ما يمنع انتشار الذكاء الاصطناعي ليس النموذج بل البنية التحتية... يتزايد دور "التشغيل الموحد" لنظام كوبرنيتس بشكل واضح

مشكلة توسع الذكاء الاصطناعي ليست في النموذج، بل في “البنية التحتية” — هذا التشخيص يتسع بشكل متزايد.

في المؤتمر الأخير “KubeCon+CloudNativeCon أوروبا”، أصبح واضحًا أن جوهر منافسة الذكاء الاصطناعي (AI) لم يعد يقتصر على أداء النماذج فقط. وأشارت التحليلات إلى أن أكبر عائق أمام نشر AI فعليًا في الخدمات هو القيود الهيكلية التي تمنع تشغيل الأنظمة الموزعة عبر السحابة والحافة والمحلية ككيان واحد موحد.

تشير دراسات جديدة إلى أن الغالبية العظمى من مشاريع AI لم تصل إلى مرحلة التشغيل الفعلي، وأن أسباب الفشل تتركز أكثر في مشاكل التكامل والتنفيذ التشغيلي بدلاً من النموذج نفسه. وقال بول ناشافاتي، كبير محللي شركة TheCube Research: “يُظهر AI عيوبًا جذرية في البنية التحتية الأساسية للشركات”، مضيفًا أن التفتت الشامل بين السحابة والحافة والمحلية أصبح العقبة الأكبر أمام AI التشغيلي.

قضايا السيادة تجعل بنية AI التحتية أكثر تعقيدًا

تم تسمية هذا التفتت مؤخرًا بـ"السيادة". وذلك لأن سيادة البيانات، واللوائح الإقليمية، والسياسات الداخلية للشركات تتداخل، مما يصعب تجميع البيانات والأعباء العمل في مكان واحد. ونتيجة لذلك، يتحول نظام AI إلى بنية لا تتكون من تكديس واحد، بل من عمليات موزعة عبر بيئات متعددة.

على سبيل المثال، شرح مايك باريت، نائب رئيس قسم المنصات المختلطة ومديرها العام في ريد هات، أن العملاء لا يرغبون في أدوات مخصصة لبيئة معينة، بل في منصة “أفقية” على مستوى الشركة. ولحل هذه المشكلة، تركز ريد هات على بناء طبقة تحكم تعتمد على Kubernetes وتدير بشكل موحد أعباء العمل AI عبر جميع البيئات، وتسمى “مستوى التحكم في AI”.

Kubernetes يتجاوز التنسيق، ويتطور ليصبح أداة “الاتساق التشغيلي”

لم يُصمم Kubernetes أصلاً لأغراض استنتاج AI. دوره الأصلي كان أقرب إلى نشر وإدارة الحاويات. لكن مع انتقال استنتاج AI إلى بيئات الخدمة الفعلية، بدأت تظهر مشاكل مثل عدم وجود اتساق بين المناطق، وتقلبات في الكمون، والنزاعات على الموارد، وانحراف السياسات، وهي مشاكل “تشغيلية يومية”.

ذكر روبرت شوتي، مدير الهندسة في ريد هات، إطار العمل المفتوح المصدر “llm-d”، موضحًا أن المستخدمين لا يرغبون فقط في بناء أنظمة ذات أداء متفوق، بل أيضًا في التعامل مع تعقيدات مرحلة التشغيل اللاحقة. وهذا يعني أن عدم استقرار أنظمة AI يحدث ليس أثناء التدريب، بل أثناء التشغيل الفعلي للخدمة.

كما أشار يان ميرلين، نائب رئيس مجلس إدارة مؤسسة الحوسبة السحابية الأصلية (CNCF)، إلى أن على الرغم من أن الحوسبة السحابية الأصلية تطورت إلى تعاون مفتوح المصدر عالمي، إلا أن AI يخلق تعارضًا بين بناء أنظمة تعتمد على “الاتساق العالمي” وبين اللوائح الإقليمية والبيئات الموزعة.

قال روبرت ستريتشاي، كبير المحللين في TheCube Research: “جوهر AI الوكيل ليس مشكلة في النموذج، بل في بنية المنصة”، وأن القدرة التنافسية المستقبلية ستعتمد أكثر على بناء بنية تحتية أفضل بدلاً من اختيار نماذج أفضل.

الهندسة المنصاتية تظهر كحل عملي لتشغيل AI

المشكلة أن Kubernetes معقد جدًا بالنسبة لجميع الفرق، ويصعب التعامل معه مباشرة. قال براين ستيفنز، كبير مسؤولي التكنولوجيا في قسم AI في ريد هات، إن العديد من علماء البيانات الذين ينشئون AI يتحملون مسؤولية إدارة البنية التحتية أيضًا. الحل هو الهندسة المنصاتية.

