Tecorigin T2 Ultra وHyperIntelliX: منصة حوسبة موحدة للذكاء الاصطناعي والحوسبة عالية الأداء
تحولت شنغهاي في مؤتمر WAIC 2026 إلى نافذة عرض لصناعة حوسبة الذكاء الاصطناعي سريعة التوسع في الصين. ضم هذا المعرض 108 رقاقات وأكثر من 200 منتج حوسبة ذكية، تشمل المسرعات والعقد الفائقة وأنظمة الكتلة وحزم البرمجيات ومنصات الحوسبة العلمية والحلول الصناعية. لقد تغيرت طبيعة المنافسة. في السنوات السابقة، غالبًا ما كان المصنعون يركزون على الأداء الذروي للبطاقة الواحدة. أما هذا العام، فالعناصر المتكررة هي **الهندسة المعمارية للنظام**، **الكبيرة**
Tecorigin T2 Ultra وHyperIntelliX: منصة حوسبة موحدة للذكاء الاصطناعي والحوسبة عالية الأداء
مقدمة
حوَّل مؤتمر WAIC 2026 مدينة شنغهاي إلى نافذة عرض لصناعة الحوسبة الذكية سريعة التوسع في الصين. ضم هذا المؤتمر 108 رقاقات وأكثر من 200 منتج حوسبة ذكية، شملت المسرعات والعقد الفائقة وأنظمة المجموعات والبرمجيات الوسيطة ومنصات الحوسبة العلمية والحلول القطاعية.
لقد تغيرت خريطة المنافسة.
في السنوات الماضية، كان التركيز التسويقي للشركات ينصب على الأداء الأقصى للبطاقة الواحدة. أما هذا العام، فظهرت مصطلحات مثل هندسة النظم والتنسيق واسع النطاق وكفاءة الربط البيني ونقل البرمجيات وقدرات النشر المتكاملة كمفاهيم رئيسية متكررة.
مع تزايد أحجام النماذج، وتعزيز حالات أنظمة الوكلاء الأذكياء، وارتفاع الطلب المزدوج لأعباء عمل "الذكاء الاصطناعي للعلوم" على الحوسبة العامة والمسرَّعة، أصبحت قيمة الرقاقة المنعزلة أقل قابلية للفصل عن النظام المحيط بها.
في جناح Tecorigin في تشانغجيانغ، عرضت الشركة رقاقة جديدة غير متجانسة متعددة النوى ونظام عقدة فائقة كبير صُمم حول مفهوم "دمج الذكاء الاصطناعي والحوسبة عالية الأداء".
تشمل المنتجات الأساسية:
- هندسة HCU للحوسبة التجميعية غير المتجانسة
- معالج T2 Ultra الجديد
- نظام HyperIntelliX للحوسبة واسعة النطاق
- مجتمع مطورين مُحسَّن وأدوات نقل محسَّنة
- منصة حوسبة مطورة ذاتياً لـ AI4Science
- نظام أمان متعدد الجوانب للنماذج الكبيرة في كافة المجالات
أهمية الهندسة المعمارية تفوق أداء البطاقة الواحدة
يصف يانغ جينتشي، الرئيس التنفيذي لشركة Tecorigin، الوضع الحالي للقطاع بأنه تحول من المنافسة على مستوى البطاقة الواحدة إلى المنافسة على مستوى النظام.
يعكس هذا التحول التغير في أعباء العمل نفسها.
لقد تجاوزت النماذج الكبيرة عتبة تريليون معلمة. تحتاج أنظمة الوكلاء إلى تخطيط وجدولة وإدارة ذاكرة وتنسيق أدوات أكثر تعقيداً. تضيف تطبيقات الذكاء الاصطناعي للعلوم متطلبات الحوسبة العددية عالية الإنتاجية، والمهام طويلة الأمد، والدقة المزدوجة الصارمة.
عندما لا تستطيع وحدات المعالجة المركزية المحيطة، وروابط الذاكرة، وشبكات الاتصال، والتخزين، وبرمجيات الجدولة مواكبة التطور، فإن مجرد زيادة عدد بطاقات التسريع قد يؤدي إلى تناقص العوائد الهامشية.
لم يعد الهدف ذا صلة هو مجرد تحقيق أقصى قوة حاسوبية نظرية، بل تقليل التكلفة الفعلية للحساب المفيد داخل النظام بأكمله.
عرض عارضون آخرون في WAIC استراتيجيات مماثلة على مستوى النظام، بما في ذلك Atlas 950 SuperPoD من Huawei، ونظام العقدة الفائقة Xijing من Muxi، وبنية Lingjun Zhenwu التحتية من Alibaba.
يقدم Tecorigin حله في هندسة HCU، وهو اختصار لهندسة الحوسبة التجميعية غير المتجانسة.
في مخطط تقسيم العمل المقترح:
- يتولى جانب وحدة المعالجة المركزية المهام العامة مثل جدولة الوكلاء، والتحكم في سير العمل، ومعالجة البيانات المسبقة.
