ما هو الشبكة البصرية القائمة على الذكاء الاصطناعي؟ ولماذا ترى غولدمان ساكس سوقًا بقيمة 154 مليار دولار بحلول عام 2028؟
لطالما ركّز المستثمرون على سؤال واحد خلال معظم طفرة الذكاء الاصطناعي: كم عدد وحدات معالجة الرسوميات التي يمكن للشركات التكنولوجية نشرها؟ لكن مع تزايد حجم وقوة مجموعات الذكاء الاصطناعي، انتقل عائق آخر إلى مركز السباق البنية التحتية—كيفية سرعة تواصل هذه المعالجات مع بعضها البعض.
هذا التحول يضع الشبكات البصرية في بؤرة الاهتمام. وصفت أبحاث غولدمان ساكس الشبكات البصرية بأنها "الاتجاه الضخم التالي" في بنية تحتية الذكاء الاصطناعي، وقدّرت أن ارتفاع قوة الحوسبة لكل رف والنشر الأوسع لبنية تحتية للذكاء الاصطناعي يمكن أن يحرر ما يقارب تسعة أضعاف حجم السوق المستهدفة الإجمالي، ليصل الفرصة إلى 154 مليار دولار.
تعكس الأطروحة تغييرًا أوسع في بنية الذكاء الاصطناعي. فالمُسرّعات الأسرع تُنتج كميات أكبر من البيانات، وتحتاج التجمعات الأكبر إلى مزيد من الاتصال بين المعالجات، وتصبح الوصلات الكهربائية التقليدية أكثر صعوبة في التوسع بكفاءة. وبالتالي، قد تصبح الألياف البصرية، والفيزياء الضوئية السيليكونية، والتقنيات الضوئية المُعبأة معًا بنفس الأهمية التي كانت عليها وحدات معالجة الرسوميات والذاكرة وأنظمة الطاقة للمرحلة الأولى من بنية الذكاء الاصطناعي.
ما هو الشبكة البصرية بالذكاء الاصطناعي؟
يشير الشبكات البصرية الذكية إلى استخدام تقنيات الاتصال القائمة على الضوء لنقل البيانات بين المعالجات والخوادم والمفاتيح والرفوف ومجموعات مراكز البيانات. بدلاً من الاعتماد كليًا على الإشارات الكهربائية التي تنتقل عبر النحاس، تقوم الأنظمة البصرية بتحويل البيانات إلى ضوء ونقلها عبر الألياف.
أسهل طريقة لفهم دوره هي التفكير في مركز بيانات الذكاء الاصطناعي كمصنع. وتعتبر وحدات معالجة الرسوميات وغيرها من وحدات التسريع آلات تقوم بالعمل، بينما يعتبر الشبكات نظام النقل الذي يربطها معًا. فحتى المصنع المليء بآلات شديدة القوة سيؤدي أداءً ضعيفًا إذا لم تتمكن المواد من التحرك بين هذه الآلات بسرعة كافية. تنطبق نفس المبدأ على الذكاء الاصطناعي: يجب أن تتبادل المعالجات باستمرار معلمات النموذج، والتنشيطات، والتدرجات، وبيانات أخرى أثناء التدريب أو تشغيل النماذج الكبيرة.
هذا يجعل الشبكة جزءًا من نظام الحوسبة الفعال بدلاً من كونها مكونًا طرفيًا. تجادل غولدمان ساكس أن الشبكة تُحرّر قدرة الحوسبة للرقائق الفردية للذكاء الاصطناعي من خلال السماح لعدد كبير من المعالجات بالعمل معًا بتأخير منخفض. مع نمو مجموعات الذكاء الاصطناعي، يمكن لذلك أن يرتفع مقدار الإنفاق على نقل البيانات جنبًا إلى جنب مع مقدار الإنفاق على توليد الحوسبة.
لماذا تحتاج الذكاء الاصطناعي إلى شبكات أسرع
غالبًا ما تتضمن حوسبة المؤسسات التقليدية أحمال عمل يمكنها العمل بشكل مستقل نسبيًا عبر الخوادم. لكن نماذج الذكاء الاصطناعي الكبيرة مختلفة. فتدريبها يتطلب غالبًا آلاف وحدات التسريع لتنسيق الحسابات، وتبادل كميات كبيرة من المعلومات والبقاء مزامنة. إذا تأخرت الاتصالات، فقد تقضي المعالجات المكلفة جزءًا من وقتها في الانتظار بدلاً من الحساب.
