هل يجب أن يختار مديرو تقنية المعلومات البنى التحتية كأجزاء أم كمنظومات؟

تعتمد كل استراتيجية ذكاء اصطناعي اليوم على سؤال جوهري يتعلق بالبنية التحتية. فمع انتقال مبادرات الذكاء الاصطناعي من مرحلة الاختبار إلى النشر المؤسسي واسع النطاق، تزداد أهمية معماريات البنى التحتية ويتحول تركيز قادة التقنية من نماذج الذكاء الاصطناعي إلى الأنظمة والبنى التحتية التي تسمح ببناء وتشغيل هذه النماذج. والسؤال المتكرر هنا هو: هل يجب تصميم البنية التحتية باختيار المنتجات الأفضل في كل فئة على حدة ودمجها معاً، أم الالتزام بنظام بيئي ومكدس ذكاء اصطناعي موحد ومتكامل؟

هذا ليس قراراً تقنياً روتينياً، بل إنه يؤثر مباشرة في المرونة، والحوكمة، والتكاليف التشغيلية، والقدرة التنافسية على المدى الطويل. يشير تقرير صادر عن AMD إلى أن معظم المؤسسات تدير من خمس إلى سبع مبادرات ذكاء اصطناعي في الوقت نفسه، ويشمل ذلك الأتمتة، والتحليلات، والتطبيقات التوليدية. وفي بيئة متعددة المشاريع كهذه، تتضاعف تعقيدات البنية التحتية سريعاً. فقد تبدو بعض خيارات البنية التحتية قابلة للإدارة خلال المرحلة التجريبية، لكنها تصبح أكثر تعقيداً وكلفة عند التوسع عبر أعباء عمل متعددة.

استراتيجية «الأفضل في كل فئة»

غالباً ما يُساء فهم عبارة «الأفضل في كل فئة» (Best-of-breed) كونها تبدو غامضة لغير المختصين. لكن في سياق البنية التحتية للذكاء الاصطناعي، تعني هذه المعمارية اختيار أنسب مكونات متاحة لكل طبقة من المكدس، سواء كان ذلك على مستوى الحوسبة، أو الشبكات، أو التخزين، أو التنسيق. ويتم هذا الاختيار بالنظر إلى المتطلبات الخاصة، مع تجاهل توافق هذه المنتجات ضمن نظام بيئي من مزود واحد. فالهدف هو أن تبني المؤسسات بنية مخصصة تتكون من أقوى المكونات لكل مهمة بدلاً من الالتزام بمنظومة واحدة وتبنيها كما هي.

عادة ما تميل الشركات لاختيار استراتيجية الأفضل في كل فئة بهدف زيادة المرونة وتخصيص البنية التحتية لتتناسب مع أعباء عمل محددة. وتسعى المؤسسات التي تتبع هذا النهج إلى أقوى المسرّعات لتدريب الذكاء الاصطناعي، ووحدات معالجة مركزية فعالة لإدارة العمليات، وبُنى شبكية متقدمة لنقل البيانات أفقياً، وأنظمة تخزين مُهيأة لتشغيل خطوط بيانات عالية الإنتاجية.

جاذبية هذا النموذج واضحة. فهو يتيح التجربة واعتماد التقنيات الناشئة بسرعة، ويقلل الارتباط والتقيد بخارطة الطريق الخاصة بمزود واحد، كما أنه يمكّن فرق تقنية المعلومات من الحفاظ على استقلاليتها الاستراتيجية. وبالنسبة للمؤسسات التي تعطي أولوية للابتكار والتميّز، يوفر هذا النهج مزايا قوية.

لكن في المقابل، يمكن أن يزيد استخدام حلول متكاملة من مزودين مختلفين من تعقيد نشر البنية التحتية، إذ يتطلب إدارة البيئات غير المتجانسة خبرات متخصصة. وفي هذه الحالات تصبح الحوكمة وتطبيق السياسات الأمنية أكثر صعوبة نظراً لامتدادها عبر أنظمة مجزأة. وفيما تبدأ هذه الاستراتيجية على أنها حرية معمارية، فمن الممكن أن تتحول بسرعة إلى عبء تشغيلي إذا لم تتم إدارتها بعناية.

خيار البنية التحتية الموحدة

على الجانب الآخر من الطيف، هناك نموذج البنية التحتية الموحدة للذكاء الاصطناعي. وتُعد البنى الموحدة حلولاً متكاملة ومصممة مسبقاً لتغطي كامل مكدس الذكاء الاصطناعي وتتكامل بسلاسة من العتاد إلى التنسيق. ووفق هذه الاستراتيجية، لا تقوم المؤسسات باختيار وتجميع المكونات بشكل فردي، بل تعتمد منصة متكاملة ومصممة للعمل معاً.

تميل العديد من المؤسسات إلى الأنظمة الموحدة لأنها تقلل الاحتكاك. فهذا الخيار يقصر زمن النشر، ويقلل أخطار التكامل، ويمكن فرض السياسات الأمنية بشكل متسق عبر المكدس بالكامل. وفي القطاعات الخاضعة لتنظيم صارم أو البيئات واسعة النطاق، حيث تُعد السرعة والحوكمة ضروريتين، تبدو هذه البساطة التشغيلية جذابة استراتيجياً.

على الرغم من إيجابياتها الواضحة، يتضمن تبني الأنظمة الموحدة أيضاً القبول بالعديد من المقايضات. انخفاض المرونة الناتج عن هذا الخيار يمكن أن يؤدي إلى تقييد القدرة على دمج تقنيات ناشئة. كما قد يحد الاعتماد على منظومة واحدة من قابلية التكيف على المدى الطويل. ومع مرور الوقت، قد تجد المؤسسات نفسها مقيدة بخارطة طريق خاصة بالمزود ولا تتماشى مع دورات الابتكار لديها.

