The top wall street firms are fighting over 1 one AI chip

Watch on YouTube

Now Playing

Transcript

1152 segments

0:00

هناك شركة تداول في

0:01

وول ستريت تدفع حالياً

0:02

مئات الملايين من

0:03

الدولارات للحصول على

0:05

هذا النوع الفريد من

0:06

شرائح الذكاء

0:07

الاصطناعي. الشركة

0:08

التي ابتكرت هذه

0:09

الشريحة تدعى "سيريبرس

0:10

"، وقد شهدت واحدة من

0:11

أكبر عمليات الاكتتاب

0:12

العام في مجال الذكاء

0:13

الاصطناعي هذا العام،

0:15

حيث جمعت حوالي 6

0:15

مليارات دولار في يوم

0:17

واحد. وقد التزمت شركة

0:18

"أوبن أيه آي" بشراء ما

0:19

قيمته 20 مليار دولار

0:20

من منتجاتهم خلال

0:21

العامين المقبلين.

0:23

إذاً، السؤال هنا هو:

0:24

لماذا انخفض سعر السهم

0:25

بنسبة 50%منذ طرح

0:26

الشركة للاكتتاب

0:27

العام؟ في الواقع،

0:29

انتشرت إشاعة الأسبوع

0:30

الماضي بأن "أوبن أيه

0:31

آي" توقفت عن استخدام

0:33

شرائح "سيريبرس"

0:34

لوضعها السريع فائق

0:35

الجودة، واختارت

0:36

بدلاً منها شرائح "

0:37

إنفيديا"، مما أدى

0:38

لهبوط السهم بنسبة 20%

0:39

أخرى. بصراحة، بدا

0:40

الأمر وكأن النهاية قد

0:42

حانت لهذه الشركة

0:43

تماماً. لذا قررت

0:44

البحث في هذا الأمر

0:45

بنفسي، وأدركت أن

0:46

الفرص السوقية لنماذج

0:48

الذكاء الاصطناعي

0:49

الأسرع هي فرص ضخمة

0:50

للغاية. في الواقع،

0:51

تجني شركة "جين ستريت"

0:53

وحدها إيرادات قدرها

0:55

200 مليون دولار مقابل

0:56

كل ميجاوات من حوسبة

0:58

شرائح "سيريبرس" التي

0:59

تستخدمها كل عام، وهو

1:01

أمر جنوني حقاً. لكن

1:02

الأمر لا يقتصر فقط

1:04

على وول ستريت. هناك

1:05

سبب وجيه للغاية يدفع

1:06

شركات التداول، وأي

1:07

شركة أخرى ضمن قائمة "

1:09

فورتشن 500"، للرغبة في

1:10

الحصول على شرائح توفر

1:11

استنتاجاً أسرع. هذه

1:13

الحلقة ليست مخصصة

1:14

للحديث عن "سيريبرس"

1:15

فقط. أنا لا أمتلك أي

1:16

أسهم في "سيريبرس"، لكن

1:18

الحلقة تدور حول سبب

1:19

كون الاستنتاج الأسرع

1:20

سوقاً مربحاً جداً

1:21

للذكاء الاصطناعي،

1:22

وسنستخدم "سيريبرس"

1:23

كمثال. كل هذا وأكثر في

1:25

حلقة اليوم من برنامج "

1:26

إن ذا لوب"، برعاية

1:28

شركة "كوالكوم". الآن،

1:32

قبل أن نبدأ، دعونا

1:33

نضع سياقاً سريعاً حول

1:35

ماهية "سيريبرس". هي

1:37

ببساطة شركة تنتج

1:38

شرائح ذكاء اصطناعي

1:40

بحجم طبق الطعام. أنا

1:41

لا أمزح حتى. لقد حملت

1:43

إحدى هذه الشرائح من

1:44

قبل، إنها ضخمة فعلاً.

1:46

تبدو غريبة للغاية،

1:47

وهي تتكون من ملايين

1:48

الملايين من

1:49

الترانزستورات

1:50

الصغيرة التي تسمح

1:51

لنماذج الذكاء

1:52

الاصطناعي بالعمل

1:53

والأداء. الآن، أفضل

1:54

مقارنة لهذا هي وحدات

1:55

معالجة الرسومات من "

1:56

إنفيديا". لقد سمعنا

1:58

جميعاً عن "إنفيديا".

1:59

لقد رأينا جميعاً هذه

2:00

المراكز الكبيرة

2:01

للبيانات، لكن وحدة

2:02

المعالجة الواحدة

2:03

تكون بحجم مشابه ويتم

2:05

تكديسها معاً. أفضل

2:06

طريقة لمقارنة شريحة "

2:08

سيريبرس" بوحدة معالجة

2:10

رسومات قياسية من "

2:11

إنفيديا" هي اعتبار

2:13

وحدة "إنفيديا" بمثابة

2:15

حافلة نقل عام. إنها

2:16

كبيرة. وتقل الكثير من

2:18

الركاب. وهي رخيصة

2:20

الثمن. إنها موثوقة،

2:21

ولكن هناك الكثير من

2:23

المحطات بين النقطة "أ"

2:25

والوجهة "ب". تركيزها

2:26

الكامل ينصب على نقل

2:28

أكبر عدد ممكن من

2:29

الناس من النقطة "أ"

2:30

إلى النقطة "ب" بشكل

2:32

موثوق ورخيص. وهذا أمر

2:34

جيد. لكن عندما

2:35

تقارنها بشريحة Cerebras

2:36

للذكاء الاصطناعي،

2:37

فهي أشبه بسيارة

2:38

رياضية كلاسيكية

2:39

فائقة السرعة. إنها

2:41

باهظة الثمن. قد تتسع

2:42

لشخص أو شخصين كحد

2:44

أقصى، لكنها تنقلك من

2:45

النقطة "أ" إلى النقطة "

2:47

ب" بسرعة كبيرة، غير

2:48

أنها مكلفة للغاية.

