أبرز النقاط
- OpenAI صممت أول شريحة سيليكون مخصصة للاستدلال وليس للتدريب خلال 9 أشهر فقط
- المعالج يستخدم شريحة حوسبة ضخمة بمساحة 840 مم² مع 6 وحدات ذاكرة HBM
- الشركة تدّعي كفاءة طاقة أعلى من معالجات Nvidia Blackwell وAMD MI350 الحالية
دخلت OpenAI رسمياً سباق تصنيع العتاد بإعلانها عن Jalapeño، أول معالج مخصص تطوره الشركة بالتعاون مع Broadcom، وذلك في غضون 9 أشهر فقط من الفكرة إلى السيليكون العامل — وهي مدة استثنائية لشريحة بهذا الحجم حيث تستغرق المشاريع المماثلة عادةً 18 إلى 24 شهراً. المعالج مصمم حصرياً لمهام الاستدلال (Inference) في النماذج اللغوية الكبيرة وأعباء عمل الوكلاء الذكية المستقبلية، وليس للتدريب كما هو شائع في معالجات الذكاء الاصطناعي الحالية.
لماذا قررت OpenAI بناء معالجها الخاص بدلاً من الاعتماد على Nvidia؟
تؤكد OpenAI أن Jalapeño ليس مجرد مسرّع ذكاء اصطناعي آخر أو معالج تدريب أُعيد توظيفه، بل هو شريحة ASIC مصممة من الصفر لمعالجة الاختناقات العملية التي تواجهها الشركة عند تشغيل الاستدلال على نطاق واسع. تشمل هذه الاختناقات: التكلفة العالية لنقل البيانات، والتوازن بين موارد الحوسبة والذاكرة، وكفاءة الشبكات، والسلوك العام للنظام.
الدافع الاستراتيجي واضح: OpenAI تخدم مئات الملايين من طلبات API يومياً عبر ChatGPT وواجهاتها البرمجية، وكل تحسين في كفاءة الطاقة أو زمن الاستجابة يترجم إلى ملايين الدولارات من التوفير السنوي. الاعتماد الكامل على Nvidia يعني أيضاً خضوعاً لجداول توريدها وأسعارها.
ما المواصفات التقنية لمعالج Jalapeño؟
لم تكشف OpenAI وBroadcom عن المواصفات التفصيلية، لكن صور الرقاقة والتغليف تتيح بعض الاستنتاجات. يحتوي المعالج على شريحة حوسبة ضخمة واحدة محاطة بست وحدات ذاكرة HBM، إضافة إلى شريحة أخرى يُرجح أنها تضم واجهات الإدخال والإخراج.
- مساحة شريحة الحوسبة: حوالي 840 مم² — قريبة جداً من الحد الأقصى لأنظمة الطباعة الحجرية EUV (858 مم²)
- 6 وحدات ذاكرة HBM3/4 تحيط بالشريحة الرئيسية
- تصميم يجمع بين الإنتاجية العالية وزمن الاستجابة المنخفض
- استخدام ذاكرة HBM بدلاً من DRAM الأرخص لتلبية متطلبات أعباء العمل الوكيلية
صورة الرقاقة تُظهر تصميماً متكرراً ومنتظماً يشبه بنية المصفوفات الانقباضية (Systolic Arrays) المستخدمة في معالجات TPU من Google، لكن لا يمكن الجزم بالبنية الدقيقة من الصور المتاحة وحدها.
ما الأداء المتوقع مقارنة بمعالجات Nvidia وAMD؟
تدّعي OpenAI وBroadcom أن كفاءة الطاقة (الأداء لكل واط) في Jalapeño أعلى بشكل ملموس من أفضل العتاد المتاح حالياً، في إشارة ضمنية إلى معالجات Nvidia Blackwell ومسرعات AMD Instinct MI350. كما تؤكدان أن المعالج يحقق استخداماً فعلياً أعلى من المسرعات التقليدية، مع أداء قريب من الحد النظري الأقصى.
لكن غياب الأرقام الفعلية والمعايير القياسية يستوجب الحذر. لم تُفصح الشركتان عن أهداف أداء محددة، ولا عن تفاصيل سرعة الساعة أو استهلاك الطاقة أو تكوين الذاكرة. العينات الهندسية تعمل حالياً في المختبر على السرعة والطاقة المستهدفتين، وتُشغّل أعباء عمل تعلم آلي مثل GPT-5.3-Codex-Spark.
