Lola Vision Systems: محاولة لمعالجة اختناق 200 ساعة في تشغيل AI

مقدمة تحليلية

في عام 2024، أطلقت شركة Lola Vision Systems، التي تتخذ من واشنطن العاصمة مقراً لها، عملياتها بهدف معالجة الاختناق الحاسم في نشر نماذج الذكاء الاصطناعي على الرقائق. المؤسس، Tayo Adesanya، الذي أمضى ما يقرب من 12 عاماً في العمل مع المعالجات الدقيقة ومعالجات الذكاء الاصطناعي، يصف العملية اليدوية لإعداد نموذج ذكاء اصطناعي على أجهزة جديدة بأنها تستغرق "حوالي 200 ساعة" لمجرد بدء الاختبار. هذا التحدي الأساسي هو ما تسعى الشركة لحله من خلال تطوير برامجها الخاصة وشرائح أشباه الموصلات. حصلت Lola Vision Systems حتى الآن على تمويل إجمالي يزيد قليلاً عن 1 مليون دولار، وتسعى لتقديم حل أسرع وأكثر كفاءة للشركات التي تحتاج إلى تشغيل نماذج AI مباشرة على الأجهزة، في مواجهة الحلول الحالية التي غالباً ما تفتقر إلى الكفاءة.

تم اختيار الشركة للانضمام إلى Startup Battlefield 200 لعام 2026 ضمن فعاليات TechCrunch Disrupt، ما يشير إلى اهتمام مبدئي بقدرتها على إحداث تأثير في سوق البنية التحتية للذكاء الاصطناعي.

التحليل التقني

ينبع جوهر عرض Lola Vision Systems من برنامج "مجموعة أدوات المترجم" (compiler toolchain) الذي يهدف إلى تحويل نماذج الذكاء الاصطناعي، سواء كانت مخصصة أو مفتوحة المصدر، إلى تعليمات تنفيذية خاصة بالرقائق. يرى Adesanya أن هذه المرحلة تمثل "اختناقاً هائلاً"، مستشهداً بمتوسط 200 ساعة المطلوبة للتهيئة الأولية وحدها. تتجاوز هذه المشكلة مجرد الوقت؛ فبحسب Adesanya، فإن الحلول الحالية، مثل وحدات Nvidia Jetson أو نماذج AI مفتوحة المصدر، "غالباً ما تتعطل أو تعمل بشكل سيء مباشرة بعد التثبيت".

تحديات الحلول الحالية ومقترح Lola Vision

تتطلب هذه المشكلات من الفرق قضاء "أيام أو أسابيع" لتشغيل النماذج، ثم "أسابيع أخرى" لإزالة الأخطاء حتى تصبح قابلة للاستخدام. حتى بعد ذلك، غالباً ما يتجاوز استهلاك الطاقة ميزانيات الحوسبة الطرفية (edge computing)، أو تفشل لوحات الدوائر في توفير قوة المعالجة الكافية للنماذج متوسطة إلى كبيرة الحجم التي يتطلبها المنتج فعلياً. هذا يؤدي إلى "تخلف نماذج التعرف عن الأهداف أو قراءتها الخاطئة للأشياء".

تتصدى Lola Vision لهذه القضايا من خلال إعادة بناء طبقة البرمجيات بالكامل، بالتوازي مع تطوير رقائق أشباه الموصلات الخاصة بها. الهدف هو أتمتة معظم عملية النشر. يتلقى العميل رمز التطبيق ونموذج الذكاء الاصطناعي المطلوب، وتقوم برامج Lola Vision بترجمة كليهما إلى تعليمات يمكن لرقاقة العميل تنفيذها. تزعم الشركة أن هذا يوفر "سرعة" أكبر، ما يمنح شركات الفضاء وغيرها من "الشركات ذات المهام الحرجة" وقتاً لتشغيل "نماذج أكثر دقة على بياناتها الخاصة، باستهلاك طاقة أقل". تتلقى Lola Vision حالياً "اثنتي عشرة شركة" أعربت عن اهتمامها بشراء رقائقها فور توفرها، ولديها بالفعل "عميل واحد" موقع. لسد فجوة الإيرادات، ستقوم الشركة "بترخيص برامجها على الأجهزة الموجودة" حالياً، ما يسمح للعملاء باستخدام تقنيتها على رقائق جاهزة في السوق.

السياق وتأثير السوق

تعمل Lola Vision Systems في سوق شديد التنافسية، حيث تسعى لتقديم بديل لتقنيات Nvidia الراسخة في تشغيل الذكاء الاصطناعي على الأجهزة الطرفية. تعتبر Nvidia Jetson هي الحل القياسي حالياً للوحدات الحسابية المدمجة المخصصة لتشغيل الذكاء الاصطناعي على الأجهزة. يجادل Adesanya بأن حلول Nvidia والخيارات مفتوحة المصدر تعاني من مشكلات تتجاوز مجرد الإعداد الأولي الذي يستغرق 200 ساعة، حيث يؤدي الأداء الضعيف واستهلاك الطاقة المرتفع إلى "تجاوز ميزانيات الحوسبة الطرفية" وعدم القدرة على تشغيل النماذج الكبيرة بفعالية. هذا الوضع يتسبب في نتائج غير دقيقة لنماذج التعرف، وهي مشكلة حرجة للعملاء الذين لا يعتبرون "الدقة والموثوقية" مجرد ميزات إضافية، بل عناصر أساسية لمرور المنتج "المراجعة التنظيمية" وضمان عمله "بشكل موثوق في الميدان"، خاصة في قطاعات مثل الطيران.

من خلال تقديم برامجها المترجمة للنماذج وتطوير رقائقها، تسعى Lola Vision Systems إلى تقويض هيمنة Nvidia من خلال تقديم كفاءة وسهولة نشر أكبر. الشراكة مع SCALE، وهو برنامج لتطوير القوى العاملة في مجال الإلكترونيات الدقيقة، تعزز التزامها بالتعاون مع مختبرات أشباه الموصلات. بينما تنتظر الشركة توفر رقائقها الخاصة، فإن قرارها بترخيص برامجها على الأجهزة الموجودة يمثل استراتيجية عملية لتوليد إيرادات مبكرة، مع تزويد العملاء بفوائد تسريع النشر وتحسين الأداء دون الحاجة لانتظار حلها الكامل، ما قد يعيد تشكيل جزء من سوق الحوسبة الطرفية ويجبر المنافسين على مراجعة عروضهم لتبسيط عملية النشر.