2:49

لذا، قد تتساءل، حسناً

2:51

، أي عمل تجاري أو

2:52

لماذا قد أستخدم واحدة

2:53

بدلاً من الأخرى؟

2:54

حسناً، لطالما كانت

2:55

Nvidia هي الخيار الموثوق

2:57

. إنهم يستحوذون على

2:58

حوالي 80 إلى 85%من سوق

2:59

الرقائق بأكمله. لقد

3:01

أحكمت Nvidia وجنسن هوانغ

3:02

قبضتهما على هذا السوق

3:03

بأكمله لفترة طويلة،

3:04

قبل وقت طويل من ظهور

3:05

الذكاء الاصطناعي حتى.

3:06

لكن الحاجة إلى

3:07

استنتاج أسرع، أو

3:08

بعبارة أدق استجابة

3:09

نماذج الذكاء

3:10

الاصطناعي لك بشكل

3:11

أسرع، يمكن أن تنطبق

3:12

على العديد من حالات

3:13

الاستخدام المحددة.

3:14

أكثرها وضوحاً هو

3:15

التداول المالي، على

3:16

سبيل المثال. إذا كنت

3:18

تعمل في Jane Street، أو إذا

3:20

كنت منافساً لها، فأنت

3:21

تريد الوصول إلى

3:23

المعلومات التي قد

3:24

تفيد صفقات معينة قد

3:25

تقوم بها بأسرع ما

3:27

يمكن. وهكذا، إذا كان

3:28

بإمكانك بناء نموذج

3:30

على مستوى البنية

3:31

التحتية يقدم لك هذه

3:32

الإجابة في غضون أجزاء

3:34

من الثانية، أو حتى

3:35

ثوانٍ أسرع من منافسك،

3:37

يمكنك إجراء صفقة

3:38

تمنحك ميزة على شركة

3:39

أخرى. الآن، هذا

3:40

التركيز مالي للغاية،

3:42

ولكن يمكنك تخيل تطبيق

3:43

هذا على أي شيء وكل شيء

3:44

يلمسه الذكاء

3:45

الاصطناعي. حسناً،

3:46

دعونا ندخل في دراما

3:47

الأسبوع الماضي وما

3:49

انتهى به الأمر ليصبح

3:50

كابوساً فوضوياً

3:51

مطلقاً لسهم Cerebras. كان

3:52

هناك هذا المقال الذي

3:54

نشرته SemiAnalysis. تعد

3:55

SemiAnalysis شركة أبحاث

3:57

مرموقة للغاية،

3:58

ولديها هذا النوع من

3:59

المحتوى المحجوب خلف

4:00

جدار دفع. إنهم

4:01

يتعمقون حقاً في تحليل

4:03

أشباه الموصلات

4:04

والرقائق. تكلف إحدى

4:05

اشتراكاتهم آلاف

4:07

وآلاف الدولارات كل

4:08

عام. تدفع لهم Nvidia

4:09

الكثير من المال

4:10

للوصول إلى تلك

4:11

المعلومات،

4:12

ويستخدمونها لاتخاذ

4:13

قرارات بشأن الرقائق

4:14

التي يصنعونها

4:15

بأنفسهم. إذاً، هي

4:16

شركة مرموقة للغاية.

4:18

لقد نشروا ما تراه

4:19

أمام شاشتك الآن في

4:20

الأسبوع الماضي بعد

4:22

يوم مطوري OpenAI. لقد

4:23

أقاموا يوم مطورين

4:24

أعلنوا فيه عن سلسلة

4:25

من المنتجات المختلفة

4:26

، أكثر من 20 منتجاً.

4:27

لقد قمنا بعمل حلقة

4:28

حول ذلك. تأكد من

4:29

مشاهدتها. ولكن، كان

4:31

أحد إعلاناتهم حول هذا

4:33

الوضع الجديد المسمى

4:34

UltraFast أو Ultra Mode. لا

4:36

أستطيع تذكر الاسم.

4:37

لكن الفكرة هنا هي أنك

4:39

تدفع 500 دولار شهرياً،

4:40

وهو مبلغ باهظ للغاية،

4:42

مقابل الحصول على وصول

4:44

لأحدث نماذج GPT بسرعة

4:45

فائقة، مما يعني أنه

4:47

بمجرد الضغط على "

4:48

إدخال"، تحصل على

4:49

النتيجة أمامك مباشرة.