هل سيتفوق Jalapeño على الجيل القادم من Nvidia وAMD؟
السؤال الأهم ليس المقارنة مع الجيل الحالي، بل مع ما سيأتي. حتى لو تفوق Jalapeño على Blackwell وMI350 اليوم، فإنه سيواجه منافسة شرسة من معالجات Nvidia Rubin ومسرعات AMD Instinct MI400 عند وصوله للإنتاج الكمي. الجدول الزمني للإنتاج الفعلي لم يُعلن بعد.
قال ريتشارد هو، المسؤول عن برنامج العتاد في OpenAI، إن المعالج صُمم من الألف إلى الياء لاستدلال النماذج اللغوية الكبيرة باستخدام رؤى تفصيلية من التعاون الوثيق مع باحثي الشركة، وأن الفريق حسّن البنية حول النوى الحسابية ونقل الذاكرة والشبكات وأنماط الخدمة الأكثر أهمية لنماذج الذكاء الاصطناعي المتقدمة.
ماذا يعني هذا لسوق معالجات الذكاء الاصطناعي؟
خطوة OpenAI تعكس توجهاً متسارعاً بين عمالقة الذكاء الاصطناعي نحو التكامل الرأسي. Google تملك TPU منذ سنوات، وAmazon طورت Trainium وInferentia، وMicrosoft تعمل على شرائح Maia. الهدف المشترك: تقليل الاعتماد على Nvidia التي تسيطر على أكثر من 80% من سوق معالجات التدريب.
التركيز على الاستدلال تحديداً منطقي اقتصادياً. التدريب يحدث مرة واحدة لكل نموذج، بينما الاستدلال يعمل ملايين المرات يومياً لخدمة المستخدمين. تحسين كفاءة الاستدلال يؤثر مباشرة على هوامش الربح في كل طلب API.
رأي Logicity
توقيت الإعلان ليس صدفة: OpenAI تستعد لعقد صفقات مراكز بيانات ضخمة وتحتاج ورقة تفاوض أمام Nvidia. لكن 9 أشهر من الفكرة إلى السيليكون العامل لا تعني 9 أشهر إلى الإنتاج الكمي — الفجوة قد تمتد لعام أو أكثر. المنافسون في سوق الاستدلال يشملون Groq بمعالجات LPU منخفضة التأخير، وCerebras بنهج الرقاقة الواحدة الضخمة، إضافة إلى عروض الاستدلال من AWS وGoogle Cloud. السؤال الحقيقي: هل ستبيع OpenAI السعة الفائضة لطرف ثالث أم تحتفظ بها لخدماتها؟ الإجابة ستحدد ما إذا كان Jalapeño منتجاً أم مجرد ميزة تنافسية داخلية.
الأسئلة الشائعة
ما الفرق بين معالج الاستدلال ومعالج التدريب في الذكاء الاصطناعي؟
معالج التدريب مصمم لتشغيل عمليات حسابية ضخمة لبناء النماذج من البيانات، بينما معالج الاستدلال محسّن لتشغيل النماذج الجاهزة بسرعة وكفاءة طاقة عالية لخدمة المستخدمين.
هل سيكون معالج Jalapeño متاحاً للشراء؟
لم تعلن OpenAI عن خطط لبيع المعالج. الأرجح أنه سيُستخدم داخلياً في مراكز بيانات الشركة لخدمة ChatGPT وواجهات API.
كيف يقارن Jalapeño بمعالجات TPU من Google؟
كلاهما شرائح ASIC مخصصة، لكن Jalapeño مصمم حصرياً للاستدلال بينما TPU يدعم التدريب والاستدلال. المقارنة المباشرة تحتاج معايير أداء لم تُنشر بعد.
ما دور Broadcom في تطوير المعالج؟
Broadcom شريك التصنيع والتصميم، وتمتلك خبرة واسعة في بناء شرائح مخصصة لعمالقة التقنية بما فيها معالجات TPU لـ Google.
متى سيدخل Jalapeño الإنتاج الكمي؟
لم يُعلن جدول زمني. العينات الهندسية تعمل في المختبر حالياً، والإنتاج الكمي قد يستغرق عاماً إضافياً أو أكثر.
هل تحتاج مساعدة في التطبيق؟
إذا كنت تبني منتجات ذكاء اصطناعي وتريد فهم خيارات البنية التحتية المتاحة — من السحابة إلى العتاد المخصص — تواصل مع فريق Logicity للاستشارات التقنية المتخصصة.
عمر حسن
كاتب تقني وابتكار
أُنتِج هذا المقال بمساعدة الذكاء الاصطناعي وراجعه فريق التحرير في لوجيسيتي. اعرف المزيد في سياسة التحرير.
