مع تطور أنظمة الذكاء الاصطناعي وانتقالها من مجرد تشغيل النماذج إلى إدارة سير عمل مستقل قائم على الوكلاء Agentic AI، بدأت متطلبات البنية التحتية بالتغير بشكل جذري. فلم تعد الأحمال تعتمد على مهام استدلال منفردة، بل أصبحت تتطلب آلاف التفاعلات المنسقة بين النماذج والخدمات والأدوات المختلفة، ما يمنح المعالجات المركزية CPU دوراً محورياً جديداً باعتبارها طبقة التحكم الأساسية لأنظمة الذكاء الاصطناعي الحديثة.
وفي هذا السياق، كشفت شركة Arm Holdings مؤخراً عن معالج Arm AGI CPU المصمم خصيصاً للجيل القادم من البنية التحتية الخاصة بالذكاء الاصطناعي. ويركز المعالج الجديد على قابلية التوسع في عدد الأنوية وعرض نطاق الذاكرة والكفاءة على مستوى النظام، بهدف إدارة التفاعلات المعقدة بين المعالجات المركزية ووحدات الرسوميات والمسرعات المختلفة داخل بيئات الذكاء الاصطناعي الضخمة.
وخلال فعاليات OCP EMEA Summit 2026، أعلنت Arm أن مزود الخدمات السحابية الأوروبي Verda سيعتمد معالج Arm AGI CPU ضمن بنيته التحتية الجديدة المخصصة لتنسيق أنظمة الذكاء الاصطناعي الوكيل، إلى جانب أنظمة تعتمد على منصات NVIDIA GB300 والأنظمة المستقبلية المبنية على NVIDIA Vera Rubin.
ويعكس هذا التوجه تحولاً أوسع داخل القطاع نحو الأنظمة المتكاملة التي تجمع بين المعالجات المركزية والمسرعات المختلفة، حيث أصبحت المعالجات المركزية تلعب دوراً أساسياً في إدارة سير العمل والبيانات والسلوك العام للأنظمة الذكية.
تعاون بين Arm وMeta لتطوير البنية التحتية للذكاء الاصطناعي
أكدت Arm أن تطوير معالج AGI CPU يتم بالتعاون مع عدد من شركات الحوسبة السحابية العملاقة، وعلى رأسها Meta Platforms، في إطار العمل على بناء منصات مفتوحة وقابلة للتوسع لدعم الأحمال المتزايدة لأنظمة الذكاء الاصطناعي.
وأوضحت الشركة أن التحديات الحالية لا تقتصر فقط على توفير الأداء الخام للحوسبة، بل تشمل أيضاً تحسين الكفاءة العامة للنظام وضمان التوافقية بين مختلف المكونات والمنصات.
وتعمل Arm وMeta معاً على تطوير بنية تحتية تسمح بإدارة ونشر أنظمة الذكاء الاصطناعي الوكيل بكفاءة أعلى عبر الاعتماد على Arm AGI CPU لتنسيق سير العمل وإدارة العمليات المعقدة بين مختلف الوحدات الحاسوبية.
كما أشارت Arm إلى أن هذا التعاون يعكس التحول المتزايد لدى شركات الحوسبة العملاقة نحو الأنظمة المتكاملة tightly integrated systems، حيث تؤدي المعالجات المركزية دوراً محورياً في إدارة أحمال الذكاء الاصطناعي بدلاً من الاكتفاء بدور تقليدي محدود.
Verda تستعرض الجيل القادم من البنية التحتية
اعتماد Verda لمعالج Arm AGI CPU يقدم مثالاً عملياً لكيفية بناء البنية التحتية المستقبلية الخاصة بالذكاء الاصطناعي، حيث تجمع الشركة بين معالجات Arm ومنصات NVIDIA GB300 لتطوير بنية متكاملة تدعم تشغيل تطبيقات Agentic AI على نطاق واسع.
وفي هذا النموذج، تتولى المسرعات الرسومية تنفيذ عمليات النماذج وتوليد الرموز Tokens، بينما تقوم المعالجات المركزية بإدارة سير العمل وتنظيم حركة البيانات والتنسيق بين مختلف مكونات النظام.
وترى Arm أن هذا التوازن بين المسرعات والمعالجات المركزية أصبح ضرورياً لأنظمة الذكاء الاصطناعي الحديثة، خاصة تلك القائمة على الوكلاء المستقلين، والتي تعتمد كفاءتها على التنسيق الكامل بين جميع طبقات النظام وليس فقط على قوة الحوسبة الخام.
معايير مفتوحة لتوسعة أنظمة الذكاء الاصطناعي
أكدت Arm أن التوسع في أنظمة الذكاء الاصطناعي يتطلب أكثر من مجرد تطوير الشرائح الإلكترونية، بل يعتمد أيضاً على وجود معايير مفتوحة تضمن سهولة التوافق والتوسع بين مختلف الشركات والمنصات.
ولهذا تعمل الشركة على تقديم عدة مساهمات داخل مشروع Open Compute Project لتسهيل تطوير البنية التحتية المعتمدة على Arm، بما يشمل معايير SBSA وSBMR وإطار ADAC الخاص بالتوافقية داخل مراكز البيانات.
كما تعمل Arm على تطوير تصاميم مرجعية لخوادم تعتمد على Arm AGI CPU لتقليل الزمن اللازم للانتقال من تطوير الشرائح إلى تشغيل الأنظمة الفعلية داخل مراكز البيانات.
دعم مستقبل أنظمة Chiplet
تركز Arm أيضاً على دعم مستقبل الأنظمة القائمة على Chiplets عبر مشروع Foundation Chiplet System Architecture بالتعاون مع شركاء OCP، بهدف إنشاء منظومة أكثر انفتاحاً وقابلية للتوافق بين الشرائح المختلفة.
وترى الشركة أن هذا التوجه سيساعد على تبسيط تصميم الأنظمة وتقليل تعقيد عمليات الدمج، مع تمكين الشركات من تطوير منصات ذكاء اصطناعي أكثر كفاءة وقابلية للتوسع.
وأكدت Arm في ختام الإعلان أن نجاح البنية التحتية المستقبلية للذكاء الاصطناعي لن يعتمد فقط على الأداء، بل على القدرة على التوسع والتشغيل والتوافق بين الأنظمة المعقدة، مشيرة إلى أن المعالجات المركزية ستصبح الطبقة الأساسية التي تدير هذه المنظومات خلال المرحلة المقبلة من تطور الذكاء الاصطناعي.
