بينما يركز الجميع على القتال في طبقة النموذج، توجه فريق يمتلك معيار التفسير المفتوح المصدر باتجاه بنية تحتية ذكاء اصطناعي جديدة، بدعم من أكثر مستثمري الجولة التأسيسية في سيليكون فالي فخراً.

مؤلف المقال، المصدر: Machine Learning China

في 5 مايو، أعلنت شركة راديكس آرك الناشئة في مجال البنية التحتية للذكاء الاصطناعي عن إتمام جولة تمويل بذور بقيمة 100 مليون دولار، بقيمة بعد الاستثمار قدرها 400 مليون دولار. سواء من حيث المبلغ أو التقييم أو تشكيلة المستثمرين، فإن هذه هي أكبر استثمار مبكر حتى الآن في قطاع البنية التحتية للذكاء الاصطناعي لعام 2026.

هذه الجولة قادتها Accel وSpark Capital كقائد مشترك. شمل المستثمرون المؤسسيون NVentures التابعة لـ NVIDIA وAMD وMediaTek وDatabricks، بالإضافة إلى Salience Capital وHOF Capital وWalden Catalyst وA&E Investment وLDVP وWTT Fubon Family من بين كبار المؤسسات. تقريبًا جميع اللاعبين الرئيسيين في قطاع الأجهزة الأساسية والطبقة النظامية، من GPU إلى CPU، ومن رقائق الحافة إلى منصات البيانات، حضروا.

بالإضافة إلى فئة المؤسسات الرائدة، شارك عدد من القادة التقنيين العالميين من خلفيات تشمل Intel وBroadcom وOpenAI وxAI وPyTorch كمستثمرين ملاك في هذه الجولة.

"مدير تنفيذي واحد من أكبر ثلاث شركات للعتاد + مؤسس مختبر نماذج رائدة + مخترع PyTorch"، من النادر جدًا في تاريخ بنية الذكاء الاصطناعي أن تجمع هذا المزيج في جولة تمويل أولية. يقول مستثمرون مطلعون على هذا المجال بوضوح: إنهم يراهنون على "المعيار الفعلي للبنية التحتية من الجيل التالي".

أفضل محرك استدلال في العالم، بين أيديهم

قصة RadixArk يجب أن تبدأ من مشروع مفتوح المصدر يُدعى SGLang.

منذ نشأته في عام 2023، أصبح SGLang أحد المعايير الفعلية لاستدلال النماذج الكبيرة المفتوحة المصدر، بسرعة تطوير لا تُصدق خلال سنتين، وجمع أكثر من 27K نجمة على GitHub، وتم نشره على أكثر من 400K وحدة معالجة رسومية. تتدفق يوميًا تريليونات من الرموز الإنتاجية عبر SGLang، ويشمل مستخدموه Google وMicrosoft وNVIDIA وOracle وAMD وLinkedIn وxAI وThinking Machines Lab.

على مدار السنتين الماضيتين، شهدت هندسة النماذج تغييرات جذرية تضمنت MoE، والسياق الطويل، ونماذج الاستدلال، ودمج متعدد الوسائط. وفي كل إعادة هيكلة للهندسة، حققت SGLang التوافق من اليوم الأول — من خلال آلية رائدة في فتح المصدر تدعم النموذج فور إصداره، مع أداء يقترب من الحدود الفيزيائية للجهاز. وقد أُشير باستمرار من قبل المستثمرين إلى أن سرعة تطور SGLang وانضباطه الهندسي المتكامل يمثلان مستوى قياسيًا لا مثيل له في مشاريع المصدر المفتوح.

خلف الانضباط الأساسي، فريق مؤسس متمرس في مجالات الأنظمة والخوارزميات.

الرئيس التنفيذي يينغ شينغ حصلت على درجة البكالوريوس من برنامج ACM في جامعة شنغهاي جياو تونغ، ودرجة الدكتوراه من جامعة ستانفورد، وهي المُؤسِّسة لـ LMSYS Org وأحد المؤسسين الرئيسيين لـ SGLang. خلال دراستها للدكتوراه، عملت كباحثة زائرة في مختبر Sky Lab بجامعة كاليفورنيا، بيركلي، وعملت سابقًا في Databricks و xAI، حيث شغلت منصب مديرة فريق الاستنتاج في xAI. تلقى عملها في مجالات تخفيف الانتباه وإعادة استخدام ذاكرة التخزين المؤقت KV اهتمامًا كبيرًا من الصناعة، حيث يُعد آلية RadixAttention في الإصدارات المبكرة من SGLang أحد أعمالها البارزة.