- تركز مصفوفة الحوسبة XPA على تدريب النماذج الكبيرة والاستدلال.
- تدير الذاكرة الهرمية المشتركة البيانات الساخنة والباردة ديناميكياً.
- يغير النظام توازن الموارد حسب متطلبات المهمة، بدلاً من الاعتماد على تكوين ثابت لوحدة المعالجة المركزية والمسرِّع.
من الناحية العملية، يدمج هذا التصميم نوعي موارد الحوسبة ضمن نفس الهندسة، مما يمنح النظام مرونة أكبر في تخصيص الموارد.
تكمن ميزته المحتملة في استخدام أعلى تحت أعباء العمل المختلطة. لا يحتاج النظام إلى استخدام مصفوفة الذكاء الاصطناعي عالية الإنتاجية لكل مهمة كثيفة التحكم، ولا يعتمد على وحدة معالجة مركزية مضيفة أصغر حجماً في أعباء العمل التي تتطلب جدولة وتنسيقاً كبيرين.
أهمية الحوسبة غير المتجانسة متعددة النوى للوكلاء الأذكياء
تعتمد خوادم الذكاء الاصطناعي التقليدية عادةً على وحدة معالجة مركزية واحدة مع أربع إلى ثماني وحدات معالجة رسومية أو بطاقات تسريع ذكاء اصطناعي.
في هذا التصميم، تعمل وحدة المعالجة المركزية عادةً كمضيف: تبدأ المهام، وتدير نقل البيانات، وتتعامل مع مهام نظام التشغيل، وتنسق المسرِّعات.
يعمل هذا النمط بشكل جيد عندما تنفذ المسرِّعات الغالبية العظمى من الحساب ويكون مسار التحكم بسيطاً نسبياً.
يكسر الذكاء الاصطناعي القائم على الوكلاء هذا التوازن.
قد يحتاج الوكيل الفعال إلى:
- تفسير الهدف
- تقسيمه إلى مهام فرعية
- اختيار الأدوات
- تخطيط وضبط سير العمل
- قراءة وكتابة البيانات الخارجية
- الحفاظ على الذاكرة طويلة المدى
- تنسيق نماذج أو وكلاء فرعيين متعددين
- التعافي من الإجراءات الفاشلة
- إدارة الأذونات والموافقات
- التنفيذ المستمر خلال جلسات طويلة
تعتمد العديد من هذه العمليات على الحوسبة العامة بدلاً من ضرب المصفوفات الكثيفة.
يستشهد المقال المصدر بتوقعات القطاع: النسبة المتعددة لوحدة المعالجة المركزية إلى وحدة معالجة الرسوميات تاريخياً، قد تقترب من نسبة واحد إلى واحد في بعض العقد المستقبلية، وقد يزداد الطلب على وحدة المعالجة المركزية في أعباء العمل كثيفة الوكلاء.
كما وصفت Alibaba Cloud الوكيل على أنه مزيج من الجدولة القائمة على الحالة والتنفيذ عديم الحالة، مما يتطلب تحكماً أدق في الموارد.
تهدف هندسة HCU من Tecorigin إلى مواجهة هذا التحول على مستوى المعالج.
من خلال ربط موارد وحدة المعالجة المركزية مع نوى الذكاء الاصطناعي عبر بنية ربط عالية السرعة مشتركة، تهدف الشركة إلى تقليل تكاليف نقل البيانات مقارنة بتصميمات المضيف-المسرِّع المنفصلة تماماً.
يعتمد تحويل المزايا النظرية إلى نتائج عملية على أداء التطبيق الحقيقي، وجودة المترجم، وسلوك الذاكرة، واستراتيجيات الجدولة، وكفاءة الطاقة، واستخدام النظام.
T2 Ultra: معالج واحد، وضعي عمل
يقدم T2 Ultra من Tianjun (Tecorigin)، أول معالج يعتمد على هندسة HCU الجديدة.
أبرز ما يميزه هو تصميمه ثنائي الوضع.
وضع الحوسبة المستقلة
في وضع الحوسبة المستقلة، يمكن لـ T2 Ultra العمل كعقدة حوسبة كاملة، وليس مجرد مسرِّع إضافي.
هذا يجعله مناسباً لـ:
- النشر على الحافة
- أنظمة البحث الصغيرة
- محطات العمل
- عقد الحوسبة المستقلة
- في البيئات التي يزيد فيها الحاجة إلى بنية مضيف مستقلة من التعقيد
وضع الحوسبة المسرَّعة
في وضع التسريع، يعمل T2 Ultra بالتنسيق مع النظام المضيف، ليكون بمثابة محرك حوسبة عالي الإنتاجية ضمن خوادم أو مجموعات أكبر.
يدعم هذا الوضع:
- تدريب النماذج الكبيرة
- الاستدلال واسع النطاق
- خوادم متعددة البطاقات
- العقد الفائقة
- مجموعات الحوسبة العلمية
- النشر في مراكز البيانات
وبالتالي، يمكن لسلسلة المعالجات نفسها العمل في أدوار بنية تحتية متنوعة.