4:51

قد لا يبدو هذا مثيراً

4:52

لاهتمامك إذا كنت تكتب

4:54

طلبات عادية وتحاول

4:55

الحصول على إجابة كما

4:56

تفعل في بحث جوجل. لكن،

4:58

تخيل لو كنت مهندس

4:59

برمجيات. تخيل لو كنت

5:01

متداولاً مالياً. تخيل

5:02

لو كنت تستخدم هذا

5:03

لبناء عمل تجاري مختلف

5:05

تماماً يهدف للمنافسة

5:06

في السوق العالمي

5:07

الواسع. يمكنك الضغط

5:09

على زر الإدخال

5:10

والحصول على منتج

5:11

نهائي في أجزاء من

5:12

الثانية. هذا يسمح لك

5:13

بالتطوير والبناء

5:14

بشكل أسرع. إذن، هناك

5:16

ميزة في ذلك. لذا، كان

5:18

الناس متحمسين حقاً

5:19

لهذا، وافترضوا أن OpenAI

5:21

تستخدم رقاقات Cerebras في

5:22

الخفاء. هناك بضعة

5:23

أسباب تجعلهم يفترضون

5:25

ذلك. قبل حوالي ستة

5:26

أشهر، أعلنوا عن أول

5:27

نسخة من النموذج

5:28

المدعوم برقاقات Cerebras.

5:30

أعتقد أنه كان GPT-5.6. لا

5:32

أتذكر تماماً، لكنه

5:34

كان ينتج 750 رمزاً في

5:35

الثانية، وهو أمر

5:37

جنوني تماماً إذا

5:38

وضعناه في السياق.

5:40

يمكنك إنشاء موقع

5:41

إلكتروني مكتمل في جزء

5:43

من الثانية بمجرد

5:44

الضغط على "إدخال". كان

5:46

يظهر على الشاشة فوراً

5:47

، كالسحر أمامك. وفي

5:49

مؤتمر المطورين

5:50

الأسبوع الماضي،

5:51

أصدروا نسخة جديدة من

5:52

هذا الأمر تنطبق على

5:53

نموذج GPT-6.1 Astra، وهو

5:54

نموذجهم الجديد

5:54

تماماً. لذا، كان

5:55

الجميع يقولون: "حسناً

5:57

، هذا جنوني.""هذا مذهل.

5:58

" إذن، Cerebras هي من تدعم

6:00

هذا بكل تأكيد. إلا أن

6:02

هذا المنشور من SemiAnalysis

6:03

كشف أن OpenAI لم تكن

6:05

تستخدم رقاقات Cerebras.

6:06

لقد اختاروا رقاقات

6:08

Nvidia. عليك أن تفهم، إذا

6:10

كنت شركة رقاقات ذكاء

6:12

اصطناعي، خاصة شركة

6:13

صغيرة مثل Cerebras مقارنة

6:15

بالعملاق Nvidia الذي

6:16

تبلغ قيمته حوالي 5.7

6:18

تريليون دولار،

6:19

كواحدة من أكبر وأثمن

6:21

الشركات اليوم، فأنت

6:23

بحاجة إلى ميزة

6:24

تنافسية فريدة. وكانت

6:25

رؤية Cerebras بالكامل هي:

6:27

"لن نبني رقاقات

6:28

للأغراض العامة أفضل

6:30

من Nvidia، لكننا سنبني

6:31

رقاقات أسرع، أسرع

6:33

رقاقة على الإطلاق.""قد

6:35

تكون باهظة الثمن،

6:36

لكنها ستكون تلك التي

6:37

ستستخدمها في أعمالك

6:38

ذات القيمة العالية."

6:39

حقيقة أن OpenAI تستخدم

6:40

Nvidia كانت مقلقة للغاية

6:42

، مما أدى إلى انهيار

6:43

جنوني في سعر السهم.

6:44

دعوني أريكم هذا الرسم

6:45

البياني. حسناً، لا

6:47

بأس. لقد ارتفع بنسبة 10

6:48

%اليوم، وسأشرح سبب

6:49

ذلك لاحقاً. لكن، إذا

6:51

نظرت إلى الشهر الماضي

6:52

أو حتى الأشهر الستة

6:53

الماضية، فقد انخفض

6:54

بنسبة 50%. إنه أمر مؤلم

6:56

للغاية. لذا، شهدنا

6:57

انخفاضاً هائلاً في

6:58

الأسبوع الماضي، وصل

7:00

بالسعر إلى حوالي 150

7:01

دولاراً، وهو ما كان

7:02

محطماً للكثيرين. كما

7:04

كان التوقيت سيئاً

7:05

للغاية بصدق، لأن أول

7:07

عملية فتح كبيرة

7:08

للأسهم للمستثمرين

7:09

الأوائل في الشركة قد

7:11

حدثت في ذلك الوقت

7:12

أيضاً. وتم الكشف أنه

7:13

لم يبع الرئيس

7:14

التنفيذي والمدير

7:16

المالي الكثير من

7:17

الأسهم فحسب، بل إن

7:18

مدير العمليات باع ما

7:19

قيمته 80 دولاراً من

7:21

الأسهم قبل صدور هذه

7:22

الأخبار مباشرة. لذا،

7:24

كان رد فعل الجمهور

7:25

مفهوماً تجاه كل هذه

7:26

الأخبار، حيث اعتقدوا:

7:28

"حسناً، انتهى أمر

7:29

سيريبراس". "ليس لديهم

7:30

أي مستقبل". تذكروا، في

7:32

نهاية يوم طرحهم

7:33

للاكتتاب العام، كانت

7:35

قيمة السهم 330 دولاراً

7:36

، ثم انخفضت إلى حوالي

7:37

150 دولاراً في يوم

7:38

الأربعاء أو الخميس من

7:40

الأسبوع الماضي. ولكن،

7:41

تغيرت الأمور بتغريدة

7:43

واحدة من سام ألتمان،

7:44

الرئيس التنفيذي

7:45

لشركة OpenAI. يقول فيها: "

7:47

اسمعوا، هناك بعض

7:48

التكهنات حول شراكتنا

7:50

مع سيريبراس". "

7:51

سيريبراس شريك مقرب

7:52

ولدينا تعاون عميق

7:53

لدفع حدود السرعة".