يصبح هذا التحدي أكثر حدة مع تكبير أنظمة الذكاء الاصطناعي. يتطلب تجمع يحتوي على مئات وحدات معالجة الرسوميات مستوىً واحدًا من سعة الشبكة؛ بينما يخلق نظام يحتوي على عشرات الآلاف—أو في النهاية مئات الآلاف—مشكلة اتصال مختلفة جوهريًا. تصف نيفيديا الآن الشبكات على أنها عامل مضاعف حاسم لقوة الحوسبة في مصانع الذكاء الاصطناعي الضخمة، مع تصميم هندستها الجديدة Spectrum لربط نشرات وحدات معالجة الرسوميات الضخمة جدًا.
النتيجة هي تحول من منظور مركّز على الرقائق إلى منظور على مستوى النظام. لا تزال وحدات معالجة الرسومات الأسرع مهمة، لكن قيمتها الاقتصادية تعتمد بشكل متزايد على قدرة الذاكرة والطاقة والتبريد والشبكات على الحفاظ على إنتاجيتها. مع ارتفاع كثافة الحوسبة، يرتفع تكلفة الشبكة غير الكافية لأن المعالجات الأغلى ثمناً تُستخدم بشكل غير كافٍ.
النحاس مقابل الألياف: لماذا تكتسب البصريات أرضية
لقد كان النحاس ضروريًا لفترة طويلة داخل مراكز البيانات. إنه غير مكلف، ومفهوم جيدًا، وفعال للغاية على المسافات القصيرة. بالنسبة للعديد من الاتصالات، سيظل النحاس منطقيًا من الناحية الاقتصادية. المشكلة هي أن نقل الإشارات الكهربائية بسرعات متزايدة باستمرار يصبح أكثر صعوبة مع زيادة عرض النطاق الترددي والمسافة.
عند معدلات بيانات أعلى، تواجه الروابط الكهربائية فقدان الإشارة وقيودًا في الطاقة والحرارة. يمكن للمهندسين تعويض ذلك باستخدام إعادة تزامن الإشارات ومعالجة الإشارة الرقمية وتصميمات كابلات محسّنة، لكن هذه الحلول تستهلك أيضًا طاقة. يمكن للاتصالات البصرية نقل عرض نطاق عالي جدًا على مسافات أطول مع تدهور إشارة أقل، مما يجعلها أكثر جاذبية مع تزايد حجم وسرعة شبكات الذكاء الاصطناعي. لاحظت غولدمان ساكس لإدارة الأصول في يوليو أن مراكز البيانات من المتوقع أن تحول المزيد من روابط النقل من النحاس نحو الألياف البصرية مع تزايد متطلبات السرعة والتوصيلية.
هذا لا يعني أن الألياف ستُزيل النحاس تمامًا من مركز بيانات الذكاء الاصطناعي. الانتقال الأكثر احتمالًا سيكون تدريجيًا: يظل النحاس تنافسيًا للعديد من الاتصالات قصيرة المدى، بينما تقترب التقنيات البصرية من المفاتيح والمعالجات مع زيادة متطلبات النطاق الترددي وصعوبة نقل الإشارات الكهربائية. وبالتالي، المتغير الرئيسي ليس ما إذا كان النحاس سيختفي، بل كم من كل جيل جديد من بنية الذكاء الاصطناعي يتطلب محتوى بصريًا.
التوسيع الأفقي مقابل التوسيع الرأسي: السوقان الرئيسيان للشبكات الذكية الاصطناعية
فهم الفرصة البصرية يتطلب أيضًا التمييز بين الشبكات الموسعة وفقًا للحجم والتوسع. يربط التوسيع حسب الحجم المسرّعات بشكل وثيق بما يكفي لكي تتصرف كنظام حوسبة واحد. تُعطي هذه الروابط أولوية لعرض نطاق ترددي عالٍ جدًا وتأخير منخفض جدًا، لأن وحدات معالجة الرسوميات قد تحتاج إلى تبادل المعلومات باستمرار أثناء الحمل العمل.
