أربعة مقاييس: الجيجابايت يقرّر ماذا تُشغّل، والواط يقرّر بكم، والعرض يقرّر ماذا يفهم، والكيلوواط يقرّر أين يُبنى

بالأمس أغلقت Perplexity باب الاستدلال المحلي في وجه أصحاب Mac صراحةً — «لا خطط لدعم معالجات Apple» — وقلنا يومها إن البديل يأتي من مسار آخر. وجاء بعد ساعات: Apple أعلنت M6 أول شريحة لها بـ2 نانومتر، ومعها M5 Ultra بـ512 جيجابايت ذاكرة موحّدة — أي أكثر من عشرين ضعف البوّابة التي وضعتها Perplexity بالأمس. وOpenAI نشرت أول أرقام لشريحتها Jalapeño: 1.5 إلى 1.9 ضعف عمل لكل واط — بقياسها هي. وSkild AI غيّرت طريقة تعليم الروبوت: مقطع فيديو واحد بدل الأمر المكتوب، فارتفع النجاح في مهامّ لم يرها من 9٪ إلى 66٪. وشركة هندية تشتري 9,000 نظام Nvidia بخطة 8 مليارات دولار على أساس واحد: الكهرباء الرخيصة. وأربعتها تقول شيئاً واحداً: انتهى زمن السؤال «أي نموذج أذكى؟» — السؤال اليوم «كم جيجا عندك، وبكم الواط، وهل تُري أم تشرح، وكم سعر الكيلوواط في أرضك؟»

Apple ترد على بوّابة الأمس: M6 أول شريحة بـ2 نانومتر، وM5 Ultra بـ512 جيجا ذاكرة موحّدة و1.2 تيرابايت/ثانية — والسعر 5,499 دولاراً فصاعداً، والشحن 22 سبتمبر إلا نسخة الـ512 فـأواخر أكتوبر

أعلنت Apple يوم الثلاثاء 25 أغسطس عبر غرفة أخبارها شريحتين جديدتين. الأولى M6: تصفها الشركة بأنها أول شريحة لها بتقنية 2 نانومتر، بمعالج 12 نواة (نواتان super و4 أداء و6 توفير)، ومعالج رسوميات 12 نواة بمسرّعات عصبية، ومحرّك عصبي مزدوج بـ16 نواة، وذاكرة موحّدة حتى 32 جيجابايت بعرض نطاق حتى 170 جيجابايت/ثانية — وحتى 1.2 ضعف أداء متعدّد الخيوط مقارنةً بـM5. والثانية M5 Ultra: أول شريحة M بتصميم رباعي القوالب (quad-die)، بمعالج حتى 36 نواة (12 super و24 أداء)، ورسوميات حتى 80 نواة، ومحرّك عصبي 32 نواة، وذاكرة موحّدة حتى 512 جيجابايت بعرض نطاق 1.2 تيرابايت/ثانية، وتقول Apple إنها تقدّم حتى 4.5 ضعف قدرة الرسوميات القصوى للذكاء الاصطناعي مقارنةً بـM3 Ultra. وأين تظهران: M6 في Mac mini الجديد وM5 Ultra في Mac Studio. والأسعار كما نقلتها التغطية (Macworld وVideoCardz وDaring Fireball): Mac mini بـM6 من 899 دولاراً، ونسخة M5 Pro من 1,699، وMac Studio بـM5 Max من 2,499، وبـM5 Ultra من 5,499. والتوقيت: الطلب المسبق مفتوح الآن والشحن يبدأ 22 سبتمبر — عدا التهيئة بـ512 جيجابايت فتقول Apple إنها لن تصل قبل أواخر أكتوبر. وتحفّظان: كل أرقام الأداء أعلاه من Apple نفسها ولم تصدر بعدُ قياسات مستقلة، والبيان الصحفي لم يذكر الأسعار — الأسعار من التغطية لا من الشركة.