المواصفات المعلنة لـ T2 Ultra
يسرد Tianjun والتقرير الأصلي المواصفات القصوى التالية:
| الدقة أو الخاصية | المواصفات المعلنة |
|---|---|
| قدرة حوسبة FP64 HPC | 38 TFLOPS |
| قدرة حوسبة FP16 المتفرقة | 1,200 TFLOPS |
| قدرة حوسبة FP4 المتفرقة | 4,800 TFLOPS |
| نطاق الدقة | من FP64 إلى FP4 |
| عرض نطاق الربط بين الرقاقات | 800 جيجابايت/ثانية |
| أوضاع العمل | حوسبة مستقلة وحوسبة مسرَّعة |
| الحد الأقصى للاتصال المباشر في نظام واحد | يصل إلى 128 بطاقة |
ما ورد أعلاه هو بيانات الذروة المقدمة من المورد.
أداء FP64 مهم بشكل خاص للتطبيقات العلمية والهندسية التي تتطلب حسابات دقيقة مزدوجة. بينما FP16 و FP4 موجهان لتدريب واستدلال الذكاء الاصطناعي، مما يزيد الإنتاجية عند استخدام تنسيقات دقة منخفضة عندما تسمح متطلبات النموذج والدقة بذلك.
تفترض بيانات القدرة الحسابية المتناثرة أيضًا أن أعباء العمل والبرامج يمكنها الاستفادة من أنماط التشتت المدعومة. لا ينبغي مقارنتها مباشرة بالقدرة الحسابية الكثيفة دون التحقق من صحة منهجية الاختبار الأساسية.
القيمة الفعلية لـ T2 Ultra تعتمد على:
- أداء التطبيقات المستدام
- عرض النطاق الترددي وسعة الذاكرة
- كفاءة توسع المجموعات
- الدقة في الحسابات منخفضة الدقة
- دعم البرامج
- الموثوقية
- استهلاك الطاقة
- توفر الإنتاج
- التكلفة لكل عبء عمل مكتمل
قد تساعد البنية ثنائية النمط في تقليل تجزئة الأجهزة للعملاء الذين يحتاجون إلى نطاقات نشر متعددة، لكن لا يزال من الضروري التحقق من توافق أعباء العمل المستهدفة.
HyperIntelliX: دمج الحوسبة الذكية مع الحوسبة الفائقة
إذا كان T2 Ultra هو محرك الحوسبة، فإن HyperIntelliX هو المنصة واسعة النطاق المبنية عليه.
تضع Tianjiao HyperIntelliX كنظام حوسبة محلي بالكامل يجمع بين القدرات التالية:
- الحوسبة الذكية لتدريب النماذج والاستدلال
- الحوسبة عالية الأداء للمحاكاة العددية
- سير عمل AI4Science
- الربط البيني واسع النطاق
- بنية تحتية معيارية مبردة بالسوائل
- برامج وإدارة موارد مشتركة
تقول الشركة إن النظام يستخدم تصميمًا معياريًا مبردًا بالسوائل، بهدف تحقيق PUE أقل من 1.1، ويمكن توسيعه عبر الربط البصري ليصل إلى مجموعة تضم ما يصل إلى 100,000 بطاقة.
ويهدف إلى تشغيل أعباء عمل النماذج ذات التريليونات من المعلمات وتطبيقات الحوسبة العلمية باستخدام عائلة أجهزة واحدة في نفس الوقت.
هذا هو الجوهر الحقيقي لـ دمج الحوسبة الفائقة والحوسبة الذكية.
عادةً ما يتم تحسين مجموعات الذكاء الاصطناعي التقليدية لعمليات التنسور، أو تدريب النماذج، أو الاستدلال. وقد تعطي أجهزة الكمبيوتر العملاقة التقليدية الأولية لحسابات الفاصلة العائمة المزدوجة الدقة (FP64)، وأعباء العمل على غرار MPI، والمحاكاة العددية واسعة النطاق، والأداء المتوازي المستدام.
يعمل "الذكاء الاصطناعي من أجل العلوم" (AI for Science) بشكل متزايد على دمج كلا المجالين.
قد يستخدم سير عمل بحثي المحاكاة التقليدية لتوليد البيانات، ثم تدريب نموذج بديل عصبي، وتشغيل التنبؤات المدعومة بالذكاء الاصطناعي، والعودة إلى التحقق العددي. يؤدي الحفاظ على بنية تحتية منفصلة لكل مرحلة إلى تكرار في تكاليف الأجهزة والبرامج والتشغيل.
تهدف HyperIntelliX إلى توفير منصة أساسية موحدة لكلا النوعين من التطبيقات.
يأتي الادعاء بأنها أول منصة دمج واسعة النطاق للحوسبة الذكية والحوسبة الفائقة من الشركة ومن التقرير الأصلي. تعتمد معايير التصنيف على كيفية تعريف الأنظمة المنافسة والنشرات السابقة، لذلك لا ينبغي اعتبارها مرتبة سوقية مستقلة قائمة بذاتها.