يربط التوسع الشبكي مجموعات أكبر من الخوادم أو الرفوف أو مجالات الحوسبة بحيث يمكن لل cụم الذكاء الاصطناعي ككل أن يتوسع. كانت الاتصالات البصرية تاريخيًا أكثر انتشارًا عبر هذه الروابط الأطول. التغيير الكبير هو أن التقنيات البصرية بدأت تتحرك نحو الداخل نحو بيئات التوسع الأفقي مع ارتفاع كثافة المعالجات ومتطلبات النطاق الترددي.
هذا التمييز يساعد على تفسير سبب قدرة السوق المحتملة على التوسع بسرعة أكبر بكثير من عدد مراكز البيانات وحدها. وتحليل غولدمان ساكس يدرس فرص التوسع الأفقي والرأسي، بالإضافة إلى التغيير في مزيج كابلات النحاس، ووحدات البصريات القابلة للإزالة، والبصريات المدمجة معًا، وعناصر التوصيل الأخرى. وبعبارة أخرى، الذكاء الاصطناعي لا يبني فقط شبكات أكثر — بل يزيد من كمية وتعقيد الشبكات المطلوبة داخل كل نظام حاسوبي.
ما هي البصريات المعبأة معًا؟
البصريات المُعبأة معًا، والتي تُختصر عادةً إلى CPO، هي واحدة من أهم التقنيات وراء المناقشة الحالية حول شبكات الذكاء الاصطناعي. في البنية التقليدية، يتواصل رقاقة التبديل كهربائيًا عبر لوحة دوائر قبل أن يصل الإشارة إلى جهاز ناقل بصري قابل للإزالة، حيث تُحوَّل إلى ضوء وتُنقل عبر الألياف.
يقوم CPO بتحريك المحركات البصرية أقرب بكثير إلى شريحة التبديل، ودمج البصريات مع حزمة الشريحة بدلاً من وضع جميع تحويلات البصرية على حافة النظام. يمكن أن يقلل المسار الكهربائي الأقصر من فقدان الإشارة واستهلاك الطاقة، مع السماح بكثافة عرض نطاق أعلى. يصبح ذلك ذا قيمة خاصة مع ارتفاع سرعات الشبكة وتصبح تكلفة الطاقة لنقل البيانات أكثر أهمية.
CPO تتجاوز بالفعل مرحلة المختبر. فقد أفاد Broadcom في مارس أن محفظة بنية تحتية للذكاء الاصطناعي تتضمن مفتاح Ethernet بسرعة 102.4 تيرابت في الثانية مع تقنية البصريات المدمجة، إلى جانب تقنية DSP البصرية بسرعة 400 جيجابت لكل قناة ومنتجات اتصالات عالية السرعة الأخرى. كما تقوم NVIDIA بإدخال CPO إلى منصة Spectrum-X Ethernet Photonics الخاصة بها، مما يجعل التقنية جزءًا من بنية ذكاء اصطناعي تجارية وليس مجرد مفهوم بحثي طويل الأمد.
لماذا ترى غولدمان ساكس سوقًا بقيمة 154 مليار دولار
الرقم الرئيسي في أطروحة جولدمان ساكس حول الشبكات البصرية هو سوق محتمل بقيمة 154 مليار دولار. تقدر البنك أن نمو البنية التحتية للذكاء الاصطناعي وزيادة قوة الحوسبة لكل رف يمكن أن يخلق توسعًا بحوالي تسعة أضعاف في الفرصة عبر تكوينات شبكة مختلفة. تشمل تحليلاته أنظمة التوسيع والتوسيع الأفقي، بالإضافة إلى كابلات النحاس، ووحدات البصرية القابلة للإزالة، وCPO، ولوحات PCB الوسطية.
النقطة المهمة هي أن التوقع يُدفع بواسطة قوتين في نفس الوقت. أولاً، تُنشر صناعة الذكاء الاصطناعي المزيد من البنية التحتية الحاسوبية. ثانياً، قد تتطلب كل جيل جديد من البنية التحتية محتوى شبكي أكبر لكل وحدة حسابية. إضافة المزيد من وحدات معالجة الرسوميات يخلق روابط إضافية، بينما زيادة عرض النطاق الترددي لكل رابط يزيد من قيمة المعدات الشبكية المطلوبة لربطها.
