ألقى دراسة حديثة تمت مراجعتها من قبل الأقران أجرتها io.net الضوء على ثورة صامتة في عالم الذكاء الاصطناعي: استخدام GPU consumer لتقليل تكاليف الذكاء الاصطناعي بشكل كبير.
نُشرت وقُبلت في المؤتمر الدولي السادس للذكاء الاصطناعي والبلوكشين (AIBC 2025) المرموق، تمثل الدراسة “Idle Consumer GPUs as a Complement to Enterprise Hardware for LLM Inference” أول معيار مفتوح لمجموعات GPU غير المتجانسة، التي تم اختبارها مباشرة على السحابة اللامركزية لـ io.net.
المحتويات
قلب الدراسة: RTX 4090 مقابل H100
في قلب التحليل نجد مقارنة بين وحدات معالجة الرسوميات للمستهلكين، مثل Nvidia RTX 4090 الشهيرة، ووحدات معالجة الرسوميات القوية للمؤسسات، وخاصة H100.
النتائج مذهلة: تكوينات من أربع وحدات RTX 4090 تصل إلى ما بين 62% و78% من قوة الحوسبة لوحدات H100، ولكن بتكلفة تشغيلية تقارب النصف. من حيث الكفاءة الاقتصادية، يتراوح التكلفة لكل مليون رمز بين $0.111 و$0.149، مع تخفيض يصل إلى 75% لأحمال العمل الدفعي أو مع تحمل التأخير.
الكفاءة والاستدامة: توازن ممكن
على الرغم من أن H100 تظل أكثر كفاءة من الناحية الطاقية – حوالي 3.1 مرة أكثر لكل توكن مُعالج – إلا أن الدراسة تسلط الضوء على جانب غالبًا ما يتم تجاهله: استغلال وحدات معالجة الرسوميات (GPU) الاستهلاكية غير النشطة يسمح بتمديد عمر الأجهزة وتقليل انبعاثات الكربون، خاصة إذا تم الاعتماد على شبكات كهربائية غنية بمصادر الطاقة المتجددة. بهذه الطريقة، لم تعد الاستدامة حلمًا بعيد المنال، بل فرصة حقيقية لمن يطور ويدير البنى التحتية للذكاء الاصطناعي.
التوجيه الهجين: المفتاح لتحسين التكاليف والأداء
وفقًا لـ Aline Almeida، رئيسة الأبحاث في مؤسسة IOG والمؤلفة الرئيسية للدراسة، فإن الحل المثالي ليس الاختيار بين GPU للمؤسسات أو للمستهلكين، بل اعتماد بنية تحتية غير متجانسة:
“يوفر التوجيه الهجين بين وحدات معالجة الرسوميات للمؤسسات والمستهلكين توازنًا عمليًا بين الأداء والتكاليف والاستدامة”.
تسمح هذه الاستراتيجية للمنظمات بالتكيف مع احتياجاتها من حيث زمن الاستجابة والميزانية، مع تقليل التأثير البيئي في الوقت نفسه.
التطبيقات العملية: حيث تُحدث وحدات معالجة الرسوميات للمستهلكين الفرق
تُبرز الدراسة كيف أن وحدات معالجة الرسوميات (GPU) المخصصة للمستهلكين مناسبة بشكل خاص لـ:
- تطوير واختبار نماذج الذكاء الاصطناعي
- المعالجة الدفعية والأعمال ذات التحمل للكمون
- سعة فائضة لإدارة ذروة حركة المرور
- البحث وبيئات التطوير
- تدفق الدردشة وembedding، حيث تكون التأخيرات بين 200 و500 مللي ثانية مقبولة
على العكس، تظل وحدات معالجة الرسوميات المؤسسية مثل H100 لا تُضاهى في التطبيقات في الوقت الفعلي، حيث تحافظ على زمن استجابة أقل من 55 مللي ثانية حتى تحت الحمل العالي.
مستقبل حساب الذكاء الاصطناعي موزع ويمكن الوصول إليه
بالنسبة لـغوراف شارما، الرئيس التنفيذي لشركة io.net، فإن هذا البحث يمثل تأكيدًا للرؤية المؤسسية:
“تحليل النظراء الذي تمت مراجعته يدعم أطروحتنا الأساسية: سيكون مستقبل الحوسبة موزعًا، متنوعًا ومتاحًا. من خلال الاستفادة من كل من أجهزة مراكز البيانات والمستهلكين، يمكننا ديمقراطية الوصول إلى البنية التحتية للذكاء الاصطناعي المتقدمة، مما يجعلها أيضًا أكثر استدامة”.
io.net: منصة عالمية للذكاء الاصطناعي اللامركزي
مع أكبر شبكة عالمية من وحدات معالجة الرسوميات الموزعة وحوسبة عالية الأداء عند الطلب، تقدم io.net نفسها كمنصة مرجعية للمطورين والمنظمات التي ترغب في تدريب النماذج، إدارة الوكلاء وتوسيع البنية التحتية لـ LLM. يتيح التكامل بين قابلية برمجة io.cloud ومجموعة أدوات API الخاصة بـ io.intelligence نظامًا بيئيًا متكاملًا للشركات الناشئة في مجال الذكاء الاصطناعي من جميع الأحجام.
النقاط الرئيسية للبحث
- تكوينات RTX 4090: تصل 4 وحدات معالجة رسومية إلى 62-78% من قوة H100 بنصف التكلفة، مع أفضل نسبة تكلفة/أداء لكل مليون رمز.
- الكمون: تضمن H100 أوقاتًا أقل من 55 مللي ثانية حتى مع الأحمال العالية؛ وتعتبر وحدات معالجة الرسوميات للمستهلكين مثالية للأحمال التي تتحمل كمونًا بين 200 و500 مللي ثانية.
- الاستدامة: استخدام وحدات معالجة الرسوميات (GPU) غير النشطة للمستهلكين يقلل من انبعاثات الكربون ويطيل عمر الأجهزة.
- المرونة: تتيح البنية التحتية المتنوعة تحسين التكاليف والأداء وفقًا للاحتياجات المحددة.
عصر جديد لتطوير الذكاء الاصطناعي
تشكل أبحاث io.net نقطة تحول لمن يعمل في قطاع الذكاء الاصطناعي. بفضل دمج GPU consumer و enterprise، أصبح من الممكن الآن بناء بنى تحتية قوية، اقتصادية ومستدامة، دون تنازلات كبيرة على الأداء. فرصة تعد بجعل الذكاء الاصطناعي ديمقراطياً، مما يجعله متاحاً لعدد متزايد من المطورين والمنظمات في جميع أنحاء العالم.




