ديب سيك تفتح أسرار تشغيل الذكاء الاصطناعي.. أداة جديدة قد تخفض التكاليف وتزيد المنافسة

أعلنت شركة الذكاء الاصطناعي الصينية ديب سيك (DeepSeek) إتاحة إطارها البرمجي DeepInfer مفتوح المصدر، في خطوة تستهدف مساعدة المطورين والشركات على تشغيل نماذج الذكاء الاصطناعي بكفاءة أعلى، مع تقليل تكاليف الحوسبة واستهلاك الطاقة.

وتستخدم الشركة، التي تتخذ من مدينة هانغتشو مقرًا لها، هذه المنظومة لتشغيل نماذجها على نطاق واسع وتحسين سرعة الاستجابة واستغلال موارد الحوسبة. وأوضحت أن الأداة تدعم حاليًا نموذج DeepSeek V4.1-Flash، مع خطط لإضافة دعم لنماذج مستقبلية.

ما أهمية DeepInfer؟

تركز الأداة على مرحلة تُعرف باسم «الاستدلال» (Inference)، وهي المرحلة التي يعالج خلالها نموذج الذكاء الاصطناعي طلبات المستخدمين وينتج الإجابات والمخرجات.

وتكمن أهمية هذه المرحلة في أن تشغيل النماذج المتقدمة على نطاق واسع يتطلب قدرًا كبيرًا من القدرة الحاسوبية، ما يجعل كفاءة البرمجيات المستخدمة عاملًا مؤثرًا في التكلفة النهائية للخدمات.

وتقول ديب سيك إن مشاركة تقنياتها مع مجتمع المطورين يمكن أن تساعد على خفض نفقات الحوسبة وتقليل استهلاك الطاقة، بما يجعل تشغيل نماذج الذكاء الاصطناعي أقل تكلفة بالنسبة إلى الشركات ومزودي الخدمات.

كيف تعمل الأداة على تحسين الأداء؟

يجمع DeepInfer مجموعة من التقنيات، من بينها الاستدلال الموزع، الذي يوزع أعباء المعالجة على عدة أجهزة بدلًا من الاعتماد على جهاز واحد، بما يساعد على التعامل مع عدد أكبر من الطلبات وتحسين الاستفادة من الرقائق الإلكترونية.

ورغم أن عددًا من هذه الأساليب مستخدم بالفعل في صناعة الذكاء الاصطناعي، فإن ديب سيك عملت على تكييفها لتناسب نماذجها واحتياجات تشغيلها الفعلية.

وتكمن أهمية إتاحة الإطار البرمجي في أنها تمنح المطورين والشركات فرصة لفحص هذه الأساليب والاستفادة منها، بدلًا من الاعتماد حصريًا على الحلول المغلقة التي تطورها الشركات التقنية الكبرى.

هل يؤدي DeepInfer إلى خفض أسعار الذكاء الاصطناعي؟

قد تنعكس كفاءة التشغيل على أسعار الخدمات المقدمة للعملاء، إذ يمكن لانخفاض تكلفة معالجة كل طلب أن يحسن هوامش أرباح الشركات التي تستضيف النماذج، أو يمنحها مساحة لخفض أسعار الاستخدام.

كما قد تستفيد المؤسسات التي تشغّل نماذج ديب سيك على بنيتها التحتية الخاصة من تقليل النفقات المرتبطة بالحوسبة والطاقة، خاصة عند التعامل مع أحجام كبيرة من الطلبات.

لكن هذه النتائج ليست مضمونة حتى الآن؛ إذ لا تتوافر، وفق التقرير، اختبارات أداء مستقلة تقيس مقدار التحسن الذي يحققه DeepInfer مقارنة بالحلول الأخرى. وستتوقف المكاسب الفعلية على طبيعة الأجهزة المستخدمة، وحجم الطلبات، وطريقة إعداد النظام وتشغيله.

فرصة جديدة أمام شركات الاستضافة والمطورين

يرى تيبو جيغو، الرئيس التنفيذي لشركة Requesty المتخصصة في خدمات الذكاء الاصطناعي وقياس الأداء وتوجيه الطلبات، أن إتاحة الأداة تقلل العوائق أمام الشركات الراغبة في استضافة نماذج ديب سيك.

ومع ذلك، فإن تشغيل النماذج بكفاءة على نطاق واسع لا يزال يتطلب بنية تحتية مناسبة وخبرات تقنية متخصصة، ما يعني أن فتح المصدر لا يلغي جميع التحديات أمام الشركات الصغيرة أو المطورين الأفراد.

كما يمكن للمطورين دراسة مكونات DeepInfer وتكييف بعض تقنياته لتناسب أنظمة استدلال أخرى، رغم أن الإطار صُمم أساسًا للعمل مع نماذج ديب سيك.

خطوة تعزز المنافسة في سوق الذكاء الاصطناعي

يمثل إطلاق DeepInfer امتدادًا لاتجاه يهدف إلى مشاركة أدوات التطوير والتشغيل بدلًا من حصر الابتكار في النماذج نفسها. فالمنافسة في الذكاء الاصطناعي لا تعتمد فقط على قدرات النموذج، بل تشمل أيضًا تكلفة تشغيله وسرعة استجابته ومدى كفاءة استخدام الموارد.

ومع اتساع استخدام النماذج الذكية في الشركات والتطبيقات، قد تصبح أدوات تحسين الاستدلال عنصرًا مهمًا في تحديد تكلفة الخدمات وقدرة مقدميها على التوسع.

ومع ذلك، سيظل التأثير الحقيقي لـDeepInfer مرتبطًا بنتائج الاختبارات المستقلة ومدى تبني الشركات له، وما إذا كانت مكاسب الكفاءة ستتحول بالفعل إلى انخفاض ملموس في تكلفة تشغيل الذكاء الاصطناعي.