أعلنت شركة Inferact الناشئة المتخصصة في تقنيات الاستدلال (Inference) عن حصولها على تمويل بقيمة 150 مليون دولار في جولة تمويلية كبيرة. تهدف الشركة إلى تسويق وتطوير منصة vLLM مفتوحة المصدر، والتي تُسرّع تشغيل نماذج الذكاء الاصطناعي الكبيرة. يأتي هذا التمويل لتعزيز البنية التحتية الحاسوبية وتوسيع نطاق الخدمات للشركات التي تسعى لتنفيذ تطبيقات الذكاء الاصطناعي بكفاءة أعلى وتكلفة أقل.
يشهد قطاع البنية التحتية للذكاء الاصطناعي منافسة شرسة وطفرة استثمارية غير مسبوقة، حيث تتصدر تقنيات الاستدلال (Inference) قائمة الأولويات للشركات الراغبة في نشر نماذجها وتطبيقاتها على نطاق واسع. في هذا الإطار، تبرز شركة Inferact الناشئة كفاعل رئيسي بعد إعلانها عن حصولها على تمويل ضخم بلغ 150 مليون دولار، وذلك بهدف تسويق وتطوير منصة vLLM مفتوحة المصدر، التي تُعدّ من بين أكثر الحلول كفاءة لتشغيل نماذج الذكاء الاصطناعي الكبيرة. يأتي هذا الاستثمار في وقت حرج، حيث تبحث الشركات في جميع القطاعات عن حلول تقلل من تكاليف التشغيل الباهظة المرتبطة بتشغيل نماذج الذكاء الاصطناعي المعقدة، مما يضع Inferact في موقع استراتيجي لتلبية هذه الحاجة الملحة.
تمت جولة التمويل بقيادة مجموعة من كبار مستثمري رأس المال المخاطر المتخصصين في التقنيات العميقة، مما يعكس الثقة الكبيرة في نموذج عمل الشركة وتقنيتها الأساسية. تخطط Inferact لاستخدام هذه الأموال الضخمة في ثلاثة محاور رئيسية: أولاً، توسيع البنية التحتية الحاسوبية العالمية لضمان أداء عالي السرعة وموثوقية في خدمة الاستدلال. ثانياً، تطوير وتحسين منصة vLLM بإضافة ميزات متقدمة تلبي احتياجات المؤسسات الكبيرة، مثل إدارة النماذج المتعددة، وتحسين تخصيص الموارد، وتعزيز الأمان والخصوصية. ثالثاً، بناء فريق هندسي وتجاري عالمي لدعم العملاء ودفع اعتماد التقنية في أسواق جديدة.
تتميز منصة vLLM (Virtual Large Language Model Inference)، التي تعمل Inferact على تسويقها، بقدرتها على تسريع عملية الاستدلال بشكل كبير مقارنة بالطرق التقليدية. تعتمد التقنية على آلية ذكية لإدارة ذاكرة الوصول العشوائي (RAM) وتحسين استغلال وحدات معالجة الرسومات (GPUs)، مما يسمح بتشغيل نماذج أكبر وأكثر تعقيداً باستخدام موارد حاسوبية أقل. هذا التوفير في التكلفة والأداء المحسّن هو بالضبط ما تبحث عنه الشركات التي تنتقل من مرحلة التجريب والبحث إلى مرحلة النشر والتطبيق على نطاق إنتاجي واسع.
يمثل هذا التمويل الضخم إشارة قوية إلى أن مرحلة الاستدلال أصبحت هي الساحة الحقيقية للمنافسة في مجال الذكاء الاصطناعي. بينما ركزت الاستثمارات السابقة بشكل كبير على تدريب النماذج، يتحول التركيز الآن نحو كيفية تشغيل هذه النماذج بكفاءة وفعالية من حيث التكلفة للملايين من المستخدمين النهائيين. نجاح Inferact في جذب هذا المبلغ الكبير قد يحفز مزيداً من الاستثمارات في الشركات الناشئة المنافسة في نفس المجال، مما يؤدي إلى تسريع وتيرة الابتكار وخفض الأسعار بشكل عام لصالح جميع الشركات المطورة.