وأوضح ستريتشاي أن مع تزايد أدوات التفتت، وفجوة قدرات الأفراد، وتعقيد العمليات، تتجه الصناعة نحو بنية تحكم موحدة تعتمد على الهندسة المنصاتية وKubernetes. في ظل هذا الاتجاه، تتولى منصة OpenShift AI من ريد هات مسؤولية تجريد التعلم والنشر والخدمات والاستنتاج عبر بيئات مختلطة بطريقة قابلة لإعادة الاستخدام.

الآلات الافتراضية تدخل Kubernetes أيضًا

لن يتم تحديث البنية التحتية للشركات مرة واحدة بالكامل. فالأصول القديمة مثل أنظمة الفوترة وقواعد البيانات غالبًا ما تبقى في بيئاتها الأصلية بسبب مخاطر الإدارة. وهذا يؤدي إلى استمرار تشغيل الآلات الافتراضية (VMs) والحاويات بشكل ثنائي على مدى طويل.

أظهرت الدراسات أن 84% من صانعي القرار في تكنولوجيا المعلومات يواجهون صعوبة في إدارة بيئات الآلات الافتراضية والحاويات بشكل منفصل. قال دانييل ماسيل من ريد هات: “يجب ألا تظل التقنيات الافتراضية والحاويات معزولة، بل ينبغي أن تكون على منصة واحدة”. وKubeVirt، وهو مشروع توسعة داخل CNCF، يسمح بتشغيل الآلات الافتراضية والحاويات في Kubernetes في آن واحد.

ويُفهم من ذلك أن الأمر ليس القضاء على الأنظمة القديمة، بل دمجها ضمن طبقة تحكم موحدة، مما يسهل إدارة العمليات.

كما أشار البعض إلى أن “الراحة” ليست مساوية للسيطرة

على الرغم من أن السيادة في AI تبدو كبديل، إلا أن هناك من يرى أن ذلك يأتي مع قيود أكبر. فالقوانين الوطنية تحد من حركة البيانات، وسياسات الشركات تعيق المركزية. ونتيجة لذلك، يجب على الشركات، سواء كانت مستعدة أم لا، توزيع أعباء العمل بين السحابة، والمحلية، والحافة.

أكد غابرييل بارتوليني من EnterpriseDB أنه إذا لم نضمن قابلية نقل قواعد البيانات، فلن يكون هناك سيادة حقيقية. وأوضح أن “الراحة” في الخدمات المدارة لا تعني السيطرة. كما أشار يان ميرلين إلى أنه في مناقشات السيادة، يجب التمييز بين “سيادة الكود” و"سيادة النشر"، فالكود يمكن أن يكون مفتوح المصدر عالميًا، لكن النشر الفعلي يتأثر بالقوانين والسياسات.

وفي هذا الصدد، أصبح دور Kubernetes أكثر وضوحًا: فهو يربط الكود المشترك عالميًا بشكل يمكنه من العمل في بيئات ذات قيود إقليمية مختلفة.

الفوز والخسارة يعتمد على النظام البيئي

لا يمكن لشركة واحدة أن تتحمل مسؤولية بنية AI التحتية بمفردها. لجعل مستوى التحكم في Kubernetes فعالاً، لا بد من ربط الأنظمة المختلفة، وليس استبدالها. وما يجعل ذلك ممكنًا هو “نظام بيئي” يتكون من المعايير، وواجهات برمجة التطبيقات، والمشاريع المفتوحة المصدر العليا.

قال ناشافاتي إن ريد هات ليست مجرد مزود منصة تجارية، بل واحدة من أكثر الشركات مساهمة في نظام CNCF البيئي. وهذه الأعمال العليا ليست مجرد نسخ من أنظمة Kubernetes، بل آلية أساسية لضمان التوافق وتوحيد التنفيذ بين مختلف الشركات المصنعة. كما تتعاون ريد هات مع NVIDIA لتطوير “مصنع AI من ريد هات”، الذي يدمج OpenShift مع تسريع الحوسبة من NVIDIA لبنية تحتية AI مؤسسية قابلة للتوسع.

قال ناشافاتي: “بالنظر إلى أن ما يصل إلى 75% من الشركات تواجه فشل AI بمعدل مزدوج الأرقام بسبب التفتت في الأنظمة، فإن المشكلة قد انتقلت إلى البنية التحتية”. وهذا يعني أن المشكلة ليست في نقص الوظائف، بل في الصعوبة الهيكلية في تنسيق الأنظمة مع بعضها البعض.

Kubernetes يتصدر المشهد كطبقة إنتاج في عصر AI

بدلاً من أن يُقال إن AI ينهك نقطة معينة، يمكن القول إن

ملاحظات حول AI باستخدام TokenPost.ai تم تلخيصها بواسطة النموذج الأساسي. قد يتم إغفال أجزاء رئيسية من المحتوى أو عدم دمطابقته للواقع.