7:55

وبدأ كل شيء يصبح

7:56

منطقياً من تلك اللحظة

7:58

، لأنه عندما تقرأ

8:00

المقال من SemiAnalysis،

8:01

الذي تفاعل معه السوق

8:03

بأكمله ببيع أسهم

8:04

سيريبراس، ستجد أنهم

8:06

لم يذكروا أي نموذج

8:08

آخر سوى GPT-6.1. المغزى

8:09

هو أن معظم الأنماط

8:11

السريعة الأخرى التي

8:12

تعمل على جميع نماذج

8:14

OpenAI الأحدث والأقدم لا

8:15

تزال تستخدم رقائق

8:16

سيريبراس. لذا، كان

8:18

هناك بوضوح قدر كبير

8:19

من الطلب. ولكن السؤال

8:21

يصبح: لماذا لا يتم

8:22

استخدامها لنموذج GPT-6.1

8:24

؟ حسناً، لم يكشف سام

8:25

ألتمان أو OpenAI أو أي

8:26

مختبر ذكاء اصطناعي

8:27

آخر عن الإجابة، بل

8:29

كشفت عنها شركة تداول

8:30

في وول ستريت تُدعى "

8:31

جين ستريت". كما ترون، "

8:32

جين ستريت" هي واحدة من

8:34

أكثر شركات التداول

8:35

الكمي نجاحاً. في

8:36

الواقع، هي ناجحة جداً

8:37

لدرجة أنها لا تقبل

8:38

حتى رؤوس أموال خارجية

8:40

. تُدار الشركة من قبل

8:41

الشركاء ورأس مالهم

8:42

الخاص الذي حققوه بفضل

8:44

جني مبالغ طائلة وغير

8:45

معقولة من المال. وهي

8:47

نشطة في أنواع عديدة

8:48

من استراتيجيات

8:49

التداول، سواء بشكل

8:50

مباشر على الأسهم في

8:52

السوق العام أو في

8:53

صناعة السوق نفسها،

8:55

لمساعدة الناس على بيع

8:56

وشراء أسهم عامة محددة

8:58

. وتم الكشف أن السبب

8:59

الذي منع OpenAI من

9:00

استخدام رقائق

9:01

سيريبراس لتشغيل وضع

9:03

السرعة الفائقة

9:04

الجديد لأحدث نماذجها

9:05

وأكثرها تطوراً هو أن "

9:07

جين ستريت" أنفقت مئات

9:08

الملايين من

9:09

الدولارات لتأمين

9:10

قدرة الحوسبة قبل أن

9:12

يتمكنوا من استخدامها.

9:14

الآن، من المهم فهم

9:15

هيكلية كيفية عمل هذا

9:17

الأمر. التزمت شركة

9:18

Cerebras بمبيعات بقيمة 20

9:20

مليار دولار لشركة OpenAI

9:23

. هذا يعادل حوالي 750

9:25

ميجاوات. ما تمتلكه

9:27

Cerebras حالياً هو 600

9:28

ميجاوات، وتهدف

9:30

لتشغيل كامل هذه

9:31

القدرة بحلول نهاية

9:33

عام 2026. لكنهم خصصوا كل

9:35

هذه القوة الحوسبية

9:36

لشركة OpenAI. لذا، سواء

9:37

كان ذلك جيداً أم

9:38

سيئاً، تمتلك OpenAI

9:40

هيمنة كاملة على جميع

9:41

سعات رقائق Cerebras

9:42

المتاحة. إذاً، لماذا

9:43

تقوم شركة تداول

9:44

عشوائية، أو بالأحرى

9:45

شركة تداول ناجحة جداً

9:47

في وول ستريت،

9:47

باستهلاك كل هذه القوة

9:49

الحوسبية بينما كان

9:50

بإمكان OpenAI بيعها

9:51

للمستخدمين الأفراد؟

9:52

حسناً، الإجابة واضحة

9:54

تماماً. شركة Jane Street

9:55

تدفع علاوة باهظة

9:57

للغاية. أنا لا أعرف

9:58

بالضبط المبلغ الذي

10:00

يدفعونه، لكن إذا

10:01

أجريت حسابات على

10:02

إنفاق OpenAI البالغ 20

10:03

مليار دولار، ستدرك

10:05

أنهم يدفعون حوالي 26

10:06

مليون دولار لكل

10:07

ميجاوات. إذن، مقابل 750

10:09

ميجاوات، هم يدفعون 26

10:10

مليون دولار لكل

10:12

ميجاوات لشركة Cerebras.