الرئيس التنفيذي للتقنية جو بانغهوا (Banghua Zhu) حصل على درجة البكالوريوس من قسم الهندسة الإلكترونية في جامعة تسينغهوا، وحصل على درجة الدكتوراه من جامعة كاليفورنيا، بيركلي، تحت إشراف خبراء التعلم الآلي مايكل آي. جوردن وجيانتاو جياو. خلال دراسته للدكتوراه، أسس بالاشتراك شركة Nexusflow، التي تم شراؤها لاحقًا من قبل نيفيديا، حيث شغل منصب عالم أبحاث رئيسي في نيفيديا. وقد شارك في مشاريع تضمنت إنشاء أنظمة تدريب صناعية كاملة، بالإضافة إلى تحسينات عميقة على الأنظمة الأساسية الداخلية لنيفيديا وخبرة طويلة في التدريب الواسع النطاق.

قام مسؤول تقني من شركة مُصنّعة للعتاد الأساسي بتقييم أن هذا هو أفضل تركيبة مؤسسين في ريادة أعمال بنية الذكاء الاصطناعي لعام 2026: من جهة، مؤسسون بحثيون يمتلكون المعيار الفعلي للاستدلال المفتوح المصدر، ومن جهة أخرى، خبراء خوارزميات نماذج كبيرة من طبقة البحث الأساسية في شركة معالجات GPU.

الاحتفاظ بمحرك الاستدلال SGLang الذي يعالج تريليونات من الرموز يوميًا — هذا بحد ذاته نقطة بداية أحلام لريادة الأعمال في بنية الذكاء الاصطناعي. لكن هذه المجموعة لا تمتلك هذه البطاقة وحدها.

اليوم-0 ترويض DeepSeek V4 التعلم المعزز

بالإضافة إلى محرك الاستدلال، حققت RadixArk تقدمًا أيضًا على جانب التدريب.

في نوفمبر 2025، أطلق الفريق إطار عمل التعلم المعزز Miles كمصدر مفتوح، مع التركيز على استقرار وكفاءة تدريب RL على نطاق واسع، ويُستخدم حاليًا من قبل أكثر من 20 فريقًا لتدريب نماذج MoE بالتعلم المعزز.

في عامي 2025–2026، ستشهد المنافسة على قدرات التفكير المنطقي واستخدام الأدوات والوكيلات تطورًا شاملاً، وكل خطوة تقدم تتطلب خلفها نظامًا قادرًا على تحمل RL موزع بحجم هائل. أشار مراقبو الصناعة إلى نقطة ألم مذكورة باستمرار ولكنها لم تُحل لفترة طويلة: أكثر ما يعاني منه فرق النماذج الكبيرة اليوم يتجاوز بكثير أي تحسين نقطة واحدة. إن الاحتكاك عند الحدود عبر سلسلة كاملة من التدريب إلى RL ثم إلى الاستدلال في الإنتاج، حيث يبدو كل جزء منفصل قريبًا من الأمثل، لكنه عندما يُدمج معًا، يُفقد الكفاءة في كل مكان.

يحاول مزيج Miles و SGLang سد الفجوة الكفاءة التي تواجهها فرق النماذج الكبيرة حاليًا في السلسلة الكاملة من "التدريب-RL-الاستدلال".

قدرة النموذج الجديد Day-0 هي تجسيد مباشر لقوة فريق البنية التحتية الهندسية.

في 25 أبريل، تم إصدار DeepSeek-V4 ذو البنية المعقدة. وفي نفس اليوم، نفذ SGLang و Miles دعمًا متزامنًا للاستدلال وتدريب RL لـ DeepSeek-V4. ويعود هذا إلى تحسينات نظامية على مستوى الأساس، بما في ذلك تخزين مقدمات ShadowRadix المصمم للانتباه المختلط، وFlash Compressor الذي يكتمل الضغط داخل شريحة واحدة، وLightning TopK الذي يقلل تأخير Top-K إلى 15 ميكروثانية، بالإضافة إلى توصيل خط أنابيب RL الكامل من الاستدلال FP8 إلى التدريب BF16.

