الذكاء الاصطناعي الطَّرَفي والنشر في الزمن الحقيقي

يَنجَح الذكاء الاصطناعي الطَّرَفي أو يفشل في هندسة النشر، لا في النموذج أو الرقاقة: اختيار العتاد المناسب لعبء العمل، وتحسين النموذج ليلائم ذلك العتاد دون تدمير الدقة، وبناء خط أنابيب استدلال بضمانات زمن استجابة حتمية، وإبقاء النظام محدَّثاً ومراقَباً بمجرد تشغيله في برج خلوي أو مركبة أو مصنع أو منشأة دفاعية. تلك الهندسة الخاصة بالنشر هي التخصص الذي تُبنى حوله ارتباطاتنا.

اختيار العتاد قرارٌ هندسي، لا علاقةٌ مع مورِّد

مشهد رقاقات الطَّرَف في عام 2026 هو الأكثر تشظياً على الإطلاق. تحمل كل منصة ملفاً مختلفاً لتغطية العمليات، وبنية ذاكرة، وسلسلة أدوات مُصرِّف، ومنحنى تكلفة عند الحجم الكبير.

الاختيار الخاطئ هنا مكلف ولزج. النموذج المُحسَّن لـ TensorRT على Jetson لا يُنقَل إلى بنية تدفق البيانات في Hailo أو إلى QNN SDK من Qualcomm دون عمل إعادة تحسين قد يستغرق أسابيع. قبل الالتزام، نُحلِّل أداء أعباء العمل مقابل المنصات المرشحة (مستنيرين بـ بحثنا حول زمن استجابة الحوسبة الطَّرَفية الصناعية):

• تحليل تغطية العمليات لبنية النموذج.
• نمذجة عرض النطاق الترددي للذاكرة — عنق الزجاجة الحقيقي على منصات FPGA هو عرض نطاق DDR، لا الحوسبة.
• محاكاة الغلاف الحراري تحت الحمل المستدام.
• التكلفة الإجمالية للملكية عند حجم النشر المستهدف.

يُحدَّد نطاق الارتباط لإنتاج توصية بالعتاد مع مبرِّرٍ كمّي، لا تفضيل مورِّد.

تحسين النموذج الذي لا يُدمِّر ما تعلَّمه النموذج

جعل النموذج يلائم عتاد الطَّرَف هو خط أنابيب، لا خطوة واحدة، والتسلسل مهم:

1. بحث معماري ضمن قيود العتاد: ميزانية FLOP، ومجموعة العمليات المدعومة، وسقف الذاكرة.
2. التدريب المدرك للتكميم (QAT) مستهدفاً دقة INT8 أو INT4 مع معايرة لكل قناة. التكميم بعد التدريب أسرع لكنه غير موثوق — تُظهر اختبارات NVIDIA المرجعية الخاصة فقداناً كارثياً للدقة على معماريات EfficientNet مع PTQ بعد طي batch-norm، بينما يمكن لـ QAT أن يضاهي دقة خط الأساس FP32 أو يتجاوزها.
3. التقليم المُهيكَل الموجَّه بتحليل الحساسية، بإزالة السعة الزائدة دون إطلاق منحدرات الدقة التي يُنشئها التقليم غير المُهيكَل.
4. تقطير المعرفة من نموذج معلِّم أكبر لاستعادة الدقة المفقودة في خطوات الضغط.

اختيار سلسلة أدوات المُصرِّف

يُشكِّل اختيار سلسلة أدوات المُصرِّف ما هو ممكن، لذا نختار حسب كل هدف بدلاً من اللجوء افتراضياً إلى ما استخدمناه آخر مرة:

• TensorRT يقدِّم باستمرار أسرع استدلال على عتاد NVIDIA، لكنه مغلق المصدر وخاص بـ NVIDIA فقط.
• Apache TVM متعدد المنصات ومفتوح المصدر لكنه يتطلب ضبطاً كبيراً؛ فبدون ضبط يكون أداؤه أدنى من ONNX Runtime، بينما مع الضبط يمكنه مضاهاة TensorRT على معماريات المُحوِّلات (اختبار MDPI Electronics المرجعي، 2025).
• Xilinx Vitis AI يتعامل مع تكميم INT8 لأهداف FPGA لكن لديه تغطية جزئية للعمليات تُجبر على إعادة تنفيذ الطبقات يدوياً.

