مع تسارع سباق الذكاء الاصطناعي، لم يعد الاهتمام بأجهزة الحوسبة يقتصر على عمالقة البنية التحتية التقليدية مثل وحدات معالجة الرسوميات المخصصة فقط. ففي الفترة الأخيرة، برزت أجهزة آبل المكتبية—خصوصًا Mac mini وMac Studio—كخيار عملي تستعين به شركات ذكاء اصطناعي لتدريب نماذجها وتشغيل أعباء عمل محلية بكفاءة أعلى، ما يعكس تحوّلًا مهمًا في طريقة بناء بيئات التطوير والتدريب.
ووفق تقرير نشرته صحيفة The Information، قامت OpenAI بشراء عشرات الآلاف من أجهزة Mac mini وMac Studio، بينما تعتمد Anthropic على استئجار Mac mini عبر خدمات Amazon Web Services (AWS). وتأتي هذه الخطوة في وقت تشهد فيه شركات الذكاء الاصطناعي ضغطًا متزايدًا على موارد الحوسبة، بحثًا عن طرق أوسع لتوسيع القدرات دون انتظار توفر البنية التحتية التقليدية.
أجهزة Mac الجديدة تدعم أعباء عمل الذكاء الاصطناعي بشكل أكبر
يأتي هذا الاهتمام المتزايد بالتزامن مع إطلاق آبل تحديثات جديدة لمنصاتها المكتبية. فقد حصل Mac mini على شريحة M6، بينما توفر Mac Studio خيارات تعتمد على شرائح M5 Max أو M5 Ultra. هذه التحديثات تعني عادةً أداءً أفضل في مهام الحوسبة الثقيلة، ومرونة أعلى في إدارة الذاكرة، وهو ما يجعل الأجهزة أكثر ملاءمة لتشغيل أعباء عمل مرتبطة بتطوير النماذج والاختبار والتحسين.
وبالإضافة إلى كونها أجهزة مكتبية قوية، فإن قيمتها لشركات الذكاء الاصطناعي ترتبط كذلك بقدرتها على العمل ضمن بيئات تدريب وتجريب مختلفة—سواء داخل المراكز أو عبر منصات سحابية—مع تقليل تعقيد الإعداد مقارنةً ببعض الحلول الأكثر تخصصًا.
كيف تستخدم OpenAI أجهزة Mac في التعلم المعزز ووكلاء الذكاء الاصطناعي؟
بحسب التقرير، تستخدم OpenAI أجهزة Mac في التعلم المعزز (Reinforcement Learning – RL)، وهي تقنية يتعلم فيها النظام من خلال التجربة والخطأ لاستخلاص سلوكيات أكثر فاعلية. وتعد هذه المهمة من أكثر الأعباء التي تتطلب تكرارًا مستمرًا للدورات التجريبية، حيث يتم اختبار الأداء وتحسينه بشكل متواصل.
كما تشير المعلومات إلى أن الاستخدام لا يقتصر على التدريب التقليدي فقط، بل يمتد إلى تدريب وكلاء الذكاء الاصطناعي القادرين على تنفيذ مهام على أجهزة الكمبيوتر. هذه الوكلاء لا يكتفون بإنتاج نصوص أو إجابات، بل قد ينتقلون بين عناصر واجهات البرامج، وينفذون سير عمل متعدد الخطوات، ويتعاملون مع النظام بطريقة أقرب لما يحدث عند استخدام البشر للحاسوب.
من جانب آخر، تستخدم Anthropic أجهزة Mac mini عبر AWS لأعمال مشابهة مرتبطة بتدريب وتطوير نماذج ووكلاء ذكاء اصطناعي—ما يوضح أن “Mac” لا تُستخدم فقط كجهاز محلي، بل كجزء من استراتيجية حوسبة قابلة للتوسع حسب الحاجة.
لماذا يبتعد بعض المطورين عن الاعتماد الكلي على GPU؟
جزء من سبب هذا التحول مرتبط بنقطة مهمة: ليس كل أعباء العمل تحتاج إلى أكبر قدر من وحدات معالجة الرسوميات المتاحة. فهناك مهام يمكن تنفيذها بكفاءة باستخدام بنية مناسبة للذاكرة والأداء المتوازن، خصوصًا عندما تكون هناك متطلبات مثل:
- تشغيل نماذج محليًا لتقليل زمن الاستجابة أو تقوية خصوصية البيانات.
- تشغيل جلسات عمل متعددة على نفس الجهاز ضمن بيئة تطوير عملية.
- مهام سطح مكتب متخصصة مرتبطة بتشغيل أدوات، واختبار تدفقات عمل، وبناء وكلاء يتفاعلون مع التطبيقات.
