Infinity تجمع 15 مليون دولار لتحدي هيمنة Nvidia على برمجيات الرقائق

مقدمة تحليلية

أعلنت شركة Infinity، المتخصصة في البنية التحتية للذكاء الاصطناعي، في 20 يوليو 2026 عن إغلاق جولة تمويل بقيمة 15 مليون دولار أمريكي، رفعت تقييم الشركة إلى 100 مليون دولار. قاد الجولة الاستثمارية Touring Capital، وشارك فيها Principal VC، بالإضافة إلى باحثين من شركات رائدة مثل OpenAI و Anthropic. تهدف Infinity إلى تطوير برمجيات بديلة لبرنامج CUDA الخاص بشركة Nvidia، الذي يشكل حجر الزاوية في تشغيل نماذج الذكاء الاصطناعي على الرقائق المتخصصة.

التحليل التقني

يرتكز تفوق Nvidia في سوق رقائق الذكاء الاصطناعي بشكل أساسي على عاملين: رقائقها عالية الأداء، وبرمجيات CUDA (Compute Unified Device Architecture). تتيح CUDA لوحدات معالجة الرسوميات (GPUs) العمل كمعالجات للأغراض العامة (CPUs)، مما سمح ببناء أطر عمل تطوير الذكاء الاصطناعي الكبرى مثل PyTorch و TensorFlow عليها. هذا التكامل يضمن للمطورين، الذين يستخدمون لغات برمجة شائعة مثل Python، تشغيل تطبيقاتهم افتراضياً على رقائق Nvidia دون الحاجة لجهود كبيرة في التكييف.

تعالج Infinity هذه المشكلة من خلال تطوير برمجيات نواة بديلة (CUDA-alternative kernel software) تعمل مع أنواع متعددة من الرقائق، بما في ذلك:

• ذاكرة الوصول العشوائي الساكنة (SRAM)
• وحدات معالجة الرسوميات (GPUs)
• رقائق الهواتف الذكية
• الشبكات المتزامنة (Systolic Arrays)

تطلق Infinity على هذا الحل اسم 'مكتبة استدلال عالمية' (universal inference library)، مصممة لتمكين هذه الرقائق من أتمتة تكرار نتائج الأبحاث المتطورة. يقف وراء الشركة جيريمي نيكسون، باحث سابق في Google Brain ومؤسس مجتمع AGI House. يرتكز عمل نيكسون على مفهوم 'الاختراع الآلي'، حيث يعتقد أن أنظمة الذكاء الاصطناعي يمكن أن تكون 'تقنية ميتا'. كان قد طور سابقاً خوارزمية تعلم آلي تُدعى 'Omega'، والتي تُنتج خوارزميات تعلم آلي جديدة وتقيمها تلقائياً ضمن حلقة تغذية راجعة. هذا المبدأ يُطبق الآن على تطوير الكود منخفض المستوى اللازم لتشغيل الرقائق بفعالية.

يعتبر وكيل بحث الذكاء الاصطناعي 'Ignition' من Infinity هو الأداة الأساسية. يتولى Ignition مهمة كتابة الكود منخفض المستوى المطلوب للاستدلال في الذكاء الاصطناعي على الرقائق البديلة لـNvidia. يقوم الوكيل باختبار الأداء وتصحيح الأخطاء وقياس سرعة الأجهزة مع الكود، ويعيد كتابة الكود تلقائياً لتحسين الأداء عند الحاجة. النظام ذاتي التحسين، حيث يتعلم ويحسن نفسه باستمرار. وفقاً لنيكسون، يتكيف النظام أيضاً مع معماريات الرقائق المختلفة، بغض النظر عن التصميمات الاحتكارية. تدعي Infinity أن هذا ينتج 'حزمة برمجيات بمستوى CUDA' (CUDA-level software stack).

السياق وتأثير السوق

تسيطر Nvidia على سوق رقائق الذكاء الاصطناعي بشكل شبه مطلق، لا سيما بفضل بيئتها المتكاملة التي تجمع بين الأجهزة والبرمجيات (CUDA). هذه الهيمنة أدت إلى اعتماد غالبية الشركات الناشئة في مجال تطبيقات الذكاء الاصطناعي على Nvidia، نظراً لنقص الموارد أو الخبرة اللازمة لكتابة برمجيات النواة الخاصة بها وتكييف تطبيقاتها لرقائق أخرى. Infinity هي جزء من موجة جديدة من الشركات الناشئة التي تحاول، منتجاً بعد منتج، تقويض هيمنة Nvidia السوقية.

تشمل قائمة عملاء Infinity الحاليين شركة D-Matrix، وهي صانعة رقائق ذكاء اصطناعي وتعتبر منافساً محتملاً لـNvidia. كما تُجري Infinity محادثات مع شركات كبرى أخرى للرقائق والخدمات السحابية، وفقاً لتصريحات نيكسون. النموذج التشغيلي للشركة يدمج الخبرة البشرية، حيث يزود البشر الوكيل 'Ignition' بتوجيهات عالية المستوى بينما يقوم الوكيل بالمهام الروتينية الشاقة. في إحدى دراسات الحالة المنشورة مع D-Matrix (D-Matrix Corsair)، وجدت الشركة الناشئة أن الوكيل يعمل بشكل أسرع بكثير من الإنسان بمفرده، حيث اختصر عملية قد تستغرق شهوراً أو سنوات إلى ساعات أو أيام. هذا يدعم فرضية الكفاءة المتقدمة للأنظمة المؤتمتة في تطوير الكود منخفض المستوى.

نموذج عمل Infinity المالي يعتمد على تحقيق الأرباح من خلال اقتطاع نسبة من المكاسب في الأداء وتوفير التكاليف، ويتم قياس هذه التغييرات بوحدة 'الرموز في الثانية' (tokens per second)، بدلاً من فرض رسوم ترخيص أولية. تضم الشركة حالياً 26 موظفاً، موزعين على أقسام التصميم والعمليات والهندسة. هذا يضعها ضمن الشركات الناشئة التي تركز على تطوير برمجيات البنية التحتية الأساسية، لا على تطبيقات المستخدم النهائي.

رؤية Glitch4Techs

تمثل محاولة Infinity لتطوير بديل لـCUDA طموحاً تكنولوجياً كبيراً يلامس نقطة ضعف حرجة في نظام الذكاء الاصطناعي الحالي، وهو الاعتماد شبه الكلي على Nvidia. على الرغم من الوعود بكفاءة 'مستوى CUDA' والقدرة على التكيف مع معماريات رقائق متعددة، فإن نموذج عمل الشركة الذي يعتمد على اقتطاع نسبة من 'مكاسب الأداء وتوفير التكاليف' المقاسة بـ'الرموز في الثانية' يثير تساؤلات جدية. هذا المقياس متغير ومعقد، وقد يصعب تحديد قيمته الحقيقية وتحصيل الإيرادات بشكل مستقر، خصوصاً في بيئة تنافسية تسودها عقود من التحسينات المجانية والمدعومة من مجتمع مطوري CUDA. القدرة على تسويق هذا النموذج على نطاق واسع، في ظل ثقل بيئة Nvidia الراسخة، تتطلب إثباتات تتجاوز دراسات الحالة الأولية.