء حتمي، تبتعد البنية التحتية للسحابة الجديدة عن التجريد العالي للسحابات ذات الأغراض العامة، وتركز بدلاً من ذلك على ثلاث طبقات متكاملة بإحكام: 

1. حوسبة مُحسّنة للذكاء الاصطناعي  

تعطي السحابة الجديدة الأولوية لمعدل النقل الخام من خلال تقليل "ضريبة برنامج مراقبة الأجهزة الظاهرية". 

• الخوادم على الجهاز مباشرة/الخوادم الافتراضية البسيطة: تضمن أقصى وصول إلى وحدة معالجة الرسومات (GPU). 
• عُقد عالية الكثافة: عادةً ما تكون من 4 إلى 8 وحدات معالجة رسومات (GPU) لكل عقدة (على سبيل المثال، NVIDIA H100/B200) لدعم المعالجة المتوازية الضخمة. 
• إمكانية رؤية الأجهزة: توفر رؤية أعمق في بنية شبكة الأجهزة، مما يسمح بضبط أفضل لأطر العمل مثل PyTorch أو TensorFlow. 

2. شبكات الذكاء الاصطناعي عالية الأداء  

الشبكات هي المُميّز الأساسي لنظام السحابة الجديدة الأساسي. عادةً ما يقوم مزودو خدمات السحابة الجديدة بنشر شبكتين متميزتين:  

• شبكة أمامية: إيثرنت قياسي للإدارة ووصول المستخدم. 
• شبكة خلفية/موصلات بينية عالية الأداء: شبكة إيثرنت بدون فقدان أو شبكة InfiniBand مخصصة لمزامنة وحدة معالجة رسومات إلى وحدة معالجة رسومات.  

تُعد بُنى الشبكة المزدوجة هذه سمة مميزة لمجموعة الذكاء الاصطناعي الحقيقية. لأن تدريب الذكاء الاصطناعي يعتمد على التزامن المستمر (الاتصال الجماعي)، يجب أن تتعامل الموصلات البينية مع حركة مرور "شرق-غرب" هائلة بدون فقدان أي حزمة بيانات. 

• الموصلات البينية ذات النطاق الترددي العالي: الاستفادة من تقنية إيثرنت 400G و800G لمنع اختناقات البيانات بين العقد. 
• بُنى الشبكة منخفضة زمن الوصول: استخدام البُنى التقنية الأساسية والثانوية غير المحظورة لتوسيع نطاق المجموعة بشكل شبه خطي. 
• البروتوكولات المتقدمة: تنفيذ RDMA (الوصول المباشر للذاكرة عن بُعد) وRoCE، مما يسمح لوحدات معالجة الرسومات بالتواصل مباشرة مع ذاكرة بعضها البعض لتجاوز الحمل الزائد لوحدة المعالجة المركزية وتقليل زمن الوصول. 

3. بنية تحتية مُجمّعة وآمنة

تستخدم البنية التحتية الحديثة للسحابة الجديدة تصميمًا معياريًا للحفاظ على المرونة والأمان. 

• التوسع المستقل: يتم توسيع نطاق الحوسبة والتخزين والشبكات بشكل منفصل بناءً على متطلبات عبء العمل. 
• المعايير المفتوحة: الاستخدام المتكرر لأنظمة تشغيل الشبكة المفتوحة لتحقيق أقصى قدر من مرونة الأجهزة. 
• عزل أعباء العمل: دمج الوصول المُدرك للهوية وتجزئة الشبكة لتأمين نماذج وبيانات الذكاء الاصطناعي عالية القيمة. 

نماذج استهلاك ونشر الحوسبة السحابية الجديدة 

يستفيد موفرو خدمات الحوسبة السحابية الجديدة من نماذج أعمال متنوعة لتوفير بنية تحتية للذكاء الاصطناعي للمؤسسات. تُصنف هذه العروض عمومًا إلى ثلاثة مناهج رئيسية توازن بين قابلية التوسع والتكلفة والأداء وموقع البيانات. 

1. مثيلات محجوزة (مخصصة أو مشتركة للبنية التحتية كخدمة (IaaS) للذكاء الاصطناعي) 

تم تصميم هذا النموذج للمؤسسات التي لديها أحمال عمل الذكاء الاصطناعي طويلة الأمد وقابلة للتنبؤ، مثل تدريب النماذج على نطاق واسع أو الاستدلال المستمر. 