10:13

لذا، من المفترض أنهم

10:15

يحققون نوعاً من الربح

10:16

، وعلاوة مرتفعة، إذا

10:17

كانوا يبيعونها لـ Jane

10:19

Street. دعونا نفترض هنا

10:20

أن Jane Street تدفع 50 مليون

10:22

دولار للحصول على وصول

10:23

إلى ميجاوات واحد تملك

10:25

OpenAI حق الوصول إليه

10:26

بالفعل. لذا، تشتري Jane

10:28

Street مباشرة من OpenAI

10:29

للحصول على هذا

10:30

الاستنتاج فائق

10:31

السرعة. يصبح السؤال

10:32

إذاً: لماذا بحق

10:33

الجحيم تدفع Jane Street

10:34

هذا القدر من المال؟

10:35

ألا يجنون ما يكفي من

10:37

المال بالفعل؟ حسناً،

10:38

الإجابة بسيطة للغاية.

10:40

مثلما تدفع شركات

10:41

التداول الكمي الكثير

10:42

من المال للوصول إلى

10:44

كابلات الإنترنت

10:45

البحرية للحصول على

10:46

المعلومات قبل

10:47

منافسيهم بأجزاء من

10:49

الثانية، لكي يتمكنوا

10:50

من تنفيذ صفقة قبلهم

10:52

بثوانٍ ويحققوا

10:53

الكثير من المال من

10:54

صفقات المراجحة أو أي

10:56

شيء آخر، هذا بالضبط

10:57

ما تحاول Jane Street فعله

10:58

بالذكاء الاصطناعي.

11:00

باستثناء أنه يتم

11:01

تطبيقه على كل شيء

11:02

يحيط بخوارزمية

11:03

التداول الخاصة بهم.

11:04

في الماضي، كان

11:06

التداول الكمي يبدو

11:07

أشبه بنظام ثنائي، حيث

11:09

تبرمج البرنامج

11:10

للقيام بـ "أ" أو "ب" أو "

11:12

ج"، فهو نظام حتمي جداً

11:13

. في الذكاء الاصطناعي

11:15

، الأمر احتمالي جداً،

11:16

مما يعني أنه يمكنك

11:18

تطبيقه على كل شيء،

11:19

وهذا يوسع نطاق

11:20

المنافسة. تريد Jane Street

11:21

أن تكون في صدارة

11:23

اللعبة هنا. لذلك،

11:24

دفعوا مقابل الوصول

11:25

إلى أسرع رقائق ذكاء

11:26

اصطناعي في العالم حتى

11:28

يتمكنوا من إجراء أسرع

11:29

الصفقات باستخدام

11:30

نماذج مدعومة بالذكاء

11:31

الاصطناعي. يفترض أنهم

11:33

يستخدمون الآن GPT-6.1 Astra

11:34

، ولكن بسرعة أكبر من

11:36

أي من مكوناتهم، وقد

11:37

اشتروا كل الإمدادات

11:39

المتاحة، مما يعني أن

11:40

OpenAI كان لديها أقل قدر

11:41

من الإمدادات لخدمة

11:43

جمهور التجزئة العام،

11:44

وهو أمر منطقي جداً

11:46

لأنهم يتقاضون 500

11:47

دولار شهرياً. لا

11:48

يسعني إلا أن أتخيل

11:49

تكلفة الفرصة البديلة

11:51

لفرض رسوم على عملائك،

11:52

عملائك المخلصين

11:53

الذين كانوا، كما تعلم

11:55

، لديهم مليار مستخدم

11:56

نشط أسبوعياً في هذه

11:57

المرحلة. أن تقدم فئة

11:59

جديدة وتقول: "اسمع،

12:00

الأمر ليس مجرد ضعف

12:02

أغلى اشتراك كان لدينا

12:04

سابقاً، بل هو أكثر

12:05

بنسبة 150%من أغلى

12:07

اشتراك اعتدنا الحصول

12:08

عليه". لا بد أن

12:10

المقايضة هائلة. لا بد

12:11

أن جين ستريت تدفع لهم

12:13

الكثير من المال، وقد

12:15

تم الكشف عن أن جين

12:16

ستريت تجني في الواقع

12:18

حوالي 200 مليون دولار

12:19

سنوياً لكل ميجاوات من

12:21

الحوسبة باستخدام

12:22

رقائق سيريبراس. دعوني

12:24

أعيد صياغة ذلك مرة

12:25

أخرى. من أصل 750

12:26

ميجاوات المتاحة

12:28

لشركة OpenAI، فهم يبيعون

12:30

الجزء الأكبر منها.

12:31

لنقل بضع مئات من

12:32

الميجاوات لشركة جين

12:34

ستريت. من المرجح أن

12:35

تدفع جين ستريت 50

12:36

مليون دولار، وربما

12:38

أكثر لكل ميجاوات، وهو

12:39

ما يمثل بالفعل

12:40

مليارات المليارات من

12:42

الدولارات نقداً

12:43

ونفقات للحصول على

12:44

استنتاج فائق السرعة.

12:46

لكن مقابل كل ميجاوات

12:47

من الحوسبة تدفع ثمنه

12:49

جين ستريت، فإنها تجني

12:50

200 مليون دولار سنوياً

12:51

من إيرادات التداول،

12:53

مما يعني أنهم على

12:54

الأرجح يجنون

12:55

المليارات من

12:56

الدولارات بمجرد

12:57

الحصول على وصول إلى

12:58

حوسبة سيريبراس. وهذه

12:59

هي المعلومات المضللة

13:00

التي كانت تدور هنا.

