ترى NVIDIA أن تعقيد نماذج الذكاء الاصطناعي يدفع مطوريها إلى الاعتماد على بنية تحتية متكاملة تشمل وحدات المعالجة، والشبكات، والبرمجيات، وليس على المسرّعات وحدها. وتستشهد الشركة بنماذج OpenAI الحديثة، إلى جانب نماذج للصور والفيديو والعلوم والروبوتات، لتوضيح اتساع استخدام منصاتها في تدريب النماذج وتشغيلها.
بحسب المادة، أطلقت OpenAI في ديسمبر نموذج GPT-5.2، الذي تصفه بأنه أكثر سلاسلها قدرة حتى ذلك الوقت على أعمال المعرفة الاحترافية. ودُرّب النموذج ونُشر على بنية NVIDIA، بما في ذلك أنظمة NVIDIA Hopper وGB200 NVL72. كما أطلقت OpenAI نموذج GPT-5.3 Codex في فبراير، وتقول المادة إنه أول نموذج برمجة وكيل من الشركة يساعد في بناء نفسه، وقد دُرّب وشُغّل بالكامل على أنظمة GB200 NVL72.
النماذج الحديثة ترفع سقف الأداء
تقول NVIDIA إن GPT-5.2 حقق أعلى نتيجة معلنة في عدد من الاختبارات الصناعية، من بينها GPQA-Diamond وAIME 2025 وTau2 Telecom. كما سجل النموذج أداءً جديداً على مستوى أحدث النتائج في ARC-AGI-2، وهو اختبار يستهدف مهارات مرتبطة بتطوير الذكاء الاصطناعي العام.
أما GPT-5.3 Codex فيجمع، وفق وصف المادة، بين أداء البرمجة في GPT-5.2-Codex وقدرات الاستدلال في GPT-5.2 ضمن نموذج واحد، مع أداء أسرع بنسبة 25%. وتذكر NVIDIA أن النموذج حقق مستويات قياسية جديدة في الصناعة ضمن اختباري SWE-Bench Pro وTerminal-Bench، مع إظهار أداء قوي في اختباري OSWorld وGDPval اللذين يقيسان قدرات البرمجة والوكلاء والمهام الواقعية.
وتقدم الشركة هذه النماذج بوصفها أمثلة حديثة على تدريب النماذج الرائدة وتشغيلها على نطاق واسع باستخدام منظومة NVIDIA الكاملة، لا باعتبارها دليلاً مستقلاً على تفوق كل مكون من مكونات المنصة.
التوسع في التدريب يحتاج إلى منظومة كاملة
تربط المادة تقدم النماذج بثلاثة قوانين للتوسع: التدريب القبلي، والتدريب اللاحق، والتوسع أثناء وقت الاختبار. وتوضح أن نماذج الاستدلال تستخدم موارد حوسبة أثناء الاستدلال للتعامل مع الأسئلة المعقدة، وقد تعتمد على عدة شبكات تعمل معاً، لكن التدريب القبلي واللاحق يظلان، بحسب NVIDIA، أساس بناء نماذج أكثر ذكاءً وفائدة.
ويتطلب تدريب نموذج متقدم من الصفر عشرات الآلاف، بل مئات الآلاف، من وحدات معالجة الرسوميات التي ينبغي أن تعمل بكفاءة معاً. ولهذا تحتاج مراكز البيانات إلى مسرّعات متقدمة، وشبكات للاتصال ضمن النظام وعبر الأنظمة، وهندسة تمتد على مستويات scale-up وscale-out، وبصورة متزايدة scale-across، إضافة إلى حزمة برمجية محسّنة ومنصة مصممة لتحقيق الأداء على نطاق واسع.
وتشير نتائج نقلتها NVIDIA من أحدث اختبارات MLPerf Training إلى أن أنظمة GB200 NVL72 قدمت أداء تدريب أسرع بثلاث مرات من بنية NVIDIA Hopper عند اختبار أكبر نموذج في الاختبارات، مع تحسن يقترب من الضعف في الأداء مقابل الدولار. كما تقول الشركة إن GB300 NVL72 يقدم تسارعاً يتجاوز أربعة أضعاف مقارنة بـNVIDIA Hopper. وترى NVIDIA أن هذه المكاسب تساعد المطورين على تقصير دورات التطوير وتسريع نشر النماذج الجديدة.