المنصة ليست مخصصة للنماذج الكبيرة فقط
تؤكد Tecorigin على أن HyperIntelliX لا تقتصر على تدريب واستدلال الذكاء الاصطناعي العام.
عرضت الشركة ثلاثة مشاريع تمثيلية في مجال "الذكاء الاصطناعي من أجل العلوم":
- تصور التنبؤات الجوية العالمية
- محاكي TecoQSim الكلاسيكي الكمي
- فحص الأدوية الافتراضي واسع النطاق
عادةً ما تحتاج الحوسبة العلمية إلى:
- تزامن عالٍ
- إنتاجية عالية للبيانات
- مهام طويلة الأمد
- تشغيل مستقر لساعات أو أيام
- حسابات الدقة المزدوجة
- أنظمة ذاكرة موزعة كبيرة
- مكتبات حوسبة عددية متخصصة
- نتائج قابلة للتكرار
- التكامل مع أكواد البحث الحالية
تشمل خلفية فريق Tecorigin مشاركتهم في أنظمة ومشاريع حصلت على جائزة جوردون بيل (واحدة من أعرق الجوائز في مجال الحوسبة عالية الأداء).
تدعم هذه التجارب قرار الشركة بدخول مجال "الذكاء الاصطناعي من أجل العلوم"، على الرغم من أن الإنجازات التاريخية للفريق لا تثبت بشكل مستقل أداء المنتج الجديد.
علوم الحياة
تشمل الأعمال الموصوفة في المواد الرسمية لـ "الذكاء الاصطناعي من أجل العلوم" من Tecorigin ما يلي:
- التعاون مع فريق Baidu PaddlePaddle وفرق Sunway لإعادة إنتاج AlphaFold3 محليًا
- التكيف مع تحسين جامعة شاندونغ لـ UCSF DOCK 3.7
- التطوير المشترك لـ CrossDNA مع جامعة هونان
تستهدف هذه المشاريع التنبؤ ببنية البروتين، والالتحام الجزيئي، وفحص الأدوية الافتراضي، ونمذجة اللغة الجينومية.
الطقس والمناخ
تعاونت Tecorigin مع فريق الحوسبة العلمية في Baidu لتطوير نظام طقس محلي يمكنه تصور درجات الحرارة، وقوة الرياح، وهطول الأمطار، ومسارات الأعاصير.
يتطلب التنبؤ بالطقس معالجة مجموعات بيانات مكانية وزمانية ضخمة، والقدرة على دمج النماذج العددية مع أنظمة التعلم الآلي.
المحاكاة الكمومية
طورت Tecorigin، بالتعاون مع فرق من جامعة تسينغهوا، TecoQSim، وهو محاكي كلاسيكي للأنظمة الكمومية.
تستخدم هذه المنصة انكماش التنسور المعقد والحوسبة العددية عالية الأداء لمحاكاة السلوك الكمومي على أجهزة الحوسبة التقليدية.
ميكانيكا الموائع وعلوم المواد
كما وصفت الشركة تطبيقات في مجالات ميكانيكا الموائع الحاسوبية، والنماذج العلمية متعددة الوسائط، وعلوم المواد، والكيمياء، وغيرها من المجالات التي تجمع بين المحاكاة والذكاء الاصطناعي.
توضح هذه الشراكات النطاق المتوقع لاستخدام المنصة. لا تزال بيانات أداء كل مشروع تعتمد على تكوينه المحدد ومنهجية التقييم.
الهجرة البيئية هي أكبر تحدٍ للحوسبة المحلية
الأجهزة القوية وحدها لا تكفي إذا لم يتمكن المطورون من ترحيل أعباء عملهم إلى الأجهزة الجديدة.
أطلقت Tecorigin منتجين بيئيين في مؤتمر WAIC بهدف تقليل تكلفة الترحيل.
المنتج الأول هو منصة مطوري الذكاء الاصطناعي 2.0.
تقول الشركة إن المنصة تدعم أنظمة التدريب والاستدلال الرئيسية التالية:
- Megatron-LM
- DeepSpeed
- PaddlePaddle و PaddleHelix
- PyTorch
- vLLM
- SGLang
- Transformers
- LLaMA-Factory
تغطي سلسلة الأدوات المراحل التالية:
- تحليل النموذج
- الترحيل
- تطوير المشغل (Operator)
- التجميع
- تحسين الأداء
- تصحيح الدقة
- النشر
- إدارة وقت التشغيل
تجمع المنصة، استنادًا إلى خصائص أعباء العمل في الحوسبة العلمية، بين:
- جدولة موارد الحوسبة
- إدارة المهام
- بيئة التطوير
- حزمة الحوسبة العلمية
- نموذج برمجة تايتشو
- مكتبات التسريع العامة والمتخصصة في المجالات
- أدوات توليد العوامل الحسابية
- تحسين المترجم
- تحليل الأداء
كما أنها تدعم الأطر التالية:
- PyTorch
- JAX
- PaddlePaddle
- MindSpore
- vLLM
تهدف حزمة DevKit المصاحبة إلى تقليل تكلفة كتابة وتحسين العوامل الحسابية.