• مجموعات الذكاء الاصطناعي المخصصة: يمكن للمؤسسات الالتزام بمجموعات كاملة من وحدات معالجة الرسومات (GPU) المخصصة لعميل واحد لفترة محددة (عادةً من 1 إلى 3 سنوات). 
• اتساق الأداء: من خلال استخدام مكدسات الذكاء الاصطناعي المخصصة، تحقق المؤسسات أقصى قدر من الاتساق في الأداء وقدرة مضمونة. 
• كفاءة التكلفة: يوفر هذا النموذج تكاليف أقل بكثير مقارنةً بالتسعير عند الطلب لأعباء العمل المستقرة. 

2. مثيلات عند الطلب (مشتركة بشكل عام للبنية التحتية كخدمة (IaaS) للذكاء الاصطناعي)

يتيح نموذج "الدفع حسب الاستخدام" هذا للمؤسسات استخدام موارد الحوسبة المُحسّنة للذكاء الاصطناعي، مثل وحدات معالجة الرسومات (GPUs) و(TPUs)، من المجمّعات المشتركة. 

• سعة الذكاء الاصطناعي المرنة: مصممة للتجريب أو التطوير أو الاختبار أو أعباء العمل المتدفقة حيث يكون الطلب غير متسق. 
• أقصى قدر من المرونة: تدفع المؤسسات فقط مقابل الموارد المستهلكة (بالساعة أو بالدقيقة) دون التزامات طويلة الأجل. 
• نموذج تشغيل السحابة: يدير الموفر البنية التحتية الأساسية متعددة المستأجرين ويؤمنها، مما يتيح للعميل التركيز على حزمة برامج الذكاء الاصطناعي المحددة الخاصة به. 

3. الأنظمة الأساسية التي لا تحتوي على خادم (النظام الأساسي كخدمة (PaaS) المدار بالذكاء الاصطناعي)

في هذا النموذج، يقوم مزود السحابة بتجريد إدارة البنية التحتية بالكامل، مما يسمح للمؤسسات باستهلاك قدرات الذكاء الاصطناعي من خلال المنصات المُدارة وواجهات برمجة التطبيقات (APIs). 

• البساطة التشغيلية: يتولى المزود جميع عمليات التزويد والتوسع وإدارة دورة الحياة. 
• المقاييس القائمة على الاستخدام: يدفع العملاء بناءً على وقت التنفيذ أو الطلبات أو الرموز المميزة، مما يجعلها مثالية لتكامل التطبيقات والتوسع المرن. 
• تركيز الاستدلال: هذا النهج مناسب تمامًا لنشر النماذج في بيئات الإنتاج حيث تكون البساطة من الأولويات. 

طبقة التكامل الهجين 

بغض النظر عن نموذج الاستهلاك المختار، تظل ملحقات الذكاء الاصطناعي الهجينة عاملاً حاسمًا في عملية النشر. يجب دمج بيئات السحابة الجديدة مع بيئات المؤسسات الحالية من خلال اتصال WAN أو SD-WAN الآمن. وهذا يضمن سير عمل سلس بين مواقع الشركات داخل الموقع ومجموعات الذكاء الاصطناعي القائمة على السحابة، مما يتيح تطوير نماذج هجينة آمنة ونقل البيانات. 

فوائد ومزايا السحب الجديدة 

يقوم مزودو خدمات الحوسبة السحابية الجديدة بتصميم خدماتهم لمعالجة تحديات محددة في البنية التحتية للذكاء الاصطناعي، مما يوفر العديد من الفوائد الرئيسية لأحمال العمل المؤسسية. 

تدريب أسرع للنموذج 

تستخدم أنظمة السحابة الجديدة الأساسية بُنى تقنية حتمية للسحابة الجديدة لتقليل تأخيرات التزامن بين عُقد وحدة معالجة الرسومات (GPU). يعمل هذا النهج إلى تقصير دورات التدريب للنماذج الكبيرة، مما يحسن الوقت اللازم للوصول إلى النتائج ويقلل من هدر البنية التحتية. 

استخدام أعلى لوحدة معالجة الرسومات (GPU) 

من خلال تقليل تباين الشبكة وتأثيرات "الجواز المشوش"، يضمن موفرو خدمات الحوسبة السحابية الجديدة الحفاظ على إنتاجية ثابتة لوحدات معالجة الرسومات (GPU) في بنيتهم التحتية للحوسبة السحابية الجديدة. يُترجم هذا الاستخدام العالي مباشرةً إلى تحسين كفاءة التكلفة للمؤسسة. 