من نماذج اللغة إلى الأحياء والروبوتات
لا تقتصر أمثلة المادة على نماذج النصوص. تقول NVIDIA إن منصاتها تدعم تطوير نماذج للصوت والصور والفيديو، إضافة إلى مجالات مثل الأحياء والروبوتات. ومن الأمثلة التي تذكرها الشركة Evo 2 لفك تسلسلات جينية، وOpenFold3 للتنبؤ بالبنى ثلاثية الأبعاد للبروتينات، وBoltz-2 لمحاكاة التفاعلات الدوائية، وهي استخدامات يمكن أن تساعد الباحثين على تحديد المرشحين الواعدين بسرعة أكبر.
وفي المجال السريري، تولّد نماذج NVIDIA Clara Synthesis صوراً طبية واقعية بهدف دعم الفحص والتشخيص من دون كشف بيانات المرضى، وفق ما تذكره المادة. كما تدرب شركتا Runway وInworld نماذجهما على بنية NVIDIA.
وأعلنت Runway نموذج Gen-4.5 لتوليد الفيديو، وقالت المادة إنه كان في وقت الإعلان نموذج الفيديو الأعلى تقييماً عالمياً وفق قائمة Artificial Analysis. وقد طُوّر النموذج بالكامل على وحدات معالجة NVIDIA خلال مراحل البحث والتطوير الأولي، والتدريب القبلي، والتدريب اللاحق، والاستدلال، مع تحسينه للعمل على NVIDIA Blackwell.
وأعلنت Runway أيضاً نموذج GWM-1، وهو نموذج عالمي عام يحاكي الواقع في الزمن الحقيقي، ودُرّب على NVIDIA Blackwell. وتصفه الشركة بأنه تفاعلي وقابل للتحكم ومتعدد الأغراض، مع تطبيقات محتملة في ألعاب الفيديو والتعليم والعلوم والترفيه والروبوتات.
Blackwell عبر السحابات ومراكز البيانات
تستخدم NVIDIA نتائج MLPerf لتدعم حجتها بشأن تنوع المنصة. ففي أحدث جولة من MLPerf Training 5.1، قدمت الشركة نتائج في جميع الاختبارات السبعة، وكانت المنصة الوحيدة التي قدمت نتائج في كل الفئات، بحسب المادة. وترى NVIDIA أن دعم أحمال ذكاء اصطناعي متنوعة يساعد مراكز البيانات على استخدام مواردها بكفاءة أكبر.
وتذكر الشركة أن مختبرات وشركات ذكاء اصطناعي، من بينها Black Forest Labs وCohere وMistral وOpenAI وReflection وThinking Machines Lab، تدرب نماذجها على منصة NVIDIA Blackwell. كما أصبحت Blackwell متاحة لدى مزودي الخدمات السحابية الرئيسيين، ومزودي السحابة المتخصصين، ومصنعي الخوادم.
وتقول NVIDIA إن Blackwell Ultra، التي توفر تحسينات إضافية في الحوسبة والذاكرة والبنية، بدأت في الانتشار عبر مصنعي الخوادم ومزودي الخدمات السحابية. وتشمل الجهات التي توفر مثيلات مدعومة بـBlackwell Amazon Web Services وCoreWeave وGoogle Cloud وLambda وMicrosoft Azure وNebius وOracle Cloud Infrastructure وTogether AI.
وتختم NVIDIA بأن مستقبل الذكاء الاصطناعي، من النماذج المتقدمة إلى التطبيقات اليومية، يُبنى على منصتها. وتوضح ملاحظة المحرر أن المادة حُدّثت في 6 فبراير 2026 بأحدث معلومات النماذج من OpenAI ونموذج GPT-5.3 Codex.