لماذا يستغرق النقل وقتًا
النموذج الذي يمكن تشغيله بنجاح قد لا يصل بالضرورة إلى حالة الجاهزية للإنتاج.
قد يتطلب النقل العمل على مستويات متعددة:
- استبدال العوامل الحسابية غير المدعومة
- نقل النوى المخصصة
- تحديث أنظمة البناء
- تحويل تنسيق النموذج
- التحقق من الدقة العددية
- إعادة إنتاج النتائج الأساسية
- تحسين كفاءة الذاكرة
- تحسين آليات الاتصال
- ضبط استراتيجيات التوازي
- اختبار استرداد الأعطال
- تحديث أدوات المراقبة والنشر
يقتبس المصدر الأصلي تقديرات الصناعة بأن التكيف الكامل قد يستغرق من ثلاثة إلى ستة أشهر، حيث يشكل تحسين الأداء حوالي 60% من عبء العمل.
هذا التقدير غير قابل للتطبيق بشكل عام. قد يكون نقل النماذج القياسية التي تستخدم عوامل حسابية مدعومة أسرع، بينما قد يستغرق نقل رموز البحث المخصصة الكبيرة وقتًا أطول.
المفتاح هو أن تكلفة النقل تقيس الوقت الهندسي والمخاطر التشغيلية، وليس مجرد تثبيت البرامج.
استراتيجيتان رئيسيتان للنظام البيئي
يقسم المصدر الأصلي النظام البيئي للمسرعات المحلية إلى فئتين رئيسيتين.
النظام البيئي الموجه نحو التوافق
يسعى هذا المسار إلى الحفاظ على أنماط التطوير المألوفة وتقليل التغييرات في أعباء العمل الحالية.
يمكن للبائعين توفير المترجمين، وبيئات التشغيل، ومكتبات العوامل الحسابية، وأدوات النقل الخاصة بهم، مع دعم الأطر ونماذج البرمجة المستخدمة على نطاق واسع.
الميزة هي تقليل احتكاك التبديل.
الخطر هو أن الحفاظ على التوافق الكامل مع نظام بيئي ناضج وسريع التطور أمر صعب. قد تظهر اختلافات طفيفة في الدلالات أو الأداء في أعباء العمل المتقدمة.
النظام البيئي المستقل
يبني المسار الثاني بيئات برمجية أكثر استقلالية، مثل النظام البيئي المقابل لمجموعة تقنيات Huawei MindSpore وAscend.
هذا يسمح بتحكم أعمق وتحسين أكبر حول الأجهزة الخاصة به.
الثمن هو أن المطورين قد يحتاجون إلى تعلم أدوات جديدة أو إجراء تعديلات أوسع على سير عملهم.
تشير المواد العامة لشركة Tecorigin إلى أنها أقرب إلى مسار التوافق. يصف موقعها الإلكتروني دعمها للنماذج والأطر السائدة، وتذكر أن حزمة البرامج الخاصة بها يمكنها التكيف مع أكثر من 40 سلسلة نماذج.
يقدر المصدر الأصلي أن هذا المسار يمكن أن يغطي 80% إلى 90% من السيناريوهات السائدة. هذا النطاق هو وصف عام من البائع أو الصناعة، وليس ضمانًا بأن كل عبء عمل يمكن نقله دون تغييرات.
بناء نظام AI4Science البيئي
تشمل أعمال Tecorigin البيئية التعاون مع الجامعات ومؤسسات البحث والشركات.
يسرد المصدر الأصلي الحالات التالية:
- TecoQSim بالتعاون مع جامعة تسينغهوا
- منصة الحوسبة الكمومية-الحاسوبية الفائقة-الحوسبة الذكية بالتعاون مع SpinQ
- تكييف RiverONE والتحقق على منصة Loongson
- دعم البنية التحتية AtomWorld لمعهد أبحاث الصناعة الذكية (AIR) بجامعة تسينغهوا
- إعادة إنتاج AlphaFold3 بالتعاون مع فرق PaddlePaddle وShenWei
- CrossDNA بالتعاون مع جامعة هونان
- تحسين الالتحام الجزيئي بالتعاون مع جامعة شاندونغ
- حلول AI4Science بالتعاون مع Baidu PaddlePaddle
- منصة حوسبة الطقس المحلية
التطبيقات بالتعاون مع فريق الحوسبة العلمية في Baidu
- أعمال حوسبة الطاقة بالتعاون مع Dongrun
- تكييف نموذج Intern-S1 العلمي متعدد الوسائط لمختبر شنغهاي للذكاء الاصطناعي
يشير المصدر أيضًا إلى أن الشركة تعاونت مع أكثر من 100 جامعة ومؤسسة بحثية وشريك صناعي.
عدد الشركاء وإجمالي التكيفات كلها بيانات تعلنها الشركة بنفسها. توضح هذه الأرقام حيوية النظام البيئي، لكنها في حد ذاتها لا تثبت عمق كل نشر أو حجم إنتاجه أو نجاحه التجاري.
