تتحرك أمازون لاستهداف إحدى أهم نقاط القوة لدى إنفيديا في سوق الذكاء الاصطناعي: البرمجيات التي تربط أدوات المطورين بشرائح المعالجة. وبدل الاكتفاء بتطوير عتاد منافس، تقدم الشركة TorchNeuron كطبقة برمجية تهدف إلى جعل الانتقال من بيئة إنفيديا إلى شرائح Trainium أقل تعقيدًا وكلفة.
تفاصيل الخبر
الأداة مصممة لتشغيل مشاريع مبنية باستخدام PyTorch، وهو إطار مفتوح المصدر واسع الاستخدام في تدريب نماذج التعلم الآلي وتطوير تطبيقات الذكاء الاصطناعي. ووفق التفاصيل المعلنة، يستطيع المطور استخدام الشيفرة الحالية تقريبًا مع تغيير إعداد واحد يحدد نوع العتاد، بدل إعادة كتابة أجزاء أساسية من المشروع لتتوافق مع شرائح أمازون.
تأتي هذه الخطوة في وقت تمثل فيه كلفة الانتقال بين منصات الشرائح عائقًا كبيرًا أمام الشركات. فالمؤسسات لا تستثمر في العتاد وحده، بل في أدوات البناء والاختبار والتصحيح ومكتبات الأداء وسير العمل المرتبط به. لذلك فإن تقليل التعديلات المطلوبة على الشيفرة قد يجعل تجربة بدائل إنفيديا أكثر واقعية، خصوصًا لدى الشركات التي تدير أحمالًا واسعة على السحابة.
تدعم TorchNeuron شرائح Trainium2 وTrainium3، كما ترتبط بمكونات أخرى في منظومة أمازون البرمجية. وتشمل هذه المكونات أطرًا للتدريب الموزع، وأدوات لتحسين تشغيل النماذج، ومساهمات مفتوحة المصدر في مشاريع تُستخدم لتسريع الاستدلال وتشغيل النماذج اللغوية. ويمنح هذا التكامل الأداة دورًا يتجاوز مجرد تعريف العتاد داخل تطبيقات PyTorch.
وتقول أمازون إن نهجها لا يقتصر على إبقاء PyTorch مرتبطًا بمنصة واحدة، إذ تساهم أيضًا في تغييرات تستهدف جعل الإطار أكثر حيادًا تجاه نوع الشريحة. وتدعم هذه الرؤية إتاحة أدوات التطوير المعروفة على Trainium، مع الحفاظ على أساليب العمل التي اعتاد عليها المطورون في اختبار النماذج وتوسيعها وتشغيلها على عدة شرائح.
تستند المنافسة التي تواجهها أمازون إلى ميزة برمجية راكمتها إنفيديا عبر سنوات، إذ يعتمد كثير من المطورين على أدواتها لتحسين أداء تطبيقات PyTorch على وحدات معالجة الرسوميات. ويعني ذلك أن نجاح Trainium لن يتحدد بالمواصفات النظرية أو بتكلفة استخدام الشريحة فقط، بل بمدى سهولة نقل المشاريع الحالية، واستقرار النتائج، وتوفر المكتبات والدعم الفني.
وتشير أمازون إلى أن TorchNeuron خضعت لاختبارات واسعة على عدد كبير من النماذج بهدف اكتشاف مشكلات التوافق قبل وصول التحديثات إلى المستخدمين. كما بدأت بعض الأدوات والمنصات الشائعة، ومنها أدوات مرتبطة بمستودعات النماذج المفتوحة، في إضافة دعم أصلي لبيئة Trainium، ما قد يساعد على توسيع قاعدة المستخدمين خارج العملاء الكبار.
من المقرر طرح TorchNeuron كمشروع مفتوح المصدر بترخيص Apache 2.0 خلال مؤتمر PyTorch في أمريكا الشمالية في 20 أكتوبر 2026. وقد يمنح هذا الإصدار المطورين فرصة لفحص الكود والمساهمة فيه، لكنه لا يضمن وحده تحولًا واسعًا عن إنفيديا؛ فالقرار سيعتمد أيضًا على الأسعار، وتوافر السعة السحابية، وأداء النماذج الفعلي، وسهولة تشغيل المشاريع المعقدة في الإنتاج.
بالنسبة إلى أمازون، تمثل الأداة جزءًا من استراتيجية أطول لبناء منظومة متكاملة حول شرائحها المصممة داخليًا، بعد استثمارات امتدت لسنوات في عائلات Trainium وInferentia. وإذا نجحت الشركة في جعل تبديل العتاد أقرب إلى تغيير إعداد برمجي، فقد تتمكن من جذب مزيد من الشركات الناشئة والمؤسسات التي تبحث عن بدائل أقل ارتباطًا بمورد واحد، من دون أن تضطر إلى التخلي عن أدواتها الحالية بالكامل.
العودة إلى جميع الأخبار
