كشفت شركة Together AI عن ابتكار تقني جديد يحمل اسم Together Compiler، وهو نظام متطور يعتمد على عملاء البرمجة بالذكاء الاصطناعي (AI Coding Agents) لتولي مهمة تحسين كود وحدات معالجة الرسومات (GPU) التي تشغل بنية الاستدلال التحتية الخاصة بها. ويهدف هذا النظام إلى أتمتة عمليات ضبط الأداء التي كانت تستغرق من المهندسين البشريين أياماً أو أسابيع من العمل اليدوي المضني.
أتمتة كاملة تحت رقابة بشرية
يعمل نظام Together Compiler على توليد واختبار وتحسين أنوية المعالجة الرسومية (GPU kernels) دون توجيه مباشر من المهندسين لكل تجربة على حدة. وأوضحت الشركة أن دورة التحسين تعمل بشكل مستقل تماماً، حيث يمكن للنظام تحقيق مكاسب ملموسة في الأداء خلال ليلة واحدة فقط. ومع ذلك، أكدت Together AI أنها تتبع نهج "الإنسان في الحلقة" (Human-in-the-loop)، حيث تظل عمليات التقييم النهائي والنشر الفعلي في بيئة الإنتاج مرهونة بموافقة مهندس بشري يراجع التغييرات قبل اعتمادها.
تحدي تسارع نماذج الذكاء الاصطناعي
تأتي هذه الخطوة استجابةً للتحدي الكبير المتمثل في الوتيرة المتسارعة لإطلاق نماذج الذكاء الاصطناعي الجديدة. فوفقاً لبيانات الشركة، فإن 80% من حركة المرور عبر منصة OpenRouter تأتي حالياً من نماذج تم إصدارها خلال الأشهر الثلاثة الماضية فقط. وبما أن كل نموذج له متطلبات تقنية مختلفة، فإن الكود المحسن لنموذج معين قد لا يعمل بنفس الكفاءة مع نموذج آخر، مما يضع ضغطاً هائلاً على المهندسين لمواكبة هذه التغييرات يدوياً.
قفزة في سرعة التجارب والأداء
نجحت Together AI في ابتكار طريقة لتسريع عملية الاختبار بشكل كبير؛ فبدلاً من إعادة تشغيل محرك الاستدلال في كل مرة يقوم فيها العميل البرمجي بتغيير الكود، يقوم Together Compiler بتحميل الكود الجديد مباشرة في المحرك أثناء تشغيله. وقد أدى هذا الإجراء إلى خفض وقت التهيئة من حوالي 467 ثانية إلى 9 ثوانٍ فقط، مما سمح للنظام بإجراء تجارب تحسين أكثر بـ 252 مرة مقارنة بالأنظمة الحالية.
وعلى صعيد النتائج العملية، سجلت الشركة تحسناً في إنتاجية الاستدلال (Inference Throughput) يصل إلى 2.6 ضعف مقارنة بالإعدادات القياسية المنشورة، وذلك اعتماداً على نوع النموذج والعتاد المستخدم. ويخدم النظام حالياً تريليونات الرموز (Tokens) يومياً عبر البنية التحتية للشركة.
ما الذي يتغير عملياً للمطورين؟
بالنسبة للمطورين والشركات التي تستخدم خدمات Together AI، فإن هذا التطور لا يعني بالضرورة خفض الأسعار المباشرة، بل يعني الحصول على أداء وكفاءة أعلى مقابل نفس التكلفة. وتتلخص الفوائد العملية في النقاط التالية:
- كفاءة العتاد: استخراج أقصى طاقة ممكنة من وحدات GPU المتاحة، مما يقلل من هدر الموارد.
- سرعة التكيف: القدرة على تشغيل النماذج الحديثة بأعلى أداء ممكن فور صدورها دون انتظار دورات التحسين اليدوية الطويلة.
- موثوقية الأداء: بفضل إجراء مئات التجارب المؤتمتة، يصل النظام إلى حلول برمجية قد لا يكتشفها المهندس البشري بسبب ضيق الوقت.
يمثل Together Compiler تحولاً مهماً في كيفية إدارة البنية التحتية للذكاء الاصطناعي، حيث لم يعد الذكاء الاصطناعي مجرد منتج نهائي، بل أصبح الأداة الأساسية لتحسين العتاد والبرمجيات التي يعمل عليها، مما يغلق الدائرة التقنية نحو أنظمة أكثرية ذاتية التحسين.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.