زمن الاستجابة الحتمي ليس زمن الاستجابة المتوسط

تُبلِغ معظم اختبارات الذكاء الاصطناعي الطَّرَفي المرجعية عن متوسط زمن الاستدلال — رقمٌ عديم الفائدة تقريباً لعمليات النشر الحرجة للسلامة. ما يهم هو زمن التنفيذ في أسوأ الحالات (WCET)‏: أطول مدة قد تستغرقها خطوة الاستدلال على الإطلاق تحت الإجهاد الحراري، وضغط الذاكرة، وتقلبات الطاقة، وتنازع جدولة نظام التشغيل. النظام الذي يبلغ متوسطه 2 ميلي ثانية لكنه يقفز أحياناً إلى 15 ميلي ثانية أثناء توقفات جمع المهملات ليس نظاماً آنياً (وهو قيدٌ عرضنا التوضيحي العامل لفحص التصنيع بالذكاء الاصطناعي الطَّرَفي مبنيٌّ حوله). إنه نظام سريع لكنه أحياناً ليس سريعاً بما يكفي.

نهجنا هو بناء خطوط أنابيب استدلال مُهندَسة للذَّيل، لا للمتوسط:

• مخازن ذاكرة مؤقتة مُخصَّصة مسبقاً للقضاء على تذبذب التخصيص.
• تثبيت انتماء وحدة المعالجة المركزية لمنع هجرة المُجدوِل.
• معالجة أولية مُسرَّعة بالعتاد لإبقاء مسار البيانات خارج وحدة المعالجة المركزية.
• معالجة لاحقة للمخرجات مع معايرة الثقة المضبوطة لتوزيع المخرجات المُزاح للنموذج المُكمَّم.

على أهداف FPGA، نُصمِّم لاستدلال حتمي دون المليثانية دون أي طبقة جدولة برمجية على الإطلاق؛ وقد أظهر الدمج الاستشعاري المبني على FPGA زمن استجابة 5.51 ميلي ثانية بدقة 99.3% في اختبارات مرجعية أكاديمية (Springer، 2025). لأهداف GPU، نستخدم رسوم CUDA البيانية وإطلاقات النواة المستمرة لتقليل حِمل المشغِّل، مع تحليل WCET الذي يُميِّز زمن استجابة الذَّيل تحت الاختناق الحراري. الاختناق الحراري وحده يمكن أن يقلل سرعة الاستدلال بمقدار 30 إلى 50% على أعباء العمل المستدامة (اختبار SINTRONES العسكري المرجعي)، لذا فإن النظام المصمم للحالة المتوسطة فقط يفشل تحديداً في الظروف التي تكون فيها الموثوقية أكثر أهمية.

تحديثات OTA للنماذج العاملة في الميدان

نشر النموذج هو البداية، لا النهاية. تنجرف النماذج مع تغيُّر العالم من حولها — تدهور المستشعرات، والتحولات البيئية، وتغيرات سلسلة التوريد التي تُبدِّل توزيع البيانات. اكتشاف الانجراف عند الطَّرَف أصعب منه في السحابة لأن عرض النطاق الترددي محدود ولا يمكنك بث القياس عن بُعد الخام إلى نظام مركزي دون تفجير ميزانية اتصالك. نُنفِّذ اكتشاف انجراف على جانب الطَّرَف باستخدام طرق إحصائية — تباعد كولباك-لايبلر (KL) و مؤشر استقرار المجتمع (PSI) — محسوبة محلياً، مع إرسال المقاييس الموجزة فقط إلى الأعلى. عندما يتجاوز الانجراف العتبات، يمكن للنظام أن يُطلق سير عمل إعادة تدريب آلي أو يرفع الأمر للمراجعة البشرية.

آلية التحديث نفسها تحمل مخاطر، والآلية الصحيحة تعتمد على السياق التنظيمي:

• قطاع السيارات: أصبح UNECE R155 وR156 إلزاميين لجميع موافقات نوع المركبات الجديدة منذ يوليو 2024‏. يتطلب R155 نظام إدارة للأمن السيبراني عبر سلسلة التوريد بأكملها؛ ويتطلب R156 نظام إدارة لتحديث البرمجيات لدورة حياة برمجيات المركبة الكاملة. أي نموذج ذكاء اصطناعي يُسلَّم عبر OTA يقع ضمن R156.
• الأجهزة الطبية: تُقدِّم إرشادات FDA التوجيهية المسوَّدة لشهر يناير 2025 حول وظائف برمجيات الأجهزة المُمكَّنة بالذكاء الاصطناعي خطة التحكم بالتغيير المُحدَّدة مسبقاً، مما يسمح بتحديثات النموذج بعد التسويق دون تقديم طلب جديد إذا بقيت التغييرات ضمن المعايير المُعتمَدة مسبقاً. أجازت FDA 295 جهازاً طبياً مُمكَّناً بالذكاء الاصطناعي/التعلم الآلي في عام 2025، مع تصنيف 62% منها كبرمجيات كجهاز طبي.
• الدفاع والسيادي: غالباً لا يكون OTA خياراً على الإطلاق. تستخدم البيئات المعزولة هوائياً وسائط مادية موقَّعة تشفيرياً أو صمامات بيانات أحادية الاتجاه، مع تحقق من السلامة يطابق IEC 62443-4-2 متطلبات الأمن على مستوى المكوِّن (هذا الصنف من عمليات بناء الطَّرَف المحرومة والمنقطعة هو ما عرضنا التوضيحي العامل لاستقلالية الطائرات المسيَّرة في بيئات محرومة من GPS مُهندَسٌ من أجله).

