أصبحت وحدات معالجة الرسوميات (GPU) هي نجوم الأجهزة في عصر الذكاء الاصطناعي، مما يسمح بمعالجة متوازية هائلة للبيانات مما يقلل فترات الانتظار من أسابيع أو أشهر على وحدة المعالجة المركزية إلى أيام. ومع ذلك، بالنسبة للمؤسسات التي ترغب في الاستفادة من هذه التكنولوجيا لاستنتاج الذكاء الاصطناعي الخاص بها، هناك عقبة رئيسية: التكلفة.
بحسب مقال بقلم أجزاء الخادم، وهي شركة متخصصة في بيع أجهزة تكنولوجيا المعلومات المجددة، هناك حاجة إلى 32-128 وحدة معالجة رسوميات للضبط الدقيق و4-32 للاستدلال. ومع ذلك، قد يكون شراء هذه الأجهزة بتكلفة كبيرة: وحدات معالجة الرسوميات NVIDIA H100، على سبيل المثال، يكلف 250,000 دولار أمريكي إلى 400,000 دولار أمريكي لكل وحدة. تضيف الأجهزة الإضافية مثل بطاقات التخزين والشبكات إلى فاتورة المشتريات الباهظة.
قال فاسيلي مازن، مدير علاقات العملاء والمؤسس المشارك لمختبر Mind Simulation Lab، وهو حاصل على درجة الدكتوراه في الرياضيات في بناء هندسة AGI وبدائل LLM، ITPro: “تم تصميم مراكز بيانات المؤسسات الحديثة للتعامل مع 10-20 كيلووات لكل رف. ويتطلب أحدث جيل من أجهزة الذكاء الاصطناعي (مثل بنية GB300 من Nvidia) ما يصل إلى 150 كيلووات لكل رف، مما يتطلب تبريدًا سائلًا مباشرًا إلى الشريحة ومحطات فرعية ضخمة للطاقة “.
وفقًا لمازن، لم يتم تصميم غرف خوادم المؤسسات الحالية لدعم وحدات معالجة الرسوميات المتطورة للتدريب والعمليات المتعلقة بالذكاء الاصطناعي. “لا تستطيع المؤسسات فعليًا توصيل هذه الأجهزة بغرف الخوادم الموجودة لديها دون ذوبان البنية التحتية.” حتى لو اختار قادة تكنولوجيا المعلومات تخصيص ميزانيات CapEx عالية، فإن تكاليف الكهرباء والتبريد لا تبرر عائد الاستثمار. يصبح بناء وتشغيل مركز البيانات فرعًا تجاريًا منفصلاً لمثل هذه المؤسسات.
لا تمتلك شركات الذكاء الاصطناعي الأصلية، بما في ذلك Anthropic وOpenAI، وحدات معالجة الرسومات، ولكنها تستأجرها من خلال شراكات بمليارات الدولارات مع متعهدي الحوسبة الفائقة أو موفري الحوسبة. فالجيغاواط حبيسة أبراج المكاتب لعقد من الزمان، أو ربما لعقدين، مع استمرار الطلب والاستخدام. تختلف الحالة بالنسبة لمستخدمي الذكاء الاصطناعي في المؤسسات لأنهم لا يستخدمون وحدات معالجة الرسومات بمجرد انتهاء المهمة.
وهنا يمكن أن تكون وحدة معالجة الرسومات كخدمة (GPUaaS)، وهي نموذج للحوسبة السحابية، خيارًا موثوقًا به للشركات التي تعتمد الذكاء الاصطناعي. GPUaaS هي خدمة تأجير للمؤسسات للوصول إلى وحدات معالجة الرسومات عبر الإنترنت. تلغي ميزة الإيجار الحاجة إلى تخصيص رأس المال وصيانة البنية التحتية المادية.
يمكن لمشتركي المؤسسات الوصول إلى وحدات معالجة الرسومات عند الطلب مقابل رسوم. تتيح GPUaaS عند الطلب لمستخدمي المؤسسات الدفع فقط مقابل الموارد المستخدمة. يمكن للشركات أن تدفع ما يصل إلى 2 دولار أمريكي أو 10 دولارات أمريكية في الساعة لنفس وحدة معالجة الرسومات NVIDIA H100 التي تكلف عشرات الآلاف من الدولارات في الشراء.