ليش يهمك؟الفائدة الأولى وهي الفرق التقني الذي يجعل الخبر يخصّك أنت لا أخبار العتاد فقط: بالأمس كانت البوّابة 24 جيجابايت من ذاكرة كرت الشاشة — وهي ذاكرة منفصلة عن ذاكرة الجهاز، ولا يستطيع النموذج تجاوزها. أما الذاكرة الموحّدة في Apple فهي بركة واحدة يستعملها المعالج والرسوميات معاً — ومعناها العملي أن حجم النموذج الذي تستطيع تحميله يساوي ذاكرة جهازك كلها تقريباً لا شريحة منفصلة منها. وهذا هو السبب الحقيقي الذي جعل أصحاب Mac يشغّلون نماذج ضخمة على أجهزة مكتبية بينما يعجز عنها حاسوب ألعاب أغلى. لكن لا تشترِ على هذا وحده: عرض النطاق يقرّر السرعة، والذاكرة تقرّر الإمكان — وجهاز يُشغّل نموذجاً ضخماً ببطء قد لا ينفعك عملياً. وثانياً وهي الحسبة التي تمنع خطأً بآلاف الدولارات: Mac mini بـ899 دولاراً ليس جهاز الذكاء الاصطناعي المحلي — سقفه 32 جيجابايت، وهو ممتاز للعمل اليومي والمونتاج، لكنه لا يفتح لك باب النماذج الكبيرة. من يريد ذلك الباب فعلياً يبدأ من 5,499 دولاراً، وتهيئة الـ512 جيجا تنتظر أواخر أكتوبر. فاحسبها بصدق: بهذا المبلغ تشتري سنوات من استدعاءات API سحابية بجودة أعلى. القاعدة: الاستدلال المحلي يربح حين يكون العائق الخصوصية أو الحجم المتكرّر، لا حين يكون الدافع الحماس. وثالثاً نصيحة توقيت عملية جداً: الطلب المسبق مفتوح اليوم والشحن 22 سبتمبر، وكل الأرقام المنشورة من Apple نفسها. فلا تطلب اليوم — انتظر ثلاثة أسابيع حتى تصدر القياسات المستقلة قبل يوم الشحن. لن تخسر شيئاً بالانتظار، وقد تكتشف أن 4.5 ضعف تخصّ حالة استخدام واحدة لا عملك. وهذه مسطرة عامة: الرقم الذي تنشره الشركة عن نفسها هو سقف ما يمكن بلوغه في أفضل الظروف، لا متوسط ما ستعيشه أنت. ورابعاً فرصة محتوى واضحة لمن يكتب بالعربي: أغلب ما سيُنشر عربياً عن هذا الإعلان سيكون ترجمة قائمة المواصفات. المادة التي تبقى تُقرأ هي التي تجيب سؤالاً واحداً بلغة بسيطة: «ما الفرق بين ذاكرة الكرت والذاكرة الموحّدة، ولماذا يقرّر هذا الفرق ماذا تستطيع تشغيله؟» — سؤال يبحث عنه آلاف العرب اليوم ولا يجدون جواباً عربياً واضحاً.

OpenAI تنشر أول أرقام لشريحتها Jalapeño مع Broadcom: 1.5–1.9 ضعف عمل لكل واط و1.7–3.6 ضعف زمن استجابة أقلّ من نظام Nvidia Blackwell — والقياس ذاتي، والشركة نفسها تقول إن الاختبار النهائي لم ينتهِ

عرضت OpenAI في مؤتمر Hot Chips أول قياسات مفصّلة لمسرّع الاستدلال Jalapeño الذي طوّرته مع Broadcom، بحسب TechCrunch وBusiness Today. وأداة القياس: معيار InferenceX العام من SemiAnalysis، على ثلاثة نماذج — GPT-OSS 120B وDeepSeek R1 670B وKimi K2.5 1T — مقابل نظام Nvidia Blackwell. والنتائج المعلنة: 1.5 إلى 1.9 ضعف عمل ذكاء اصطناعي أكبر لكل واط، و1.7 إلى 3.6 ضعف انخفاضاً في زمن الاستجابة الكلّي، و2.1 إلى 4.1 ضعف أداءً أعلى في التطبيقات كثيرة التفاعل مع المستخدم. وأين الحيلة الهندسية: الشريحة مصمّمة لتقليص التأخير في مرحلتَي التعبئة الأولى والاتصال عبر تقليل حركة البيانات وإبقاء ذاكرة السياق (KV cache) محلّية أثناء توليد الرد. والجدول الزمني: نشر داخل بنية OpenAI نفسها بكمّيات صغيرة جداً بنهاية 2026، والانتشار الأوسع في 2027 — والشريحة الجيل الأول من خارطة متعدّدة الأجيال، والجيل الثاني في تطوير متقدّم والثالث في تصميم مبكّر. وثلاثة تحفّظات تذكرها التغطية نفسها ونكرّرها: القياس ذاتي عرضته OpenAI ولا يوجد تحقّق مستقل من طرف ثالث، وOpenAI نفسها تقول إن «اختبار الأداء النهائي ما زال جارياً» وإن تقريراً تقنياً أوفى سيصدر في الأشهر القادمة، والمشهد التنافسي قد يتغيّر كثيراً قبل النشر الكامل في 2027 لأن العتاد المنافس لا يقف.