لا تزال الاستراتيجية الأساسية واضحة:
الشريحة هي مفتاح دخول السوق، لكن البرامج والنظام البيئي للتطبيقات يحددان ما إذا كانت المنصة تستطيع الاستمرار في تقديم القيمة.
نظام أمان نموذج اللغة الكبير لجميع المجالات
أصدرت هذه الدورة من WAIC أيضًا نظام أمان نموذج اللغة الكبير لجميع المجالات الذي تم بناؤه بشكل مشترك من قبل سبع مؤسسات:
- مركز حوسبة الذكاء الاصطناعي في مطار خنان
- RealAI (RuiLai Intelligence)
- Tecorigin (TaiChu YuanSuan)
- Anshi Information (Anqu Information)
- Qingyuan Zhiqian (ClearSource SmartShift)
- DianShu Tech (Points Data Technology)
- ShuAnXin (DataSecurity Trust)
الطبقة الأساسية هي الأساس المحلي الموثوق للحوسبة. فوقها، منصة تكامل التقييم والإدارة. تغطي الطبقات العليا ما يلي:
- تقييم سلامة النماذج الكبيرة
- الامتثال للبيانات
- أمن البيانات
- أمان سلسلة توريد البرامج
- التدريب والتعليم في مجال الأمان
قد يبدو هذا غير مرتبط بأداء المعالج والمجموعات، لكن الأمان أصبح بشكل متزايد مكونًا رئيسيًا لجاهزية البنية التحتية.
لا تستطيع الصناعات الحكومية والمالية والطبية وغيرها من الصناعات الخاضعة للتنظيم النشر فقط لأن النموذج يعمل بسرعة. إنها تحتاج إلى ضوابط تغطي البيانات والأذونات ومكونات البرامج وسلوك النموذج والتدقيق والامتثال.
ستعتمد قيمة نظام الأمان المشترك هذا على معاييره، وتغطيته، وطرق اختباره، وجودة تكامله، والتحقق المستقل.
الرسم البياني الهرمي لا يساوي ضمانًا أمنيًا قابلاً للتشغيل.
استراتيجية البنية التحتية ثلاثية المستويات
يلخص المصدر مجموعة عروض Tecorigin في WAIC لهذه الدورة في ثلاثة مستويات مترابطة.
الطبقة السفلية: الأجهزة وأنظمة الحوسبة
- بنية الحوسبة الهجينة غير المتجانسة HCU
- معالج T2 Ultra
- نظام الحوسبة HyperIntelliX
- الترابط على نطاق واسع
- بنية تحتية لمجموعات التبريد السائل
الطبقة الوسطى: المطورون ومنصة AI4Science
- مجتمع مطوري الذكاء الاصطناعي 2.0
- تكييف الأطر
- تطوير المشغلات (Operators)
- المترجمات وأدوات الأداء
- منصة AI4Science
- DevKit ومكتبات التسريع
الطبقة العليا: الأمان والتطبيقات الصناعية
- أمان النماذج الكبيرة في جميع المجالات
- التعاون البحثي
- أعباء العمل الحاسوبية في مجالات الأرصاد الجوية، والكم، وعلوم الحياة، وعلوم المواد، وغيرها
- النشر في المؤسسات والقطاع العام
الرقاقة بدون دعم برمجي يكون نطاق تطبيقها محدودًا. البرمجيات بدون أجهزة موثوقة لا يمكنها تحقيق الأداء الأمثل. وبدون الحوكمة والأمان، يصعب نشر كليهما في القطاعات الحساسة.
لذلك، فإن موقع شركة تيكوريجين (Tecorigin) ليس مجرد مورد للمسرعات البديلة، بل هو باني لمكدس بنية تحتية أوسع للذكاء الاصطناعي.
مؤتمر WAIC 2026: اختبار لنضج الحوسبة المحلية
تضع المصادر شركة تيكوريجين ضمن سوق أكبر للرقائق المحلية، يضم أيضًا مصنعين مثل Huawei Ascend وCambricon وMuxi وHaiguang وغيرهم.
البيانات المقارنة – بما في ذلك أهداف الإنتاج، ونمو الإيرادات، والقيمة السوقية، وعدد النماذج المُكيَّفة – هي بيانات زمنية، مصدرها بيانات الشركات أو تقاريرها المالية. هذه البيانات ليست ضرورية لتقييم بنية تيكوريجين وقد تتغير بسرعة.
الملاحظة الأكثر ديمومة هي أن الحوسبة المحلية للذكاء الاصطناعي تنتقل من التبني بدوافع سياسية إلى اختبار سوقي أقوى.
يطرح العملاء بشكل متزايد أسئلة من قبيل:
- هل يمكن تسليم الأجهزة على نطاق واسع؟
- هل تبقى المجموعات الكبيرة مستقرة؟
- هل يدعم البرنامج النماذج السائدة الحالية؟
- كم من الوقت يستغرق النقل (Migration)؟
- ما هي التكلفة الفعلية لكل عبء عمل؟
- هل يستطيع المهندسون تشخيص المشكلات؟
- هل يظل الأداء ثابتًا بعد ترقية النموذج؟
- هل المنصة آمنة بما يكفي للبيانات الخاضعة للتنظيم؟
- هل يمكن للمورد تقديم الدعم طوال دورة حياة النظام؟
ما يميز تيكوريجين هو محاولتها دعم الذكاء الاصطناعي والحوسبة العلمية من خلال بنية موحدة.