المشهد أكبر من التقيد بخيارين فقط

يظهر التباين الحقيقي بين نهجي الأفضل في كل فئة والبنى التحتية الموحدة في ثلاثة مواضع احتكاك رئيسية: الأمن، وقابلية التوسع، وتعقيد التكامل. ويعد تحقيق التوازن بين الابتكار، والأمن، والامتثال أمر صعب بحد ذاته، ومع إضافة تحديات مثل تجنب الارتباط الحصري بمزود واحد والانتقال من مرحلة تجارب الذكاء الاصطناعي إلى الإنتاج، يصبح القرار أكثر تعقيداً.

مع اتجاه الشركات لتوسيع محافظ الذكاء الاصطناعي الخاصة بها عبر إطلاق عدة مبادرات متزامنة، سرعان ما تظهر تحديات تباين هندسة الشبكات، وتخصيص الحوسبة، وتطبيق السياسات. فمن جهة، تزيد التجزئة من المخاطر، لكن ومن جهة أخرى قد يسبب الإفراط في التوحيد إعاقة الابتكار. وفيما يسود الاعتقاد بأن على مديري تقنية المعلومات الموازنة بين اختيار واحد من طرفين متعاكسين تماماً، فالخيارات الواقعية أوسع من ذلك.

تعتمد الاستراتيجية المناسبة على أهداف المؤسسة، ومستوى نضجها في الذكاء الاصطناعي، وقدرتها على تحمل التعقيد. وبالنسبة لمعظم المؤسسات، لا يعد أيًّ من خياري «الأفضل في كل فئة» أو البنى التحتية الموحدة مناسباً. فأعباء عمل الذكاء الاصطناعي تختلف بشكل كبير حسب كل حالة، وهناك تباين واضح بين المتطلبات المعمارية لإنشاء عناقيد حوسبة لتدريب الذكاء الاصطناعي التوليدي في مركز البيانات والمتطلبات المعمارية للحصول على استدلال فوري على الحافة.

بدلاً من التعامل مع خيار الأفضل في كل فئة والأنظمة الموحدة كخيارين متعارضين، تتجه المؤسسات الرائدة إلى دمجهما عبر تحديد طبقات تشغيلية أساسية موحدة، لكن مع الحفاظ على المرونة في الأجزاء التي يكون فيها الابتكار أكثر أهمية. ويراعي هذا النموذج الهجين أن أعباء العمل تختلف من حيث كثافة الحوسبة، ومتطلبات الحوكمة، وتوقعات الأداء. ومن خلال مواءمة قرارات البنية التحتية مع خصائص أعباء العمل، يمكن للمؤسسات تحقيق توازن بين المرونة والتحكم لتبقى أطر الأمن الأساسية وطبقات التنسيق موحدة، بينما يمكن إضافة مكونات إضافية عندما يكون تحسين الأداء هدفاً جوهرياً.

الموائمة بين المرونة والتكامل

سواء اختارت المؤسسات نهج الأفضل في كل فئة، أو البنية التحتية الموحدة، أو أي خيار ثالث يتراوح بينهما، توفر AMD لها محفظة واسعة من العتاد والبرمجيات ضمن منظومة مفتوحة تدعم التخصيص والتكامل في آن واحد.

بدلاً من فرض مسار معماري مغلق أحادي الاتجاه، تدعم AMD المعايير المفتوحة وقابلية التشغيل البيني. ويشمل ذلك البرمجيات مفتوحة المصدر (مثل AMD ROCm™ Software)، وروابط العتاد المفتوحة (مثل UALink)، وهندسات الرفوف المفتوحة (مثل OCP). يتيح هذا النهج المفتوح مستوى أكبر من الدمج بين مزودي العتاد، ومزودي البرمجيات، وبيئات السحابة، ما يمكّن المؤسسات من دمج التقنيات الناشئة، وتجنب الارتباط الحصري بمزود واحد، ومواءمة قرارات البنية التحتية مع متطلبات أعباء العمل بدلاً من قيود المنظومة.

في الوقت نفسه، تقدم AMD حلولاً مترابطة تغطي مكدس الذكاء الاصطناعي بالكامل، بداية من الشرائح وحتى الأنظمة. فعلى مستوى العتاد، توفر الشركة معالجات AMD EPYC™ CPUs ومسرّعات AMD Instinct™ GPUs، ويكملها على مستوى البرمجيات حزمة AMD Enterprise AI Suite. يمكن لهذا النظام البيئي المتكامل أن يبسط التنسيق، ويحسّن كفاءة الطاقة، ويسرّع النشر عبر البيئات الهجينة.

يمكن للمؤسسات التي تفضّل نماذج تشغيل موحدة أن تعتمد على منصات AMD المتكاملة. أما تلك التي تتبع استراتيجية الأفضل في كل فئة، فيمكنها تحسين طبقات محددة من أعباء العمل بشكل انتقائي. وبالنسبة لمن يعتمدون بنى هجينة، توفر AMD المرونة لدمج النهجين دون التضحية بالحوكمة أو الكفاءة.

في هذا العصر، يعتمد نجاح اعتماد الذكاء الاصطناعي المؤسسي على تحقيق توازن بين التكامل والانفتاح، وبين البساطة التشغيلية وإمكانية التطور. فمستقبل البنية التحتية للذكاء الاصطناعي لا يقتصر على طرفين متناقضين، بل يمتد عبر طيف من الخيارات التي تستفيد من المنظومة المفتوحة والشاملة التي تقدمها AMD.