هذا يخلق تأثيرًا مضاعفًا محتملاً. لا يجب أن ينمو إيراد الشبكات الخاصة بالذكاء الاصطناعي فقط بسبب بناء مراكز بيانات أكثر؛ بل يمكنه أيضًا النمو لأن كل رف أو سوبرنود أو تجمع يحتوي على اتصالات أكثر تكلفة. لذلك يجب فهم الرقم البالغ 154 مليار دولار على أنه تقدير مبني على هياكل أنظمة مستقبلية وافتراضات التبني—وليس إيرادًا مضمونًا—لكنه يوضح كيف يمكن أن يتوسع إنفاق البنية التحتية للذكاء الاصطناعي بشكل كبير بعيدًا عن المسرّعات نفسها.
لماذا تهم NVIDIA Vera Rubin
توفر منصة فيرا روبين من NVIDIA أحد أوضح المؤشرات على أن الشبكات الضوئية تصبح ذات أهمية استراتيجية. في مايو 2026، قالت NVIDIA إن فيرا روبين بدأت الإنتاج الكامل وأطلقت Spectrum-X Ethernet Photonics، وهو نظام شبكي قائم على CPO مصمم لدعم مصانع الذكاء الاصطناعي المستقبلية التي تضم مليون وحدة معالجة رسومية.
وفقًا لـ NVIDIA، يمكن لـ Spectrum-X Ethernet Photonics توفير كفاءة طاقة أفضل بخمس مرات مقارنة بالشبكات التي تستخدم محولات تقليدية، إلى جانب تحسينات في وقت تشغيل التطبيقات وسرعة النشر. هذه الأرقام هي مقارنات خاصة بمنتجات NVIDIA، لكنها توضح سبب أصبحت طاقة الشبكات قلقًا رئيسيًا في التصميم. كل واط يستهلكه نقل البيانات هو واط غير متاح للمعالجات التي تقوم بحسابات الذكاء الاصطناعي.
الأهمية أوسع من جيل واحد من المنتجات. عندما يدمج مزود رائد لمحفزات الذكاء الاصطناعي الشبكات الضوئية في خارطة طريق منصته، تصبح البصريات جزءًا من البنية التحتية للنظام المحيطة بالحوسبة المستقبلية. وهذا يعزز الحجة القائلة بأن الاتصال قد يصبح حصة أكبر من إنفاق البنية التحتية للذكاء الاصطناعي، حتى لو استمرت تقنيات الشبكات الفردية في التطور.
هل سيستبدل CPO وحدات الضوء القابلة للتركيب؟
تمتلك CPO مزايا جذابة، لكن هذا لا يعني أن وحدات الضوئية القابلة للإدخال التقليدية ستختفي. تمتلك المحولات القابلة للإدخال ميزة تشغيلية كبيرة: فهي قابلة للتركيب. يمكن لمشغلي مراكز البيانات استبدالها أو ترقيتها أو صيانتها بشكل مستقل عن المفتاح، كما أن سلسلة توريد عالمية ناضجة تدعم بالفعل هذا الهيكل.
يُبادل CPO بعض هذا التوافقي من أجل تكامل أوثق. إن تقريب البصريات من السيليكون التبديل يمكن أن يحسن كفاءة الطاقة وكثافة النطاق الترددي، لكن التغليف وإدارة الحرارة ونسبة الإنتاج والقدرة على الصيانة تصبح أكثر تعقيدًا. هذه المساومات تعني أن الحل الأمثل يمكن أن يختلف حسب المسافة ومتطلبات النطاق الترددي وهندسة النظام وتكلفة التوقف.
لذلك، فإن المستقبل المحتمل أكثر تعقيدًا من مواجهة بسيطة بين CPO والخيارات القابلة للإدخال. يمكن لسوق شبكات الذكاء الاصطناعي المتسارع النمو أن يدعم كلا التقنيتين في أجزاء مختلفة من الشبكة. حتى إذا استحوذت CPO على حصة متزايدة في البيئات ذات أعلى عرض نطاق، فقد يستمر الطلب الكلي على الأجهزة البصرية القابلة للإدخال في الارتفاع إذا نما العدد الإجمالي للوصلات البصرية بسرعة كافية.