الفرصة واضحة: أعباء عمل AI4Science تتطلب أداءً عالي الدقة للقيم الرقمية وقدرات تسريع حديثة للذكاء الاصطناعي.
التحدي واضح أيضًا: يجب على الشركة إثبات قدرتها على:
- الإنتاج الموثوق على نطاق واسع
- النشر المستقر لعشرات الآلاف ومئات الآلاف من البطاقات
- الاستفادة العالية
- التوافق البرمجي القوي
- تكييف النماذج القابل لإعادة الاستخدام
- التكلفة الإجمالية للملكية التنافسية
- الدعم الفني المستدام
- التحقق المستقل من الأداء
الانتقال من "قابل للاستخدام" إلى "سهل الاستخدام" هو خطوة حاسمة يجب أن تتخذها أي منظومة حوسبة بديلة.
المنافسة الحقيقية تكمن في اكتمال النظام
يشير مؤتمر WAIC 2026 إلى أن عصر الاعتماد على ذروة أداء الحوسبة الأحادية قد ولى.
البنية التحتية الحديثة للذكاء الاصطناعي تتطلب تنسيقًا بين:
- الحوسبة العامة
- الحوسبة المسرَّعة
- الذاكرة
- الترابط (Interconnect)
- التخزين
- التبريد
- المترجمات
- الأطر
مكتبات المشغلات (Operator Libraries)
- جدولة المجموعات (Cluster Scheduling)
- تكييف النماذج
- برمجيات الحوسبة العلمية
- الأمان والحوكمة
T2 Ultra هو أحدث إجابة من شركة Tianshu Zhixin (Iluvatar CoreX) على مستوى الرقاقة، و HyperIntelliX هو إجابتها على مستوى النظام، بينما تشكل منصة المطورين ومكدس تقنية AI4Science الإجابة البيئية. تهدف البنية الأمنية المشتركة إلى تلبية احتياجات النشر في البيئات الحساسة.
هذه المجموعة المنتجية طموحة، والعديد من الادعاءات التقنية لا تزال بحاجة إلى التحقق على نطاق إنتاجي.
ومع ذلك، فهي تُظهر بالفعل وحدة المنافسة الصحيحة.
إن نتيجة مشهد الحوسبة المحلية في المستقبل لن تتحدد بمن يعرض أعلى ذروة نظرية في المعارض، بل بمن يمكنه تشغيل أعباء العمل عالية القيمة بشكل مستقر، ونقل الأنظمة البرمجية بكفاءة، وتحقيق الاستدامة الاقتصادية بعد النشر.
الأسئلة الشائعة
ما هو معالج T2 Ultra من Iluvatar CoreX (Tianshu Zhixin)؟
T2 Ultra هو معالج متعدد النوى غير متجانس (Heterogeneous Many-Core) من الجيل الجديد يعتمد على بنية HCU، يدعم الوضع المستقل ووضع المسرِّع، ويغطي تنسيقات الدقة من FP64 إلى FP4.
ما هي بنية HCU؟
بنية HCU (Heterogeneous Converged Computing Architecture) هي بنية حوسبة متقاربة غير متجانسة تدمج موارد وحدة المعالجة المركزية (CPU) ونوى حوسبة الذكاء الاصطناعي في شبكة ترابط عالية السرعة مشتركة، ويمكنها تعديل النسبة بينهما ديناميكيًا وفقًا لأعباء العمل المختلفة.
ما هو نظام HyperIntelliX؟
HyperIntelliX هو نظام حوسبة متقارب واسع النطاق من Iluvatar CoreX موجه للذكاء الاصطناعي والحوسبة العلمية عالية الأداء، مع T2 Ultra كنواة له، ويدمج التبريد السائل، والترابط واسع النطاق، ومنصة برمجية مشتركة.
لماذا يدعم T2 Ultra دقة FP64؟
دقة FP64 ضرورية للمحاكاة العلمية والحسابات الهندسية التي تتطلب دقة رقمية عالية. هذا الدعم يمكن المعالج من خدمة كل من تطبيقات AI4Science وتطبيقات الحوسبة عالية الأداء (HPC) التقليدية، بدلاً من التركيز فقط على استدلال الذكاء الاصطناعي منخفض الدقة.
هل يمكن لأجهزة Iluvatar CoreX تشغيل أطر الذكاء الاصطناعي السائدة؟
تشير المواد الرسمية إلى دعم أطر وأدوات مثل PyTorch وPaddlePaddle وMegatron-LM وDeepSpeed وvLLM وSGLang وTransformers وJAX وMindSpore. يختلف عمق الدعم وجهد النقل باختلاف النموذج والمشغل (Operator).