دعم توافق كامل للطبقات:

ما الذي يثير قلق الكبار عندما يدخلون جميعًا؟

NVIDIA وAMD وMediaTek وBroadcom وIntel — الشركات الأكثر أهمية على مستوى الأجهزة، والتي تظهر جميعها في جولة البذور، أمر شبه مستحيل في الصناعة. في الواقع، تفهم شركات الأجهزة أفضل من أي شخص آخر أن قوة الحوسبة لا تزال مكلفة ونادرة، ولا يمكن الاستمرار في الاعتماد فقط على زيادة الأجهزة. نظام استنتاج مفتوح المصدر حقيقي مُفكك من الأجهزة، قادر على استغلال أداء الشرائح إلى أقصى حد على منصات متنوعة، هو أكبر طلب ملحّ لديهم.

مشاركة مُبدعي Databricks و PyTorch، وأبرز الشخصيات من OpenAI / Thinking Machines / xAI، تشير إلى توقع قوي من طبقة النماذج والأنظمة تجاه "بنية تحتية متكاملة للتدريب والاستنتاج". كل اسم في فريق المُستثمرين المبكرين يعني منظورًا دقيقًا جدًا للرهان:

• تشن ليوو، الرئيس التنفيذي لشركة إنتل، شخصية رائدة في صناعة أشباه الموصلات مع خبرة تزيد عن عقود عديدة.
• جون شولمان هو المؤسس المشارك السابق لـ OpenAI، والمؤسس المشارك لـ Thinking Machines Lab، وأحد رواد التعلم المعزز.
• سوميث تشينتالا — المؤسس المشارك لـ PyTorch، حارس إطارات التعلم العميق العالمية.
• إيغور بابوشكين، المؤسس المشارك السابق لـ xAI، قام ببناء يدويًا أكثر أنظمة التدريب ومنصات الأجهزة تعقيدًا في الصناعة.
• ليليان وينغ، المؤسسة المشتركة لـ Thinking Machines Lab، تمتلك أعمق رؤية مباشرة على تطبيق أنظمة الذكاء الاصطناعي في الصناعة.

عندما يختار هؤلاء الأفراد، الذين يمكنهم دعم جولة تمويل كاملة بمفردهم في أي مناسبة، الظهور معًا على نفس جدول رأس المال، فهذا يمثل تنبؤًا حارًا بالمستقبل.

بنية تحتية للجميع: لا تترك بناء الذكاء الاصطناعي في أيدي القلة

رؤية RadixArk يمكن تلخيصها في جملة واحدة: جعل بنية الذكاء الاصطناعي الأساسية كسلعة عامة شائعة وموثوقة وغير خاضعة لسيطرة أي طرف. يبدو هذا كإعﻻن مثالي، لكن من حيث التطبيق العملي، فإنهم يحولون هذه الجملة إلى واقع:

• الأكاديمية

قبل ثلاث سنوات، كان أمام طالب دكتوراه يعمل على تحسين استنتاج LLM خياران فقط: إما واجهة برمجة تطبيقات OpenAI، التي تُحسب حسب الرموز ولا تُظهر أي هيكل داخلي؛ أو كود مفتوح المصدر قديم، حيث يُذكر في ملف README أنه "يعمل على وحدة معالجة رسومات واحدة"، وهو ما يبعد عنه السيناريو الموزع الحقيقي المذكور في الورقة البحثية بمقدار سنوات من العمل الهندسي.

SGLang ينهي هذا الخيار الثنائي — إنتاجية صناعية يومية عالية مع كود مفتوح بالكامل، حيث تستخدمه مجموعات البحث النظامي في ستانفورد وبركلي وCMU وUW كأساس افتراضي. بالنسبة للباحثين في مجال الوكلاء، فإن ميزة RadixAttention لتخزين الباقة المقدمة تُنظّم البادئات المشتركة في هيكل شجري، وتحسب قيم المفاتيح والقيم المتطابقة مرة واحدة فقط، مما يقلل تجربة استغرقت يومين إلى نصف يوم فقط، وأصبح الإشارة إلى SGLang في الأوراق البحثية المحلية تقريبًا إجراءً افتراضيًا.