ما الشركات التي يمكن أن تستفيد من طفرة البصريات الذكية؟
تمتد الفرصة المحتملة أبعد بكثير من صانعي وحدات معالجة الرسومات لأن الشبكات البصرية تمثل سلسلة توريد متعددة الطبقات. فأنظمة الحوسبة تخلق الطلب، وشرائح الشبكات تقوم بتوجيه الحركة، ومكونات الألياف البصرية تحول الإشارات الكهربائية إلى ضوء، والألياف تنقل تلك الإشارات، ومعدات الشبكات تجمع الأجزاء معًا.
| القسم | الدور في الشبكات الذكية | أمثلة |
| أنظمة حوسبة الذكاء الاصطناعي | خلق طلب على الاتصال عالي السرعة | NVIDIA |
| رقائق التبديل والشبكة | توجيه حركة المرور عبر مجموعات الذكاء الاصطناعي | Broadcom، NVIDIA |
| المكونات البصرية | الليزر، المحولات والمركبات ذات الصلة | متماسك، لومينتوم |
| بنية تحتية للألياف | ينقل الإشارات البصرية | كورنينغ |
| أنظمة الشبكات | يُنشئ شبكات ضوئية عالية السرعة | سيينا |
إن أطروحة الاستثمار الأوسع هي بالتالي أن إنفاق رأس المال على الذكاء الاصطناعي قد ينتشر outward. وقد مُنحت الموجة الأولى مكافآت غير متناسبة للشركات التي تبيع وحدات الحوسبة. وقد زادت الموجات اللاحقة من الاهتمام بالذاكرة والطاقة والتبريد، ويمكن أن تمثل الشبكات طبقة أخرى من هذا التوسع. إن محفظة منتجات Broadcom الحالية مثال مفيد: فهي تغطي الآن تقنيات XPUs ومحولات Ethernet والبصريات وSerDes وDSPs وPCIe لمجموعات الذكاء الاصطناعي الكبيرة.
ومع ذلك، فإن التعرض الصناعي لا يجعل كل شركة بصرية فائزة تلقائيًا. يمكن لمزيج المنتجات، وتركيز العملاء، وقدرات التصنيع، والتسعير، والتحولات التكنولوجية أن تخلق نتائج مختلفة جدًا عبر سلسلة التوريد.
ما الذي يمكن أن يوقف الازدهار بقيمة 154 مليار دولار؟
أكبر خطر هو بسيط: قد ينمو إنفاق رأس المال على الذكاء الاصطناعي ببطء أكثر من المتوقع. تعتمد توقعات شبكات الضوئية في النهاية على مدى سرعة استمرار مزودي البنية التحتية الكبيرة ومختبرات الذكاء الاصطناعي والشركات في بناء البنية التحتية الحاسوبية. كما أن تقليل نشر وحدات التسريع سيقلل أيضًا من الحاجة إلى الروابط المحيطة بتلك الوحدات.
يمكن أن تغير التكنولوجيا أيضًا التوقعات. قد تُمدد الكابلات الكهربائية النشطة المحسّنة، وأجهزة إعادة التوقيت، وتقنيات النحاس الأخرى الاتصال الكهربائي لمسافات أبعد مما تتوقعه التوقعات الحالية. قد تواجه CPO تحديات في التصنيع أو التغليف أو قابلية الصيانة تُبطئ التبني. قد تنظم هندسات الذكاء الاصطناعي المستقبلية الحوسبة بشكل مختلف، مما يغيّر عدد الروابط البصرية المطلوبة لكل رف أو مجموعة.
أخيرًا، الكفاءة هي عدم يقين حقيقي. يمكن للنماذج والبرمجيات وتقنيات الاستنتاج الأفضل أن تسمح لمزودي الذكاء الاصطناعي بإنجاز مزيد من العمل باستخدام نفس الأجهزة. لذلك، من الأفضل اعتبار رقم جولدمان ساكس البالغ 154 مليار دولار كسيناريو لكيفية تطور حجم الفرصة تحت افتراضات بنية تحتية معينة. الفرضية الأكثر استدامة ليست الرقم الدقيق—بل أن نقل البيانات يصبح جزءًا أكبر وأكثر قيمة من حوسبة الذكاء الاصطناعي.