ما هي منصة AI4Science من Iluvatar CoreX؟
هي منصة حوسبة بحثية متكاملة تجمع الأجهزة المحلية، وجدولة المهام، وبيئات التطوير، ونماذج البرمجة، والمكتبات العلمية، وأدوات المشغلات، ودعم الأطر، وتغطي مجالات علوم الحياة، والأرصاد الجوية، والمحاكاة الكمومية، وديناميكيات الموائع، وعلوم المواد، وغيرها.
هل بيانات أداء T2 Ultra تم التحقق منها بشكل مستقل؟
إن أرقام الأداء القصوى لـ FP64 وFP16 وFP4، ومواصفات الترابط والتوسع في المواد المنشورة هي من توفير الشركة المصنعة. المقارنة الكاملة تتطلب الاعتماد على اختبارات قياسية للتطبيقات المستقلة وبيانات النشر في الإنتاج.
ما هو نظام أمان النماذج الكاملة الشامل (全域大模型安全体系)؟
تم إطلاق هذا النظام في مؤتمر WAIC 2026، وهو عبارة عن بنية أمان متعددة الأطراف تدمج الحوسبة الموثوقة المحلية مع تقييم النماذج، والحوكمة، والامتثال للبيانات، وأمن البيانات، وأمن سلسلة توريد البرمجيات، وأمن التدريب.
الأدوات ذات الصلة
- منصة مطوري Iluvatar CoreX: البوابة الرسمية للمطورين، توفر النماذج والموارد البيئية ومدخل الوصول إلى المنصة.
- PyTorch: إطار عمل مفتوح المصدر يستخدم على نطاق واسع لتدريب النماذج والبحث والنشر.
- Megatron-LM: إطار عمل مفتوح المصدر من NVIDIA لتدريب نماذج المحولات (Transformer) على نطاق واسع.
- DeepSpeed: نظام مفتوح المصدر من Microsoft يدعم التدريب الموزع للنماذج وتحسين الاستدلال.
- vLLM: محرك خدمة مفتوح المصدر عالي الإنتاجية لنماذج اللغات الكبيرة.
- JAX: إطار عمل للحوسبة الرقمية لأعباء عمل التعلم الآلي والحوسبة العلمية.
الروابط ذات الصلة
الموقع الرسمي لـ Iluvatar CoreX: المنصة الرسمية لمعلومات الشركة والمنتجات والحلول والنظام البيئي.
نظرة عامة على منتجات وتقنيات Iluvatar CoreX: معلومات رسمية حول البنية غير المتجانسة، وأنظمة الأجهزة، ومكدس البرمجيات، والنماذج المدعومة، وإدارة الحوسبة.
[منصة AI4Science من Iluvatar CoreX](https://www.tecorigin.
com/cn/ai4s.html: الصفحة الرسمية لمنصة AI4Science المحلية، وأدوات البرمجة، وأطر الدعم، ودراسات الحالة البحثية.
مركز توثيق TianShuZhiXin: الوثائق التقنية ودراسات الحالة لمنتجات TianShuZhiXin والمشاريع البيئية.
منصة مطوري TianShuZhiXin: بوابة موارد النماذج والنظام البيئي للمطورين.
تقرير منتجات WAIC 2026: مقال مخصص لتغطية T2 Ultra وHyperIntelliX ومنصة AI4Science وأنظمة أمان النماذج الكبيرة.
تقرير المركز الوطني للابتكار العلمي والتكنولوجي: نظرة عامة من الموقع الحكومي الرسمي على نشر TianShuZhiXin في مجالات الذكاء الاصطناعي والأرصاد الجوية والبيولوجيا ومراكز الحوسبة الذكية.
الخلاصة
تجمع المنتجات التي أطلقتها TianShuZhiXin في WAIC 2026 بين بنية HCU غير المتجانسة الجديدة ومعالج T2 Ultra ونظام الحوسبة المندمجة HyperIntelliX وأدوات المطورين ومنصة AI4Science ونظام الأمان متعدد الطبقات.
تستجيب هذه الاستراتيجية للتغيرات الواقعية في مجال البنية التحتية للذكاء الاصطناعي. تتطلب أعباء عمل العوامل الذكية قدرات تنسيق عامة أعلى، بينما يحتاج الذكاء الاصطناعي العلمي إلى حسابات عددية عالية الدقة ومهام تشغيل طويلة المدى وأنظمة متوازية قابلة للتوسع.
على الرغم من أن البنية والمواصفات التي أعلنتها الشركة واعدة، إلا أن قابليتها للإنتاج، ونضج برمجياتها، واستقرار مجموعاتها، وأداء تطبيقاتها، وتكاليف تشغيلها الإجمالية لا تزال بحاجة إلى تحقق أوسع.
ما يميز إطلاق TianShuZhiXin هذه المرة ليس معلمات شريحة واحدة، بل محاولتها بناء مجموعة كاملة من أسس الحوسبة للذكاء الاصطناعي والعوامل الذكية والحوسبة العلمية وترحيل البرامج ونشر الأمان.