13:02

لقد رأيت بعض الناس

13:03

يقولون: "اسمع، أعتقد

13:04

أن جين ستريت تدفع 200

13:05

مليون دولار لكل

13:06

ميجاوات". لا أعتقد أن

13:07

هذا هو ما تعنيه مقالة

13:08

التحليل شبه الدقيق أو

13:09

ما يتم تلميحه على

13:10

الإطلاق. بل إنهم

13:12

يجنون 200 مليون دولار

13:13

من إيرادات التداول

13:14

باستخدام رقائق

13:15

سيريبراس، وهو ما يفتح

13:16

ذهني على العديد من

13:17

الطرق المختلفة التي

13:19

يمكن استخدام هذه

13:20

الرقاقة فيها. الأمر

13:21

لا يتعلق فقط

13:22

بسيريبراس، فقد تكون

13:23

شركة مختلفة تماماً

13:24

بالنسبة لي هي من تصمم

13:25

هذه الرقائق المحددة،

13:26

لكن السؤال الذي يدور

13:28

في ذهني هو كيف تعمل

13:29

هذه الرقاقة ولماذا هي

13:30

مفيدة جداً لشركات

13:31

الذكاء الاصطناعي أو

13:32

الشركات بشكل عام؟

13:33

حسناً، لكي تفهم سبب

13:35

فائدة هذه الرقائق

13:36

تحديداً، يجب أن تفهم

13:37

كيف تعمل نماذج الذكاء

13:38

الاصطناعي نفسها. الآن

13:40

، عندما تتفاعل أنت أو

13:41

أنا مع نموذج ذكاء

13:43

اصطناعي، فإنك تكتب

13:44

طلباً أو توجيهاً،

13:45

وتضغط على مفتاح

13:46

الإدخال، وتحصل على

13:47

استجابة. وتكون في

13:49

كلمات وجمل. قبل أن

13:51

يتمكن نموذج الذكاء

13:52

الاصطناعي من توليد

13:53

كلمة رداً على

13:54

استفسارك، يجب عليه

13:56

معالجة مجموعة أوزان

13:57

النموذج بالكامل.

13:59

أوزان النموذج هي

14:00

بمثابة مخطط البناء

14:01

الخاص به، أو حمضه

14:02

النووي، وهي التي

14:03

تمنحه القاعدة

14:04

الأساسية للمعرفة.

14:05

إنها تشبه أدمغتنا

14:06

بشكل أساسي، لكي نتمكن

14:08

من نطق كلمة واحدة.

14:09

تخيل أنك قبل أن تنطق

14:11

بأي كلمة لشريكك أو

14:13

صديقك، تحتاج إلى

14:14

التفكير بنشاط في كل

14:16

خلية عصبية موجودة في

14:18

دماغك. نحن نتحدث هنا

14:20

عن مليارات ومليارات

14:21

الخلايا العصبية. هذا

14:22

أمر غير ممكن، لكن هذه

14:23

هي الطريقة التي تعمل

14:24

بها أجهزة الكمبيوتر

14:25

أو نماذج الذكاء

14:26

الاصطناعي فعلياً.

14:27

عادةً مع رقاقات

14:28

إنفيديا، لا توجد

14:29

أوزان النموذج فعلياً

14:30

على الرقاقة نفسها.

14:31

إنها لا توجد على وحدة

14:32

معالجة الرسومات (GPU).

14:34

بل توجد في خادم

14:35

بيانات منفصل أو مكون

14:36

يحتوي على الذاكرة.