يقول كيفن أوكونور، مؤسس شركة TKOResearch الاستشارية لأمن الذكاء الاصطناعي، والمدير الفني السابق في وكالة الأمن القومي: ITPro: “لقد تضاعف سعر بطاقة المستوى الرئيسي نفسها تقريبًا [GPU]ويرجع ذلك جزئيًا إلى سلسلة التوريد ولكن أيضًا الطلب مع انفجار الذكاء الاصطناعي.
تميل المنتجات التقنية، بما في ذلك وحدات معالجة الرسومات، إلى عرض أسعار إطلاق مرتفعة. كقاعدة عامة، تميل أسعار الأجهزة إلى الانخفاض مع مرور الوقت، وذلك بسبب عمليات الإطلاق الأحدث، ولكن هذا ليس هو الحال بالنسبة لوحدات معالجة الرسومات. شارك O’Connor أن النقص المستمر منذ عقد من الزمن في وحدات معالجة الرسومات الاستهلاكية أدى إلى زيادة الأسعار الحالية لعام 2026 بما يتجاوز سعر الإطلاق.
قال O’Connor، الداعم لـ GPUaaS: “كانت هناك بعض الفجوات الصغيرة حقًا بين بعض البطاقات الحديثة [GPU] إصدارات الجيل أو حتى المراجعات على البطاقات التي جعلت الشراء أقل جاذبية.“
نماذج التسعير للنظر فيها
لا يقتصر GPUaaS على تجنب CapEx فحسب، بل إنه نموذج استهلاك مختلف. يتساءل أوكونور: “لماذا ندير البنية التحتية المطلوبة لتشغيلها وإدارتها والاستفادة منها [the GPU] عندما يمكنك استخدامه بشكل أساسي بنفس نموذج التكلفة كمنتج SaaS؟”
ولهذا السبب تحولت “وحدة معالجة الرسومات كأجهزة” إلى نموذج “الحوسبة السحابية كخدمة”. “تكلفة [GPU] لا تعتبر سوى نسبة ضئيلة مقارنة بما تكلفته من إجمالي الأجهزة والعمليات والصيانة – ناهيك عن أسعار الطاقة”. وكالة الطاقة الدولية تشير التقارير إلى أن الخوادم، سواء كانت مزودة بوحدات معالجة الرسومات أو وحدات المعالجة المركزية، تمثل 60% من استهلاك الكهرباء في مراكز البيانات، يليها التبريد.
بدلاً من تخصيص وحدة معالجة رسومات فعلية واحدة للعميل، يقوم مزود الخدمة بتشغيل برنامج للعديد منهم لمشاركة نفس الأجهزة. يحصل كل منهم على شريحة افتراضية من وحدة معالجة الرسومات. يقوم Hyperscalers، ومشغلو مراكز البيانات، ومقدمو الأجهزة، وعدد قليل من الشركات الناشئة الناشئة ببيع وحدة معالجة الرسومات كخدمة في ثلاثة نماذج تسعير: حسب الطلب، والحجز، والتسعير الفوري.
- GPUaaS عند الطلب: يمكن للمؤسسات الوصول إلى وحدات معالجة الرسومات عند الطلب، والدفع فقط مقابل الموارد المستخدمة، سواء للثواني أو الساعات. لا يوجد التزام، بل مرونة فقط. يميل مقدمو الخدمات إلى تحديد أعلى سعر في نموذج التسعير القائم على الطلب. يتم تشغيل المشاريع التجريبية أو لمرة واحدة أو الأقل تكرارًا على GPUaaS عند الطلب. تميل خدمات البيع بالتجزئة والوسائط والخدمات المالية إلى اختيار GPU كخدمة عند الطلب.
- GPUaaS المحجوزة: يمكن للمؤسسات استئجار وحدات معالجة الرسومات بسعر مخفض مقابل التزام محدد بفترة زمنية. يقدم النموذج المحجوز تكلفة منخفضة ولكنه يتطلب نفقات متكررة. يمكن لأحمال عمل التعلم الآلي الثابتة والمستمرة على مدار الساعة طوال أيام الأسبوع (العادية) والمتوقعة والمستدامة تنفيذ الاستدلال لفترة محددة مسبقًا.