نُصمِّم بنية تحتية للتحديث تطابق السياق: امتثال SUMS للسيارات، أو توثيق PCCP الخاص بـ FDA، أو سير عمل الوسائط المادية المعزولة هوائياً مع تتبُّع سلسلة العهدة.

متى يكون الذكاء الاصطناعي الطَّرَفي الخيار الخاطئ

ليس كل عبء عمل استدلالي ينتمي إلى الطَّرَف. إنه الخيار الخاطئ في أربع حالات:

• نماذج اللغة الكبيرة التي تتجاوز نحو 7 مليارات معامل — فهي لا تعمل بشكل مُجدٍ على رقاقات الطَّرَف الحالية خارج النسخ المُكمَّمة بشدة والمُقلَّصة القدرة.
• أعباء العمل ذات معماريات النماذج سريعة التغير، حيث تتوقع تبديل عائلات النماذج كل ربع سنة — الاستدلال السحابي يخدمها بشكل أفضل، لأن كل دورة تحسين خاصة بالعتاد تضيف أسابيع.
• عمليات النشر منخفضة الحجم دون بضع مئات من الأجهزة، والتي نادراً ما تبلغ نقطة تعادل التكلفة الإجمالية للملكية التي يُسدَّد عندها استثمار عتاد الطَّرَف؛ فتكلفة الاستدلال السحابي عند ذلك المقياس قابلة للإدارة.
• أعباء العمل حيث تكون البيانات موجودة بالفعل في السحابة، مثل التحليلات على البيانات المُجمَّعة من مواقع عديدة — فدفع الاستدلال إلى الطَّرَف لا يكسب شيئاً.

نقطة تعادل التكلفة الإجمالية للملكية للطَّرَف مقابل السحابة تقع عادةً عند 12 إلى 24 شهراً تبعاً لحجم النشر وتواتر الاستدلال. عند المقياس الكبير تكون الأرقام حاسمة: 50,000 جهاز يُجري 60 استدلالاً في الدقيقة يُولِّد نحو 3 مليارات استدعاء API شهرياً، بما يُترجَم إلى نحو 300,000 دولار شهرياً في تكاليف الاستدلال السحابي وحدها (تحليل صناعة CIO). عتاد الطَّرَف لذلك الأسطول يكلف أكثر مقدَّماً لكنه يتسطح إلى 10 دولارات لكل جهاز شهرياً في التكاليف الجارية، باستهلاك طاقة يبلغ 10 إلى 25 واط لكل عقدة‏. نُنمذِج نقطة تعادل التكلفة الإجمالية للملكية لكل ارتباط لكي يكون القرار مؤسَّساً على أرقام، لا على افتراضات.

الذكاء الاصطناعي متعدد الوسائط والتوليدي عند الطَّرَف

لم يعد الطَّرَف مقتصراً على نماذج التصنيف والكشف:

• تعمل نماذج Cosmos Nemotron للرؤية واللغة من NVIDIA على Jetson Orin للاستدلال متعدد الصور.
• يُشغِّل 10H من Hailo نماذج لغة بمليارَي معامل بزمن استجابة للرمز الأول دون الثانية وبتجاوز 10 رموز في الثانية من الإنتاجية بأقل من 5 واط.
• شاركت منصة Modalix من SiMa.ai مع Cerence لجلب CaLLM Edge، وهو نموذج لغة صغير مُضمَّن بمواصفات سيارية، إلى رقاقات الطَّرَف.
• أطلقت Latent AI ما تسمّيه أول منصة ذكاء اصطناعي طَّرَفية وكيلية في الصناعة، تجمع بين تحسين النموذج وعمليات MLOps الآلية لسير العمل القائم على الوكلاء على عتاد الطَّرَف.

تستطيع أجهزة الطَّرَف الآن تشغيل الإجابة على الأسئلة المرئية، وواجهات المشغِّل باللغة الطبيعية (انظر ورقتنا البيضاء حول الضرورة المعمارية لما بعد أغلفة API للذكاء الاصطناعي الصوتي)، وسلاسل استدلال قصيرة كانت تتطلب في السابق ذهاباً وإياباً إلى السحابة. القيود حقيقية: نوافذ السياق محدودة، وأوقات الاستجابة تتناسب مع طول التسلسل، وتحتاج إلى هندسة موجَّهات دقيقة للبقاء ضمن توزيع المخرجات الموثوق للنموذج المُكمَّم. نساعد الفرق على تحديد أي القدرات التوليدية تستفيد من النشر عند الطَّرَف مقابل أيها يُخدَم بشكل أفضل باستدعاء سحابي مع تخزين مؤقت عند الطَّرَف.