قبل عامين، كان التخطيط للبنية التحتية للذكاء الاصطناعي يعتمد بدرجة كبيرة على تحديد متطلبات أحمال التدريب. ثم أصبح الاستدلال Inference العامل الرئيسي في تحديد هذه المتطلبات. أما اليوم، فقد غيّر الذكاء الاصطناعي الوكيل Agentic AI طبيعة أعباء العمل نفسها، إذ يمكن لطلب واحد أن يتحول إلى سلسلة متغيرة من عمليات استرجاع البيانات، واستدعاء الأدوات، وتنفيذ الأكواد، ومعالجة النتائج.
وتعني هذه الطبيعة الديناميكية أن حجم الحوسبة التي تحتاجها مهمة الذكاء الاصطناعي، وكذلك المكان الذي يجب أن تُنفذ فيه هذه الحوسبة، يمكن أن يتغير مع كل عملية تنفيذ. وبذلك، تصبح البنية التحتية المصممة وفق نقطة زمنية أو نوع واحد من الأحمال معرضة لأن تكون غير مناسبة لطبيعة أعباء العمل القادمة.
لم تعد المرونة مجرد ميزة إضافية، بل أصبحت متطلبًا على كل مستوى من مستويات البنية التحتية، بما في ذلك وحدات المعالجة المركزية CPU التي تدعم منظومة الذكاء الاصطناعي الوكيل بالكامل.
الذكاء الاصطناعي الوكيل يجمع أنماطًا متعددة من أعباء العمل
تدرك المؤسسات منذ فترة طويلة أن أعباء العمل المختلفة تتطلب تكوينات مختلفة للأنظمة، سواء تعلق الأمر بقواعد البيانات، أو المحاكاة الافتراضية، أو التحليلات، أو خدمات الويب، أو الحوسبة التقنية، أو الذكاء الاصطناعي.
ومع ظهور Agentic AI، أصبحت المزيد من هذه الأنماط المختلفة جزءًا من سير عمل واحد، حيث يمكن للوكلاء الانتقال بين عمليات متعددة ضمن المهمة نفسها، ما يفرض متطلبات أكثر تنوعًا على البنية التحتية التي تنفذ هذه العمليات.
وفي هذا السياق، تقيّم ورقة بحثية جديدة من AMD معالجات الخوادم 6th Gen AMD EPYC 9006 Venice عبر مجموعة واسعة من أعباء العمل، تشمل الاستخدامات العامة، والمؤسسات، والبنى السحابية الأصلية، والذكاء الاصطناعي، والحوسبة عالية الأداء، بدلًا من الاعتماد على مجموعة محدودة من الاختبارات.
أداء Venice عبر أعباء عمل متنوعة
في اختبارات SPECrate 2026 Integer، يحقق معالج الخوادم AMD EPYC 9996 أداءً لكل نواة يبلغ 1.2 مرة مقارنة بمنصة تعتمد على Nvidia Vera، بينما يصل الأداء على مستوى المنصة إلى 2.24 مرة.
وعبر مجموعة من اختبارات المؤسسات والبنى السحابية الأصلية، والتي تشمل Server-side Java وOpenSSL وMongoDB وRedis وNGINX ومعالجة المعاملات، تشير اختبارات AMD إلى مكاسب في الأداء تتراوح بين 2.4 و3.7 مرة.
وبالمقارنة مع معالج Intel Xeon 6980P، يحقق AMD EPYC 9996 تفوقًا في الأداء يتراوح بين 1.8 و3.13 مرة ضمن أحمال عمل تشمل ديناميكيات الجزيئات، ونمذجة المواد، والتنبؤ بالطقس.
وفي رف خوادم مُحاكى بقدرة 100 كيلوواط، تشير تقديرات AMD إلى أن منصة تعتمد على EPYC 9996 يمكنها تحقيق إنتاجية تبلغ 3.4 مرات إنتاجية منصة تعتمد على Vera.
موازنة الأداء والكثافة
يمكن للأداء القوي لكل نواة تحت الأحمال تسريع المهام الحساسة لزمن الاستجابة، في حين تساعد الكثافة العالية للأنوية على دعم تنفيذ عدد أكبر من المهام بالتوازي وتحسين الإنتاجية على مستوى الرفوف.
وتتيح مجموعة المعالجات المتنوعة للعملاء تحسين البنية التحتية وفق احتياجاتهم في كلا الجانبين، بدلًا من فرض المقايضة نفسها على كامل أسطول الخوادم.
ويأتي Venice كجزء من محفظة معالجات صُممت وفق هذا المبدأ، حيث تضم أربعة عائلات تعتمد على أساس برمجي مشترك، وتغطي نطاقًا يبدأ من المعالجات ذات 8 أنوية لتطبيقات الحافة، وصولًا إلى المعالجات الرائدة التي تصل إلى 256 نواة، بالإضافة إلى عقد استضافة الذكاء الاصطناعي على مستوى الرفوف.
ويتيح هذا النهج لكل دور ضمن منظومة Agentic AI استخدام تكوين المعالج الذي يتناسب مع متطلباته، دون الحاجة إلى إنشاء بيئة تشغيل منفصلة لكل نوع من أعباء العمل.
توسع منظومة Agentic AI يفرض مرونة أكبر
دخلت معالجات Venice مرحلة الإنتاج بالفعل، بينما تستعد منصات كبرى من مصنعي المعدات الأصلية OEM لإطلاقها، ومن المقرر أن يبدأ مزودو الخدمات السحابية الرائدون نشرها في وقت لاحق من هذا العام.
ومع استمرار الذكاء الاصطناعي الوكيلي في إضافة المزيد من التنوع إلى أعباء العمل، تصبح القدرة على التعامل مع هذه المتطلبات المتغيرة مرتبطة بمرونة البنية التحتية وتنوع خيارات المعالجة، بدلًا من الاعتماد على تكوين واحد لجميع المهام.