• شركة ناشئة

مجموعة من المهندسين الذين غادروا شركات كبيرة، وخرجوا لبدء مشروعهم الخاص مستندين إلى فهم عميق لمشهد متخصص. لم يكن لديهم ميزانية ضخمة للحوسبة، ولا فريق متخصص في البنية التحتية، بل فقط حدس قوي تجاه المنتج.

في الماضي، كان بناء خطوط إنتاجية للاستدلال والحفاظ على التوافق عبر الأجهزة المختلفة يتجاوز قدرة الشركات في جولة التمويل الأولية، مما يستهلك وقتًا كبيرًا في إعادة اختراع العجلة. الآن، يمكنها مباشرةً إنشاء خدمات استدلال تقترب من الأداء الرائد على أساس SGLang، وتدريب نماذج متخصصة في المجال باستخدام Miles — لم تعد البنية التحتية عائقًا، ويمكن توجيه جميع الوقت والمال الموفَّر نحو بناء ما ترغبون حقًا في إنشائه.

• العملاق التكنولوجي

لماذا تظهر شركات مثل Google و Microsoft و NVIDIA، التي تمتلك أقوى بنية تحتية داخلية في العالم، في قائمة مستخدمي SGLang؟ الإجابة مخفية في هيكل المستثمرين الحالي — خمس شركات مصنّعة للعتاد الأساسية: NVIDIA و AMD و MediaTek و Broadcom و Intel، جميعها دخلت المجال معًا. فهي تعرف أكثر من أي شخص آخر ما يعنيه وجود نظام استنتاج مفتوح المصدر، مستقل عن العتاد، وغير مرتبط بأي منافس، بالنسبة للبيئة بأكملها. استخدام نظام مفتوح المصدر يُحافظ عليه من قبل المجتمع وتدعمه عدة شركات مصنّعة للعتاد، هو بحد ذاته استراتيجية بنية تحتية على مستوى أعلى.

التصريح الرسمي لـ RadixArk لا يحتوي على عاطفة، لكنه كافٍ في حدة التعبير:

لا ينبغي أن تُقيَّد الذكاء الاصطناعي من الجيل القادم بحق الوصول إلى البنية التحتية الخاصة. يجب أن يتمكن مزيد من الفرق من امتلاك نماذجهم الخاصة، وأنظمتهم الخاصة، ومستقبلهم الخاص.

تهدف هذه الجولة التمويلية الأولية بقيمة 100 مليون دولار إلى تحويل هذه الجملة إلى واقع هندسي: جعل SGLang معيار الإنتاج من اليوم الأول لأي نموذج جديد؛ وتحويل Miles إلى إطار عمل على مستوى البنية التحتية للتدريب الضخم والتعلم المعزز؛ ثم بناء منصة مُدارة توفر قدرات بنية تحتية رائدة، دون قفل النماذج أو إجبار العملاء، على أساس النواة المفتوحة المصدر.

رؤية RadixArk لم تكن أبدًا استبدال أحد. بل جعل مختبر أكاديمي، وفريق عمل مكون من ثلاثة أشخاص، وشركة ناشئة حديثة الحصول على جولة بذور، وشركة ضخمة بقيمة سوقية تريليونات — جميعها على نفس خط البداية من البنية التحتية.

إذا كانت Anthropic في عام 2023، وميسترايل في عام 2024، ومختبر آلات التفكير في عام 2025 تمثل كل منها رهانًا اتجاهيًا على طبقة نماذج الذكاء الاصطناعي، فإن راديك أرك في عام 2026 تراهن على شيء أكثر أساسية وأطول أمدًا: إعادة حق بناء الذكاء الاصطناعي المتقدم إلى أيدي عدد كافٍ من الأشخاص.

بعد إتمام التمويل، أطلق الفريق مبادرة ل回馈 مجتمع مفتوح المصدر: من يسجل على المنصة ويتشارك التغريدة، سيحصل على نقاط استخدام مجانية بعد الإطلاق الرسمي لمنصة RadixArk. بالنسبة لهذه الفريق الذي نشأ من مجتمع مفتوح المصدر، فإن هذه مبادرة تُقدّم قوة حوسبة حقيقية كشكر للأشخاص الذين دعموا SGLang طوال الطريق حتى اليوم.

• الرابط: platform.radixark.com