ليش يهمك؟الفائدة الأولى وهي قرار مالي تتّخذه هذا الأسبوع لا معلومة تقرأها: تكلفة الاستدلال — أي تشغيل النموذج لا تدريبه — هي ما يصنع فاتورتك. وحين يبني مزوّد شريحته الخاصة تنخفض تكلفته الحدّية، لكن التاريخ يقول إن ذلك لا يصل إليك في صورة استرداد، بل في صورة طبقة أرخص أو أسرع تُطلق لاحقاً. والقرار العملي: لا توقّع أي عقد سنوي مدفوع مقدّماً على استهلاك API في هذه اللحظة. ابقَ على الاشتراك الشهري. أسعار الاستدلال لم تسلك اتجاهاً واحداً منذ سنتين إلا النزول، ومن يقفل سعر اليوم لسنة كاملة يدفع سعر الماضي في المستقبل. وثانياً وهي أهم رقم في الخبر ولا ينتبه له أحد: لاحظ أن الأرقام عمل لكل واط، لا «أسرع بكذا». والفرق هو الفرق بين محرّك أقوى وسيارة أوفر بنزيناً. لماذا يهمّك أنت؟ لأن الواط هو التكلفة، والتكلفة تصير سعرك. فحين تقرأ إعلان أي عتاد أو نموذج من الآن فصاعداً، ابحث عن «لكل واط» و«لكل دولار» — لا عن الرقم الأكبر في العنوان. وثالثاً وهي الفائدة لمن يبني منتجاً فيه محادثة: انظر إلى 2.1–4.1 ضعف في التطبيقات كثيرة التفاعل. هذا هو رقمك أنت إن كنت تبني بوت خدمة عملاء أو مساعداً صوتياً. المستخدم لا يشعر بالذكاء، يشعر بالانتظار — وثانية واحدة من الصمت في محادثة صوتية تُفقدك العميل قبل أن يصل الجواب. فالإجراء اليوم: قِس زمن أول حرف يظهر في منتجك (لا زمن الجواب الكامل)، واجعله أهم رقم في لوحتك. من يحسّن هذا الرقم يربح على منافس عنده نموذج أذكى وأبطأ. ورابعاً المسطرة التي نكرّرها كل يوم وطبّقناها أمس على Perplexity فنطبّقها اليوم على OpenAI: مَن قاس؟ هنا الشركة قاست نفسها، بمعيار طرف ثالث لكن بلا تحقّق مستقل — بل قالت صراحةً إن الاختبار النهائي لم ينتهِ. وأمانة الناقل هنا سهلة: تنقل الرقم ومعه من قاسه. من ينقل «OpenAI تتفوّق على Nvidia» بلا هذه الجملة يكتب إعلاناً لا خبراً — والقارئ يكتشف الفرق ولو بعد حين.

Skild AI تُبدّل الأمر المكتوب بـمقطع فيديو واحد: نموذج S1 ينفّذ مهامّ لم يرها قط بنجاح 66٪ مقابل 9٪ للنماذج المُوجَّهة بالكلام — وعرضٌ واحد يساوي نحو 380 مثالاً تدريبياً

أعلنت Skild AI نموذجها الأساسي للروبوتات S1، وفكرته أنه «متعلّم في السياق» (in-context learner): يُترجم مقطع فيديو يعرض المهمّة المطلوبة إلى حركات روبوت — بلا ضبط دقيق ولا تدريب لاحق. والفرق عن السائد: النماذج المنتشرة تُوجَّه بـأمرٍ لغوي («التقط الكوب وضعه هناك»)، أما S1 فدُرّب على بيانات تُحدَّد فيها المهمّة بالعرض فقط، فصار يستنتج القصد ويتكيّف مع اختلاف المشهد وزاوية الرؤية وشكل الجسم الروبوتي وقت التشغيل. والأرقام من دراسة مضبوطة تنشرها الشركة: على مهامّ لم يرها في التدريب وبقاعدة 100 ألف ساعة تدريب مسبق، بلغ التعلّم في السياق 66٪ نجاحاً مقابل 9٪ للنماذج المُوجَّهة بالكلام. والتفصيل الأهمّ الذي يُقلب القراءة: عند القاعدة الصغيرة — ألف ساعة — كان الكلام أفضل (53٪ مقابل 43٪)، ثم انقلبت الأفضلية مع اتّساع البيانات. ورقم يستحق الحفظ: تقول الشركة إن عرضاً واحداً داخل السياق يساوي تقريباً 380 مثالاً من أمثلة ما بعد التدريب. والمدى: مهامّ طويلة تصل إلى 10 دقائق لم يرها من قبل — تأصيص نبتة، وقلب فطيرة، وتحضير قهوة مقطّرة، وتجميع عدّة. ومثال ملموس: مهمّة تأصيص النبتة استغرقت 11 دقيقة من العرض إلى التنفيذ الذاتي. وثلاثة تحفّظات نضعها في المتن: الأرقام كلها من مدوّنة Skild نفسها ومن دراسة داخلية بلا تكرار مستقل، والمدوّنة لا تذكر على أي منصّات روبوتية يعمل النموذج، ولا تذكر حدوده وإخفاقاته — وغياب قسم الحدود في إعلان بحثي معلومة بحدّ ذاتها.