شفافية البنية التحتية 

على عكس خدمات الحوسبة السحابية فائقة التوسع ذات التجريد العالي، غالبًا ما يقدم موفرو خدمات الحوسبة السحابية الجديدة رؤية أعمق لبنية شبكة الأجهزة وخصائص الشبكة. تتيح هذه الشفافية للفِرق التقنية تحسين أعباء العمل الموزعة بشكل أفضل. 

أداء قابل للتوسع وعمليات مبسطة 

يستفيد موفرو خدمات الحوسبة السحابية الجديدة من الموصلات البينية عالية النطاق الترددي لإيثرنت وبنية الشبكة المصممة بعناية لدعم التوسع شبه الخطي في الأداء. يعمل هذا التصميم المتخصص على تبسيط الإدارة عبر كل من الشبكات الأمامية والخلفية. 

تحسين الذكاء الاصطناعي المركّز 

لأن مزودي خدمات الحوسبة السحابية الجديدة مصممون خصيصًا للذكاء الاصطناعي، فإنهم يواءمون جميع قرارات المنصة مع خصائص أحمال عمل الذكاء الاصطناعي بدلاً من متطلبات تكنولوجيا المعلومات العامة. 

القيود والاعتبارات 

على الرغم من أن منصات الحوسبة السحابية الجديدة توفر مزايا في الأداء، إلا أنها ليست بديلاً شاملاً لمنصات السحابة التقليدية. 

محافظ الخدمات الأضيق 

يقدم مزودو خدمات الحوسبة فائقة التوسع خدمات مُدارة شاملة، بما في ذلك وظائف بدون خوادم، وقواعد بيانات مُدارة، ومنصات تحليلية، وتوصيل المحتوى عالميًا. 

تركز السحب الجديدة عادةً على خدمات الذكاء الاصطناعي على مستوى البنية التحتية بدلاً من نظم الاتصالات المشتركة الكاملة للتطبيقات. وهذا يجعلها أقل تنوعًا للتطبيقات الأوسع والأكثر شمولاً. 

البصمة الجغرافية 

يعمل العديد من مزودي السحابة الجديدة في مناطق أقل مقارنة بمزودي خدمات الحوسبة فائقة التوسع عالميًا. يجب على المؤسسات ذات المتطلبات الصارمة الخاصة بإقامة البيانات تقييم مدى التوفر بعناية. 

النضج التشغيلي 

قد تحتاج الفرق المعتادة على نماذج المنصة كخدمة إلى خبرة إضافية لإدارة هياكل البنية التحتية منخفضة المستوى مثل الوعي بهيكل الشبكة أو تحسين التدريب الموزع. 

تعقيد التكامل 

تتطلب البُنى التقنية الهجينة التي تجمع بين مجموعات الذكاء الاصطناعي السحابية الجديدة وأنظمة تكنولوجيا المعلومات التقليدية اتصالاً آمنًا، وتوافقًا مع السياسات، وقرارات دقيقة بشأن توزيع أحمال العمل.

الاتجاهات المستقبلية والناشئة 

مع ازدياد حجم نماذج الذكاء الاصطناعي وتعقيدها، ستستمر متطلبات البنية التحتية في التطور. هناك اتجاهات عدة تشكل مستقبل بنى الحوسبة السحابية الجديدة: 

• الابتكار في وحدات ASICs GPU 
• تزايد اعتماد الموصلات البينية عالية السرعة للإيثرنت 
• زيادة استخدام برامج الشبكات المفتوحة لتحقيق مرونة تشغيلية أكبر 
• تكامل ضوابط الأمان الخاصة بالذكاء الاصطناعي وأتمتة السياسات 
• اندماج بيئات تدريب الذكاء الاصطناعي والاستدلال واسعة النطاق 

من المرجح أن تتطلب التطورات في مجال الذكاء الاصطناعي، بما في ذلك الأنظمة متعددة الوسائط والبُنى التقنية القائمة على الوكلاء، تنسيقًا أكثر إحكامًا بين السحب الجديدة وعملائها وأنظمة الذكاء الاصطناعي المترابطة والموزعة بشكل أكبر. قد توفر الحوسبة السحابية الجديدة بشكل متزايد مستويات أداء متخصصة ضمن استراتيجيات الحوسبة السحابية المتعددة الموزعة الأوسع نطاقًا.