هل يُعد التوصيل الضوئي الاتجاه الكبير التالي في البنية التحتية للذكاء الاصطناعي؟
الحالة التقنية تصبح أقوى بشكل متزايد. تزداد حجم مجموعات GPU، وترتفع متطلبات عرض النطاق الترددي، ويركز المزيد من الاهتمام على كمية الطاقة المستهلكة فقط لنقل البيانات. لدى كل من NVIDIA وBroadcom الآن خطط منتجات تجارية تضع تقنيات ضوئية متقدمة داخل أنظمة شبكات الذكاء الاصطناعي الواسعة النطاق.
لكن السؤال المهم ليس ما إذا كان السوق سيصل بدقة إلى 154 مليار دولار بحلول تاريخ معين. ستتغير التوقعات مع تطور هياكل الذكاء الاصطناعي. ومقياس أكثر فائدة هو كمية الشبكات والمحتوى البصري المطلوبة لكل وحدة من حوسبة الذكاء الاصطناعي. إذا استمرت هذه النسبة في الارتفاع مع توسيع نشر حوسبة الذكاء الاصطناعي بشكل عام، فقد ينمو الشبكات البصرية بسرعة حتى لو تغيرت تقنيات فردية أو افتراضات حصة السوق.
هذا يجعل الاتصال أحد أهم المجالات التي يجب مراقبتها في المرحلة التالية من بناء الذكاء الاصطناعي. قد تولد وحدات معالجة الرسومات الذكاء، لكنها تتطلب شبكات أكثر تعقيدًا بشكل متزايد لدمج هذه المعالجات في أنظمة حوسبة كبيرة بما يكفي لتدريب وتشغيل الجيل القادم من النماذج.
الاستنتاج: تصبح الذكاء الاصطناعي قصة اتصال
كانت المرحلة الأولى من طفرة البنية التحتية للذكاء الاصطناعي التوليدي مهيمنة على الحوسبة. أصبحت وحدات معالجة الرسوميات (GPUs) المورد النادر، وتسابقت الشركات لتأمين وحدات التسريع والذاكرة والطاقة وقدرات مراكز البيانات. مع توسّع هذه الأنظمة، يزداد التحدي نحو ربط كل هذا الحوسبة بكفاءة.
تعالج شبكات الضوئية هذا التحدي من خلال توفير عرض النطاق الترددي والوصول وكفاءة الطاقة المطلوبة لنقل كميات هائلة من البيانات بين المعالجات والمجموعات. يمكن لتقنيات CPO والفوتونيات السيليكونية أن تقرب البصريات أكثر من السيليكون الخاص بالذكاء الاصطناعي، بينما تُظهر الأنظمة من الجيل التالي مثل NVIDIA Vera Rubin أن الانتقال يدخل بالفعل البنية التحتية التجارية.
قد يكون التوقع البالغ 154 مليار دولار من غولدمان ساكس دقيقًا أو قد لا يكون كذلك. التوجه الأكبر هو الأهم: قد تعتمد المرحلة التالية من سباق البنية التحتية للذكاء الاصطناعي بشكل متزايد ليس فقط على سرعة معالجة المعالجات، بل أيضًا على سرعة نقل المعلومات بينها.
الأسئلة الشائعة
هل الفوتونيات السيليكونية هي نفسها الألياف البصرية؟
لا. الألياف البصرية تشير أساسًا إلى نقل الضوء عبر الألياف البصرية، بينما تستخدم الفوتونيات السيليكونية تقنيات تصنيع أشباه الموصلات لدمج الوظائف البصرية مثل المُعدّلات وكاشفات الضوء على أجهزة قائمة على السيليكون. يمكن للتقنيتين العمل معًا: مكونات الفوتونيات السيليكونية تُولّد أو تُManipulate أو تستقبل إشارات ضوئية تنتقل بعد ذلك عبر الألياف.
ما هو محول بصري في مركز بيانات الذكاء الاصطناعي؟
يقوم المحول البصري بتحويل البيانات الكهربائية من الخوادم أو شرائح الشبكة إلى إشارات بصرية للإرسال عبر الألياف، ويعيد تحويل الضوء الوارد مرة أخرى إلى إشارات كهربائية. هذه الوحدات هي نقاط اتصال حاسمة في شبكات مراكز البيانات الحديثة، خاصة مع ارتفاع سرعات الروابط وتوسع استخدام الألياف في البنية التحتية للذكاء الاصطناعي.