ليش يهمك؟الفائدة الأولى وهي أنفع ما في الخبر لك اليوم وأنت بعيد عن الروبوتات: النتيجة هنا ليست عن الروبوتات، بل عن طريقة إعطاء التعليمات — والعرض غلب الشرح. وهذا ينطبق حرفياً على أدواتك: توقّف عن إطالة البرومبت بالصفات («اكتب بأسلوب احترافي دافئ مختصر») وألصق مثالاً واحداً من كتابتك أنت. مقالك السابق أنفع من ثلاث فقرات وصف، وتصميمك السابق أنفع من عشر كلمات عن «الهوية». ولذلك سبب مفهوم: الصفة تحتمل عشرة تفسيرات، والمثال لا يحتمل إلا نفسه. جرّبها اليوم في أول مهمّة: أرفق مثالاً واحداً واحذف نصف الوصف. وثانياً وهي القراءة الدقيقة لرقم الانقلاب وقلّ من ينتبه له: عند ألف ساعة كان الكلام أفضل، وعند 100 ألف انقلبت الآية. والدرس العملي: كلما كبر النموذج وقاعدته، قلّت قيمة براعتك في صياغة الأوامر وزادت قيمة ما تملكه من أمثلة. فحوّل جهدك: بدل أن تجمع «مكتبة برومبتات» تتقادم مع كل إصدار، ابنِ مكتبة أمثلة من عملك — عشرة نصوص تفخر بها، خمسة تصاميم، ثلاث محادثات عملاء ناجحة. مكتبة البرومبتات تموت مع تحديث النموذج، ومكتبة الأمثلة تكبر معك. وثالثاً وهي فرصة لمن يبيع خدمة: رقم «عرض واحد = 380 مثالاً» هو حجّتك التجارية جاهزة. من يبيع تدريب فرق على أدوات الذكاء الاصطناعي، أو يبيع «عقد صوت البراند»، صار عنده جواب رقمي لسؤال العميل «ليش أدفع لك؟»: لأن جمع الأمثلة الصحيحة وتنظيمها يختصر مئات الأضعاف من المحاولة العمياء. والمنتج الذي يبيع نفسه اليوم ليس دورة عن البرومبت، بل مكتبة أمثلة مُنسَّقة لمجال محدّد — لعيادة، لمكتب عقار، لمتجر إلكتروني. ورابعاً التحفّظ الذي يجب أن يرافق الرقم كلما نقلته: 66٪ مقابل 9٪ رقم مبهر، لكنه من مدوّنة الشركة ومن دراسة مضبوطة داخلية، ولا يذكر النصّ حدود النموذج ولا على أي روبوتات يعمل. وغياب قسم «ما الذي لا يستطيعه» في إعلان بحثي ليس تفصيلاً — هو أول ما يبحث عنه القارئ الخبير. فإن نقلت الخبر، انقل الرقم ومعه من قاسه وما لم يُذكر: هذه الجملة الواحدة هي ما يجعل قارئك يعود إليك بدل أن يعود إلى المترجم الآلي.

شركة هندية تشتري 9,000 نظام Nvidia Vera Rubin بخطة 8 مليارات دولار لجيجاواط واحد — والخندق ليس الشريحة بل سعر الكهرباء: «في اقتصاد التوكن العالمي، أسعار الطاقة تلعب دوراً هائلاً»