لهذا، بدأت أجهزة Mac المكتبية تُنظر إليها كخيار “مناسب-اقتصادي” مقارنةً بتكاليف وتعقيدات بعض البنى التحتية الأكثر تخصصًا، خصوصًا عند الحاجة إلى عدد كبير من الأجهزة لتجريب سيناريوهات كثيرة.
ما الذي يجعل Unified Memory والتبريد عاملًا مؤثرًا؟
من العوامل التي تجعل Mac mini وMac Studio مغرية لشركات الذكاء الاصطناعي هي بنية الذاكرة الموحدة (Unified Memory Architecture) التي تقدم عادةً كفاءة أعلى في نقل البيانات بين مكونات النظام مقارنةً ببعض التصاميم التقليدية. كذلك يلعب التصميم الحراري دورًا في الحفاظ على الاستقرار أثناء الأحمال الطويلة، وهو أمر مهم عند تشغيل تدريب أو تجارب متكررة لساعات طويلة.
هذه الخصائص قد تساعد في تشغيل نماذج كبيرة نسبيًا ومهام متعددة على النظام نفسه، مع تقليل الاختناقات التي تظهر أحيانًا في سيناريوهات تعتمد على عنق زجاجة في نقل البيانات أو سعة الذاكرة.
زيادة الطلب تنعكس على أداء آبل التجاري
لم يقتصر تأثير اهتمام شركات الذكاء الاصطناعي على جانب الاستخدام فقط، بل امتد كذلك إلى المؤشرات التجارية لأجهزة آبل. إذ أشارت تقارير إلى أن إيرادات أجهزة Mac ارتفعت بنحو 29% على أساس سنوي لتصل إلى 10.3 مليار دولار خلال الربع الأخير، ما يجعلها من أسرع خطوط الأجهزة نموًا لدى آبل.
وتشير هذه الأرقام إلى أن الطلب لا يأتي فقط من المستخدمين الأفراد، بل أيضًا من المؤسسات التي تسعى لتجهيز فرق التطوير والبحث، خاصة مع توسع تطبيقات الذكاء الاصطناعي في قطاعات متنوعة.
تأثير طلب المؤسسات على توقيت التحديثات
يُذكر أن الطلب غير المتوقع من قطاع المؤسسات كان عاملًا مؤثرًا في دفع آبل لتقديم بعض تحديثات Mac mini وMac Studio في وقت أبكر من المعتاد. عادةً ما تتجه آبل للكشف عن طرازات جديدة في فصل الخريف، لكن الإعلان جاء في أواخر أغسطس بدلًا من الموعد الأقرب إلى أكتوبر أو نوفمبر.
وهذا التغيير في التوقيت قد يعكس رغبة الشركات في الحصول على قدرات حوسبة بسرعة بدل الانتظار لدورات الإطلاق السنوية، خصوصًا في ظل المنافسة المتزايدة على الموارد اللازمة لتدريب النماذج وتحسينها.
هل كانت آبل جاهزة؟ وما أثر نقص الذاكرة؟
على الرغم من نجاح التحديثات، يشير التقرير إلى أن الموجة الأوسع من طلب المؤسسات فاجأت آبل. فقد ورد أن الشركة لم تكن—بحسب ما ذكر—تملك فرقًا هندسية مخصصة ميدانيًا لخدمة عملاء قطاع الأعمال بنفس المستوى الذي يحتاجه هذا النوع من الطلب، ولا استراتيجية مخصصة للذكاء الاصطناعي بشكل مباشر ضمن احتياجات الشركات.
كما تزامن هذا مع نقص عالمي في الذاكرة أدى إلى نفاد العديد من التكوينات المتقدمة من مخزون Mac mini وMac Studio لفترات طويلة. ويزيد هذا النقص الضغط على سوق الأجهزة عمومًا، خصوصًا بينما تتسابق شركات الذكاء الاصطناعي على تأمين أكبر قدر ممكن من القدرة الحوسبية لتدريب النماذج.
الخلاصة: Mac كجزء من استراتيجية أوسع لتوسيع الحوسبة
توضح هذه التطورات أن أجهزة Mac mini وMac Studio لم تعد مجرد أجهزة للمستخدمين أو للمطورين الفرديين، بل بدأت تتحول إلى لبنة ضمن منظومة أوسع لتوسيع قدرات الذكاء الاصطناعي—سواء عبر استخدامها في التعلم المعزز، أو تدريب وكلاء يتفاعلون مع الكمبيوتر، أو تشغيل أعباء عمل متخصصة محليًا أو عبر سحابة.
ومع استمرار ارتفاع الطلب من المؤسسات، من المرجح أن نشهد مزيدًا من دمج هذه الأجهزة ضمن بيئات التطوير والتدريب، إلى جانب حلول GPU التقليدية، كجزء من مزيج متوازن يهدف إلى تقليل الزمن والكلفة وزيادة القدرة على التجريب بوتيرة أسرع.
التعليقات