غالبًا ما تختار الرعاية الصحية والتجارب السريرية عقد تسعير محجوز. الجانب السلبي لهذا النموذج هو الافتقار إلى المرونة – فلا يزال يتعين على الشركات أن تدفع ثمن المشاريع بشكل مستمر حتى لو توقفت ثم بدأت في التوقف ثم إعادة التشغيل.
- GPUaaS بسعر فوري: يمكن للمؤسسات الوصول إلى سعة المركز الاحتياطية/غير المستخدمة الخاصة بموفر الخدمة بخصم كبير قد يصل إلى 70%. إذا ارتفع الطلب، يمكن لمزود الخدمة مقاطعة أو إلغاء الوصول إلى وحدة معالجة الرسومات بإشعار مسبق أو بدونه. يمكن أن يدعم التسعير الفوري أعباء العمل المتسامحة مع الأخطاء والقابلة للمقاطعة وذات الأولوية المنخفضة والدفعية.
- GPUaaS مخصصة/معدنية: يمكن للمؤسسات استئجار بنية أساسية كاملة لوحدة معالجة الرسومات (GPU) فعليًا من مزود الخدمة. نظرًا لغياب طبقة المحاكاة الافتراضية لوحدة معالجة الرسومات، فإن المعدن المجرد هو النموذج الأغلى والأكثر أمانًا لنموذج GPUaaS.
يمكن لنماذج التسعير المخصصة أن تدعم أعباء العمل الثقيلة والحساسة للأداء والحرجة لصناعات مثل الدفاع والفضاء والخدمات المصرفية والأدوية والحكومة. عدم وجود مستأجرين آخرين على جهاز افتراضي يعني أيضًا قدرًا أكبر من الأمان.
قصة لا توصف من GPUaaS
يعتمد مستقبل GPUaaS على اختيار المؤسسة وأهداف عبء عمل الذكاء الاصطناعي والسرية والميزانية.
من وجهة نظر المشتري، يجب أن يكون قادة تكنولوجيا المعلومات قادرين على اختيار GPUaaS كخدمة مُدارة بنطاق 360 درجة. بالإضافة إلى الوصول إلى وحدة معالجة الرسومات، يجب على المؤسسات أن تبحث عن تقييد البائع من خلال اتفاقيات مستوى الخدمة التي تحكم التخزين عالي الأداء والشبكات السريعة والتحديثات الأمنية والتنسيق. تسجيل الدخول البسيط إلى GPU المقدم لتسعير GPUaaS هو موزع GPU مقنع.
قال مازن: “في الوقت الحالي، تقيد الشركات نفسها بعقود GPUaaS متعددة السنوات وبأسعار ذروة السوق فقط لدعم الذكاء الاصطناعي القوي.” ويأتي التحذير بعد فترات زمنية أطول. ويضيف مازن: “لكن قيمة السيليكون تنخفض بسرعة، والأهم من ذلك أن نماذج البرمجيات تتغير”.
جزء كبير من سوق GPUaaS مشغول بـ “neoclouds” – موفرو حوسبة GPU المتخصصون. في حين أن موفري الخدمات السحابية ووحدات التوسعة الفائقة يقومون بتجميع وحدات معالجة الرسومات مع العشرات من الخدمات الأخرى غير ذات الصلة في حزمة واحدة، فإن السحابات الجديدة مصممة خصيصًا لخدمة العملاء الذين يبحثون عن أجيال مختلفة في وحدة معالجة الرسومات كخدمة.
الحل الأمثل هو تصنيف سير عمل الذكاء الاصطناعي وتحديد الأولويات. تعد وحدات معالجة الرسومات المحلية منطقية بالنسبة لأحمال العمل العادية مع سيادة البيانات ومتطلبات الامتثال الثقيلة. يمكن للمؤسسات اختيار أفضل ما في كلا العالمين، وهي استراتيجية هجينة – شراء أجهزة GPU واختيار GPUaaS من مقدمي الخدمة الموثوقين عندما يرتفع الطلب.