على المستوى التقني، فإن تعميم استخدام حلول مثل vLLM يمكن أن يؤدي إلى دمقرطة الوصول إلى الذكاء الاصطناعي المتقدم. فبدلاً من اقتصار تشغيل النماذج الكبيرة على عمالقة التكنولوجيا التي تمتلك بنى تحتية هائلة، يمكن للشركات الناشئة والمتوسطة أيضاً نشر تطبيقات ذكاء اصطناعي معقدة دون الحاجة إلى استثمارات رأسمالية ضخمة في الأجهزة. هذا قد يفتح الباب أمام موجة جديدة من التطبيقات المبتكرة في مجالات مثل الخدمات المالية، والرعاية الصحية، والتجارة الإلكترونية، والترفيه.
vLLM هي منصة مفتوحة المصدر مصممة خصيصاً لتسريع عملية الاستدلال (Inference) لنماذج الذكاء الاصطناعي الكبيرة، وخاصة نماذج اللغة. تعمل على تحسين استخدام ذاكرة وحدات معالجة الرسومات (GPUs) بشكل كبير، مما يسمح بتشغيل استفسارات متعددة وبسرعة أعلى مع تقليل التكاليف التشغيلية. تعمل Inferact على تطوير نسخة تجارية محسنة منها مع ميزات إضافية موجهة للمؤسسات.
التدريب (Training) هو المرحلة الأولى والمكلفة جداً التي يتم فيها بناء النموذج وتعليمه باستخدام كميات هائلة من البيانات. أما الاستدلال (Inference) فهو المرحلة التطبيقية، حيث يتم استخدام النموذج المدرب بالفعل لاستنتاج الإجابات أو توليد المحتوى بناءً على مدخلات جديدة. غالباً ما تكون تكاليف الاستدلال التراكمية أكبر على المدى الطويل، خاصة مع زيادة عدد المستخدمين.
يعكس هذا المبلغ الضخم حجم الفرصة السوقية الهائلة والحاجة الملحة لحلول استدلال فعالة. فهو يمكّن Inferact من بناء بنية تحتية عالمية قوية، وجذب أفضل المواهب الهندسية، وتسريع وتيرة التطوير. كما أنه يرسل رسالة إلى السوق بأن حلول البنية التحتية للذكاء الاصطناعي هي استثمار جذاب وحيوي.
المستفيدون المحتملون يشملون:
تواجه الشركة منافسة شرسة من عمالقة السحابة (مثل AWS، Google Cloud، Microsoft Azure) الذين يطورون حلول استدلال خاصة بهم، بالإضافة إلى شركات ناشئة أخرى. كما أن الحفاظ على أداء وموثوقية الخدمة على نطاق عالمي مع نمو قاعدة العملاء يمثل تحدياً تقنياً وإدارياً كبيراً. بالإضافة إلى ذلك، يجب عليها الاستمرار في الابتكار لمواكبة التطور السريع في هندسة نماذج الذكاء الاصطناعي نفسها.
يمثل تمويل Inferact البالغ 150 مليون دولار لحظة فارقة في رحلة نضج صناعة الذكاء الاصطناعي. فهو يؤكد على التحول من مرحلة الإثبات التقني والتدريب إلى مرحلة النشر والتطبيق التجاري الواسع. من خلال تسويق وتطوير تقنيات مثل vLLM، لا تعمل Inferact على تمكين الشركات من خفض التكاليف فحسب، بل تساهم في جعل تقنيات الذكاء الاصطناعي المتقدمة في متناول عدد أكبر من المبتكرين والشركات. هذا الاستثمار ليس مجرد نجاح لشركة ناشئة، بل هو استثمار في البنية التحتية التي ستُبنى عليها الجيل القادم من التطبيقات الذكية التي ستغير شكل الصناعات المختلفة في السنوات القليلة المقبلة.
المصدر: TechCrunch AI | تحليل وصياغة: AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
تواصل OpenAI العمل على تطبيقها الشامل الخارق الذي يهدف إلى دمج الذكاء الاصطناعي في منصة واحدة متعددة الوظائف. يأتي هذا التطور في إطار سعي الشركة لتوسيع نطاق خدماتها وتقديم تجربة مستخدم متكاملة. تعرف على التفاصيل الكاملة والتأثير المتوقع لهذه الخطوة.
أعلنت منصة نوتيون عن استعادة الوصول إلى خدمة أنثروبيك بعد انقطاع مؤقت أثر على المستخدمين. يأتي هذا الإجراء بعد ساعات من تعطل الخدمة، مما أثار تساؤلات حول استقرار التكامل بين أدوات الإنتاجية وخدمات الذكاء الاصطناعي. نستعرض تفاصيل الحادثة وتأثيرها على المستخدمين.
تتزايد المخاوف في عالم العملات الرقمية من ظاهرة تُعرف بـ Tokenpocalypse، حيث قد يؤدي تضخم عدد الرموز إلى انهيار السوق. تحليل TechCrunch يكشف عن علامات تحذيرية وتأثيرات محتملة على المستثمرين.