ماذا يعني 800G و1.6T في الشبكات البصرية؟
يصفون السعة التقريبية للبيانات لاتصال شبكي. يمكن لرابط 800G نقل ما يصل إلى حوالي 800 جيجابت في الثانية، بينما يشير 1.6T إلى حوالي 1.6 تيرابت في الثانية. هذه الأرقام تصف عرض النطاق الترددي للشبكة وليس الأداء الحسابي لوحدة معالجة الرسوميات.
هل يحتاج استنتاج الذكاء الاصطناعي إلى الشبكات البصرية بنفس درجة تدريب الذكاء الاصطناعي؟
يمكن أن يختلف نمط الشبكة. غالبًا ما يتطلب تدريب النماذج الكبيرة مزامنة مكثفة عبر العديد من وحدات التسريع، مما يجعل الاتصالات فائقة السرعة ضرورية. يمكن أحيانًا توزيع الاستنتاج بشكل أكثر استقلالية، لكن نماذج الاستدلال الكبيرة والذكاء الوكيلي والخدمات عالية الحجم يمكن أن تتطلب أيضًا اتصالًا كبيرًا بين المعالجات والأنظمة.
لماذا يهم استهلاك الطاقة للشبكات في مراكز بيانات الذكاء الاصطناعي؟
تعمل مراكز بيانات الذكاء الاصطناعي ضمن ميزانيات كهربائية وتبريد محدودة. الطاقة المستهلكة من قبل المفاتيح، ووحدات المحولات، ومعدات معالجة الإشارات تقلل من الكمية المتاحة لوحدات GPU والأجهزة الحاسوبية الأخرى. مع نمو مجموعات الذكاء الاصطناعي، يمكن لخفض الطاقة المطلوبة لنقل كل بت من البيانات تحسين كفاءة النظام والجوانب الاقتصادية لمراكز البيانات بأكملها.
🔥 تقدم KuCoin خيارًا أكثر استقرارًا في سوق متقلب
إذا كنت قلقًا من التقلبات المتكررة في السوق، وتسعى لخيار أكثر استقرارًا لكسب المال بشكل سلبي، فإن KuCoin هو المكان المناسب للقدوم إليه:
Simple Earn: أودع واسحب الرموز في أي وقت واحصل على عوائد ثابتة.
KuCoin Earn: اكسب أرباحًا مستقرة مع إدارة أصول احترافية.
الاحتفاظ لكسب المكافآت: اكسب مكافآت من خلال الاحتفاظ بالأصول في حسابات التمويل، التداول، الهامش، العقود الآجلة، التعدين، والحسابات الموحدة.
الاستيداع: فك قفل إمكانات الربح للأصول على السلسلة.
الاستثمارات المتقدمة: تقدم الاستثمارات المتقدمة مجموعة متنوعة من المنتجات المهيكلة لمساعدة أموالك على النمو في أي سوق.
الزعانف القرشية: حماية الرأس المال وأرباح مضمونة
الاستثمار المزدوج: اشترِ منخفضًا وابيع مرتفعًا مع حسابات عوائد شفافة.
Snowball: عوائد عالية، مع حماية من السعر.
الشراء بخصم: اشترِ العملات المشفرة بأسعار مخفضة.
KCS Loyalty: رقّي مستواك للاستمتاع بمزايا حصرية عن طريق تجميد ≥ 1 KCS.
KuCoin Wealth: اكتشف القيمة المستقبلية وابدأ رحلتك في الاستثمار الذكي.
فوائد KCS: احتفظ بـ KCS وقم بتعييده للوصول إلى المزايا عبر المنصة.
KCS Staking 2.0: شارك في حوكمة KCS على السلسلة لكسب عائد.
إخلاء المسؤولية: هذا المحتوى لأغراض إعلامية فقط ولا يشكل نصيحة استثمارية. تستلزم استثمارات العملات المشفرة مخاطر. يرجى إجراء بحثك الخاص (DYOR).
اخلاء المسؤوليه: تُرجمت هذه الصفحة باستخدام تقنية الذكاء الاصطناعي لراحتك. للحصول على المعلومات الأكثر دقة، ارجع إلى النسخة الإنجليزية الأصلية.