14:38

هذا هو المكان الذي

14:39

توجد فيه كل الذاكرة

14:40

ذات النطاق الترددي

14:41

العالي ورقاقات

14:41

الذاكرة التي تشهد

14:42

ارتفاعاً صاروخياً في

14:43

الأسعار. لذا، فهي

14:45

خارجية. النقطة التي

14:46

أوضحها هي أنه إذا

14:47

أرسلت طلبك إلى وحدة

14:48

معالجة الرسومات،

14:50

فيجب أن ينتقل إلى ملف

14:51

الذاكرة لاسترجاع

14:52

أوزان النموذج

14:53

بالكامل وتشغيلها،

14:54

حيث يتم تخزينها، ثم

14:55

العودة إلى وحدة

14:56

المعالجة، والمعالجة،

14:58

وإنشاء الكلمة،

14:59

وإعطاؤك إياها، ثم

15:00

العودة لتكرار نفس

15:01

الحلقة مراراً

15:02

وتكراراً. إنه مثال

15:03

الحافلة العامة الذي

15:04

ذكرته لك سابقاً. إنها

15:06

بطيئة، وتتوقف في

15:07

محطات متعددة، لكنها

15:08

فعالة نوعاً ما عندما

15:09

يتعلق الأمر بالتوليد

15:10

أو استخدام قدرة

15:11

الحوسبة. إنها أقل

15:12

تكلفة من رقاقات

15:13

سيريبراس. أما عند

15:14

النظر إلى رقاقة

15:15

سيريبراس، فهي تدمج

15:17

الذاكرة مع وحدة

15:18

معالجة الرسومات. لذا،

15:19

فإنك تتعامل مع شيء

15:21

واحد فقط. وبالتالي،

15:23

فإن المسافة أو الوقت

15:25

المستغرق لإرسال طلب

15:26

إلى نموذج يعمل على

15:28

رقاقة سيريبراس أقصر

15:30

بكثير جداً. إنها أكثر

15:32

تكلفة، لكنها أقصر

15:33

وأسرع بكثير، مما يعني

15:35

أنك تحصل على استجابة

15:37

فورية وسريعة. تمتلك

15:39

رقاقات سيريبراس سعة

15:40

ذاكرة تبلغ حوالي 44

15:41

جيجابايت على الرقاقة

15:43

نفسها. وإذا فكرت في

15:44

الأمر، فإن النماذج

15:45

الحديثة اليوم تعادل

15:46

تيرابايت من البيانات

15:47

، خاصة إذا نظرت إلى

15:48

وزن النموذج. لذا، لا

15:50

تزال بحاجة إلى العديد

15:51

من هذه الرقاقات لكي

15:52

يعمل النظام. ولكن،

15:54

إذا كنت مستعداً لدفع

15:55

التكلفة الأولية،

15:57

يمكنك خدمة الكثير من

15:58

الأشخاص بسرعة كبيرة،

16:00

وهو أمر ذو قيمة عالية

16:02

لشركات مثل جين ستريت

16:03

وغيرها. وهذا هو جوهر

16:05

ميزة البيع الفريدة

16:06

لدى سيريبراس. وهي

16:07

أننا نبيع استنتاجاً

16:09

أسرع. لكن هذا جعلني

16:10

أفكر، حسناً، سواء

16:12

كانت شركة Cerebras أو أي

16:13

شركة أخرى، ما هي فرصة

16:15

السوق الحقيقية

16:16

للاستدلال السريع؟ هل

16:17

الأمر يقتصر على شركات

16:19

التداول الخوارزمي

16:20

مثل Jane Street، أم أن هناك

16:22

شركات أخرى قد تستخدم

16:23

رقاقة كهذه أو تدفع

16:24

مبالغ طائلة للحصول

16:26

عليها لتتفوق على

16:27

منافسيها وتجني

16:28

الكثير من المال؟

16:29

حسناً، الإجابة هي نعم

16:30

، وسترغب في سماع

16:31

المزيد عن هذا الأمر.

16:32

كل هذا وأكثر في حلقة

16:34

اليوم من برنامج In the

16:35

Loop برعاية شركة

16:36

كوالكوم. الآن، قبل أن

16:40

أشرح الصناعات التي

16:41

تستخدم رقاقات

16:42

الاستدلال فائق

16:43

السرعة، أعتقد أنه من

16:45

المهم أن أريكم مدى

16:46

سرعة هذه الرقاقات.

16:47

لدي هذا العرض

16:48

التوضيحي الممتع الذي

16:49

صممته باستخدام Claude

16:50

لأوضح لكم كيف يعمل أو

16:52

كيف يبدو الأمر

16:52

بالنسبة لكم. إذن، ما

16:54

تراه على شاشتك هو

16:55

سرعة تقديم الاستجابة

16:56

القياسية التي تحصل

16:57

عليها إذا كتبت

16:58

استعلاماً عادياً في

17:00

ChatGPT أو أي نموذج ذكاء

17:01

اصطناعي، أليس كذلك؟

17:02

إذن، يبدو الأمر هكذا.

17:04

هذه هي سرعة تقديم

17:05

الإجابة. سريع جداً،

17:07

أليس كذلك؟ بالنسبة

17:08

للشخص العادي، كما

17:09

تعلم، الأمر جيد. أنت

17:10

لا تحتاج إلى استدلال

17:11

أسرع بكثير من ذلك. لكن

17:13

، عندما ننتقل إلى

17:14

الشركات، يتغير الأمر.

17:15

دعونا نرفع المستوى

17:16

قليلاً. هذا هو

17:17

الاستدلال فائق

17:18

السرعة من إنفيديا،

17:19

وإذا رمشت بعينيك، فقد

17:20

تفوتك تلك اللقطة.

17:20

سنعيد تشغيله مرة أخرى

17:22

. سريع جداً، أليس كذلك

17:23

؟ الأمر أشبه بأنك

17:24

ترمش بعينيك وتجد

17:25

الإجابة أمامك بالفعل

17:26

، أليس كذلك؟ إنه أقل

17:27

أهمية إذا كنت شخصاً

17:28

عادياً وترغب في

17:29

الحصول على نتيجة أسرع

17:30

، بالتأكيد لا يهم

17:31

كثيراً، أليس كذلك؟

17:32

أنا فقط أردت القيام

17:33

باستعلام عبر جوجل.

17:34

أردت فقط معرفة هذه

17:35

الوصفة، لذا لست بحاجة

17:36

إلى سرعة فائقة. يمكنك

17:37

تزويدي بها ببطء

17:38

قليلاً. لا أريد دفع 500

17:40

دولار شهرياً مقابل

17:41

ذلك. هذا مقبول تماماً.

17:43

ولكن، إذا كنت شركة

17:44

مثل Jane Street، فإن أجزاء

17:46

من الثانية تهم،

17:47

والتأخير لثوانٍ قد

17:48

يكلف عشرات إلى مئات

17:49

الملايين من

17:50

الدولارات في صفقة

17:51

واحدة. وهذا هو شكل

17:53

الأداء فائق السرعة من

17:55

Cerebras بـ 750 رمزاً في

17:56

الثانية. هل لاحظت ذلك

17:59

؟ لنحاول مرة أخرى.

