AMD وCerebras: EPYC مع WSE لاستدلال AI فائق الأداء

مقدمة تحليلية

أعلنت شركتا AMD وCerebras عن شراكة استراتيجية لدمج معالجات AMD EPYC ضمن بنية Helios الشاملة على مستوى الرف (rack-scale infrastructure) مع حلول محرك الرقاقة الكاملة (Wafer-Scale Engine - WSE) من Cerebras. يهدف هذا التعاون إلى تقديم منصة محسّنة لاستدلال الذكاء الاصطناعي (AI inference) تتميز بزمن استجابة منخفض وإنتاجية عالية. يركز الدمج على الاستفادة من قوة المعالجة العامة لمعالجات EPYC وقدرات الحوسبة المتوازية الهائلة لـ WSE لمعالجة أعباء عمل الذكاء الاصطناعي كثيفة البيانات والمتطلبة في بيئات مراكز البيانات.

التحليل التقني

تعتمد هذه الشراكة على دمج قدرات معماريتين متميزتين. توفر معالجات AMD EPYC، المبنية على معمارية Zen، بنية تحتية قوية للمعالجة المركزية، والتي تعتبر حاسمة لإدارة البيانات، وتنسيق أعباء العمل، وتشغيل الطبقات غير الخاصة بالذكاء الاصطناعي ضمن التطبيقات الكبرى. تشمل خصائص EPYC ما يلي:

• عدد كبير من الأنوية (core count) يصل إلى 128 نواة في الجيل الرابع (Genoa و Bergamo)، مع دعم تقنية SMT (Simultaneous Multi-threading).
• قنوات ذاكرة DDR5 متعددة (تصل إلى 12 قناة) لتوفير عرض نطاق ترددي عالٍ للذاكرة.
• خطوط PCIe Gen5 واسعة (تصل إلى 160 خطاً في بعض التكوينات) لتوصيل عالي السرعة مع المسرّعات والأجهزة الطرفية.
• دعم تقنية CXL (Compute Express Link) لتوسيع الذاكرة وتوحيدها.

في المقابل، تمثل محركات Cerebras Wafer-Scale Engine (WSE) نهجاً جذرياً في تسريع الذكاء الاصطناعي. بدلاً من تجميع وحدات معالجة الرسوميات (GPUs) المنفصلة، تجمع Cerebras عشرات الآلاف من الأنوية المتخصصة في شريحة واحدة بحجم الرقاقة (wafer-sized chip). الجيل الأخير، WSE-2، يوفر:

• 850,000 نواة حوسبة متخصصة (AI cores).
• 40 غيغابايت من الذاكرة العشوائية السريعة المدمجة (on-chip SRAM).
• عرض نطاق ترددي للذاكرة يصل إلى 20 بيتابايت في الثانية.
• شبكة اتصالات داخلية عالية السرعة (Swarm Fabric) بعرض نطاق ترددي يبلغ 220 بيتابايت في الثانية.

تكمن القيمة التقنية في تكامل هذه المكونات ضمن بنية Helios. معالجات EPYC ستتولى مهام الإدخال/الإخراج، وإدارة نظام التشغيل، والتحكم في تدفق البيانات إلى ومن WSE. يُتيح هذا للمعالج المركزي تجهيز البيانات وتحميل النماذج بكفاءة، بينما يقوم WSE بتنفيذ عملية الاستدلال الحاسوبية بحد ذاتها بشكل متوازٍ وفائق السرعة. يساهم تصميم WSE الأحادي في تقليل زمن الانتقال (latency) بشكل كبير مقارماً بتجميع وحدات GPU متعددة، حيث يتم التخلص من الحاجة إلى الاتصال عبر شبكات خارجية بين الرقائق المنفصلة. تُترجم الذاكرة الضخمة المدمجة وعرض النطاق الترددي الداخلي الهائل لـ WSE إلى قدرة غير مسبوقة على معالجة النماذج الكبيرة جداً وتدفقات البيانات المعقدة بسرعة فائقة، وهو ما يدعم هدف الإنتاجية العالية.

السياق وتأثير السوق

تدخل هذه الشراكة سوق الذكاء الاصطناعي، خاصة في مجال الاستدلال، الذي تهيمن عليه حالياً NVIDIA بشكل كبير عبر منصاتها مثل H100 وGH200. لطالما كانت استراتيجية AMD في سوق الذكاء الاصطناعي متعددة الأوجه، تشمل وحدات معالجة الرسوميات Instinct (مثل MI300X) لمعالجة البيانات الكبيرة والتدريب، والآن توسع حضورها إلى الاستدلال عالي الأداء من خلال هذه الشراكة مع Cerebras. تضع هذه الخطوة AMD كلاعب جاد في توفير حلول متكاملة لمراكز البيانات، مما يتجاوز مجرد بيع المكونات الفردية.

تتمثل نقطة القوة الرئيسية لـ Cerebras في قدرتها على معالجة النماذج اللغوية الكبيرة (LLMs) وغيرها من نماذج الذكاء الاصطناعي الضخمة بكفاءة، غالباً ما تكون أكبر من أن تتناسب مع ذاكرة GPU واحد، دون الحاجة إلى تقسيم النموذج عبر مئات أو آلاف وحدات GPU. هذا يقلل من التعقيد التشغيلي ويخفف من الاختناقات المرتبطة بالاتصال بين الرقائق. يوفر تكامل EPYC + WSE حلاً قد يتفوق على الأداء التقليدي القائم على تجميع GPU في سيناريوهات معينة تتطلب معالجة نماذج أحادية ضخمة أو تدفقات بيانات استدلال مستمرة بزمن انتقال شديد الانخفاض.

على الرغم من ذلك، لا يزال نشر WSE يتطلب بنية تحتية متخصصة ومكلفة تتجاوز تكلفة وحدات GPU التقليدية، مما يحد من نطاق تطبيقاته الفورية. يستهدف هذا الحل المؤسسات الكبرى ومراكز الأبحاث التي تعمل على أعباء عمل الذكاء الاصطناعي الأكثر تطلباً. يشير هذا التوجه إلى تحول في السوق نحو حلول مخصصة وشاملة (full-stack solutions) تتجاوز مجرد المكونات الفردية، مع التركيز على الكفاءة الكلية للنظام والأداء لكل واط.

رؤية Glitch4Techs

شراكة AMD وCerebras لدمج EPYC وWSE ليست مجرد إعلان، بل هي تأكيد على سعي AMD لتعزيز مكانتها في سوق الذكاء الاصطناعي الاستدلالي ذي الهامش العالي، وخطوة عملية من Cerebras لتوسيع نطاق تبني تقنيتها المتخصصة. المنصة المدمجة لديها القدرة التقنية على تحقيق وعود الأداء المعلنة، خاصة في سياق نماذج الذكاء الاصطناعي الضخمة التي تستفيد من تصميم WSE الأحادي. لكن التحدي الجوهري يكمن في محدودية التطبيقات التي تبرر التكلفة الأولية العالية وتعقيد نشر حلول WSE. إنها ليست حلاً عاماً لجميع احتياجات الاستدلال؛ فالاستثمار يتطلب حجم عمل محدد ومكثف بما يكفي لتغطية نفقات البنية التحتية المتخصصة المطلوبة لتشغيل ودمج WSE في بيئة مركز البيانات الحالية. هذا يضع المنتج في فئة متخصصة للغاية، مما يحد من تأثيره الفوري على السوق الأوسع.