ذكرت صحيفة Taipei Times اليوم 26 أغسطس أن AM Intelligence — شركة البنية التحتية للذكاء الاصطناعي التابعة لمجموعة Greenko الهندية — طلبت 9,000 نظام Nvidia Vera Rubin، ضمن خطة أوسع بـ8 مليارات دولار لبناء جيجاواط واحد من القدرة الحاسوبية مصمّمة لتشغيل نماذج بتريليون معامل. والموقع والتوقيت: الخوادم جنوب الهند، ومن المقرّر أن تدخل الخدمة العام القادم (2027). والسوق المستهدف: عملاء في الهند والولايات المتحدة وفنلندا وماليزيا — والقدرة الأولى اشتراها بالفعل عميل أمريكي. وهنا بيت القصيد: الميزة التنافسية المعلنة ليست الشريحة — فالشريحة نفسها متاحة لغيرها — بل الوصول إلى طاقة متجدّدة منخفضة التكلفة، مع اتصال بكابلات بحرية يتيح زمن استجابة يبلغ نحو 300 ميلي ثانية للشركات الأمريكية. ويقولها مؤسّس المجموعة Mahesh Kolli صراحةً: «في اقتصاد التوكن العالمي، أسعار الطاقة تلعب دوراً هائلاً — نحن من أقلّ مشغّلي البنية التحتية للحوسبة تكلفةً عالمياً». وثلاثة تحفّظات: هذه خطة معلنة بجدول 2027 لا قدرة عاملة اليوم، والتغطية التي بين أيدينا لم تتضمّن تأكيداً من Nvidia على الطلب، ورقم 300 ميلي ثانية كبير بمقاييس التطبيقات التفاعلية وإن كان مقبولاً للمعالجة المجمّعة.

ليش يهمك؟الفائدة الأولى وهي القراءة التي تخصّ من يقرأ من الخليج تحديداً: هذا الخبر ليس عن الهند — هو عن نموذج عمل تملك السعودية مقوّماته كاملة: طاقة رخيصة، وأرض، وموقع بين ثلاث قارات. والجملة التي تستحق أن تُحفظ هي جملة المؤسّس: سعر الكهرباء صار جزءاً من سعر التوكن. ومعناها العملي لك كصاحب عمل صغير ليس أن تبني مركز بيانات، بل أن تفهم أين تنشأ الفرص حول واحد: مركز بجيجاواط يحتاج تبريداً وصيانة وشبكات وأمناً وتوظيفاً وتدريباً ومحتوى تسويقياً بالعربية والإنجليزية. الذين ربحوا من طفرة النفط لم يكونوا كلّهم يحفرون آباراً — وأكثرهم خدموا من يحفر. فراقب إعلانات مراكز البيانات في المملكة كما يراقب المقاول إعلانات المشاريع، لا كما يقرأ المتفرّج خبراً. وثانياً وهي معلومة تقنية تنفعك في اختيار أي مزوّد: 300 ميلي ثانية ليست رقماً محايداً. ثلث ثانية قبل أن يبدأ أي شيء. وهذا مقبول تماماً لمهمّة مجمّعة — تفريغ مئة ملف صوتي بالليل، أو تصنيف ألف منتج. وغير مقبول لمساعد صوتي أو محادثة حيّة، لأنه يُضاف إلى زمن التفكير لا يحلّ محلّه. فالسؤال الذي تسأله أي مزوّد قبل أن تشترك: «أين تُشغَّل النماذج جغرافياً، وكم زمن الوصول من الرياض؟» — واطلب رقماً، فمن يجيب بـ«سريع جداً» لا يعرف أو لا يريدك أن تعرف. وثالثاً وهي إشارة اتجاه تفيدك في قراءة السنتين القادمتين: العالم يتّجه إلى أن قدرة الحوسبة سلعة تُشترى من حيث تكون الكهرباء أرخص، تماماً كما انتقلت المصانع إلى حيث العمالة أرخص. ونتيجته الطيّبة لك: تكلفة الاستدلال ستنزل لأسباب لا علاقة لها بذكاء النماذج أصلاً — بل بمن يشغّلها وأين. فمن يبني اليوم منتجاً يبدو هامش ربحه ضيّقاً بسبب تكلفة الاستدلال، يبني في اتجاه الريح لا ضدّها. ورابعاً التحفّظ الذي يمنعك من الحماس المتسرّع: هذه خطة بجدول 2027، ولا تأكيد من Nvidia في التغطية التي قرأناها. وإعلانات القدرة الحاسوبية تحديداً أكثر ما يُعلَن ولا يُنجَز في موعده في هذا القطاع كلّه. فالقاعدة: القدرة المُعلنة ليست قدرة متاحة، ومن يبني خطة عمل على سعة وُعد بها بعد سنة يبني على ورق. اقرأ الإعلان كـإشارة اتجاه، لا كـموعد.

المصادر

— ذُكاء، تشرق بكرة إن شاء الله 🌅

كل الموجزات