18:01

ومرة أخرى. ومرة أخرى.

18:03

حرفياً، أنا أنظر إلى

18:05

الشاشة وأرمش بعيني

18:06

ولا أزال أفوته. إنه

18:07

أمر جنوني. يبدو الأمر

18:09

كما لو أنه يتجسد أو

18:10

يظهر فجأة أمام شاشتك.

18:12

لقد استغرق ظهوره

18:14

أمامنا 0.2 ثانية فقط.

18:16

لذا، الهدف الذي تسعى

18:18

إليه سيربروس هو 5000

18:19

رمز في الثانية، وهو

18:21

ما يبدو هكذا. في

18:22

الواقع لا يمكنك رؤية

18:24

ذلك، لا أعرف ما إذا

18:25

كان هذا دقيقاً، لكنه

18:26

يشير إلى 0.0 ثانية، وهو

18:28

أمر ربما لا تستطيع

18:29

العين البشرية

18:30

العادية ملاحظته

18:31

بالضرورة. الفكرة هي

18:32

أنهم لا يقدمون

18:33

خدماتهم لعملاء

18:34

التجزئة. الهدف

18:35

الأساسي من هذه

18:36

الرقائق ليس خدمة

18:37

عملاء التجزئة. بل

18:38

خدمة الشركات التي

18:39

يهمها عامل الوقت، حيث

18:40

قد يكلفك التأخير

18:41

عشرات أو مئات

18:42

المليارات من

18:42

الدولارات. وهذا لا

18:43

ينطبق فقط على شركات

18:45

التداول. هناك العديد

18:46

من المجالات الأخرى.

18:47

حسناً، لنبدأ

18:48

بالوكلاء أو البرمجة

18:49

بشكل عام. لم يعد سراً

18:51

في هذه المرحلة أن

18:52

برمجة الذكاء

18:53

الاصطناعي أصبحت

18:54

صناعة ضخمة منذ إطلاق "

18:55

كلود كود" في نهاية

18:56

العام الماضي. من

18:57

الجنون التفكير بأن

18:59

ذلك كان قبل أقل من عام

19:00

. لقد شهدت صعوداً

19:02

صاروخياً لدرجة أن

19:03

مهندسي البرمجيات

19:05

بمختلف مستوياتهم، من

19:06

L4 إلى L6 وصولاً إلى

19:08

مهندسي الطاقم L7،

19:09

يستخدمون جميعاً

19:10

نماذج البرمجة

19:11

بالذكاء الاصطناعي

19:13

بشكل مكثف وبديهي في

19:14

سير عملهم اليومي. قد

19:16

تتساءل الآن، حسناً،

19:17

من المهم أن يقوموا

19:19

بالبرمجة، أتفهم ذلك.

19:20

من المهم أن يبنوا

19:21

المنتجات بشكل أسرع،

19:23

لكن لماذا يحتاجون إلى

19:24

أسرع رقاقة؟ تخيل أنك

19:26

شركة ضمن قائمة فورتشن

19:28

500 وتعمل في مجال

19:29

تنافسي للغاية مع

19:31

شركات أخرى تلاحقك.

19:33

تصبح عملية تكرار

19:34

المنتج، وتطويره،

19:35

واختباره، لنقل أن

19:37

لديك مليون فكرة

19:38

مختلفة، تنافسية

19:40

للغاية. تكلفة قضاء

19:41

شهرين وإنفاق عشرات

19:43

الملايين من

19:44

الدولارات لاختبار

19:45

فكرة واحدة فقط لتكتشف

19:47

خطأها قد يكلفك خسارة

19:49

السباق أمام منافسك

19:51

الرئيسي. لذا، عليك

19:52

معرفة بعض الأمور. كيف

19:54

يمكنني خفض هذه

19:55

التكلفة بشكل كبير

19:57

وكيف يمكنني تسريع

19:58

اختبار أو تكرار

19:59

المنتجات المختلفة

20:00

بحيث يمكنني اكتشاف ما

20:02

ينجح وما لا ينجح

20:03

بسرعة، ثم البناء

20:04

وتكثيف الجهود في ذلك

20:06

المجال بشكل أسرع من

20:07

خصمي أو منافسي. ينطبق

20:09

هذا على كل شركة

20:10

تقريباً في قائمة

20:11

فورتشن 500 التي تنظر

20:13

إلى هذا الذكاء

20:14

الاصطناعي وتحاول

20:15

معرفة كيف يمكنني

20:16

استخدامه لصالحي.

20:17

والأشخاص الذين

20:18

يعملون بأسرع وقت-

20:20

وأستخدم هذه الصفة

20:21

بدقة شديدة-سينتهي بهم

20:22

الأمر بالفوز أو

20:23

التقدم بفارق كبير على

20:25

جميع منافسيهم. لذا،

20:26

فإن البرمجة كممارسة

20:28

عامة تنطبق بشكل جيد

20:29

جداً على رقائق

20:30

سيربروس أو رقائق

20:30

الاستدلال الأسرع

20:32

بشكل عام. في الواقع،

20:33

إذا نظرت إلى اليمين،

20:34

سترى شراكات أو عملاء

20:35

تعتمد عليهم سيربروس

20:37

بالفعل في قائمة

20:37

طلباتهم المتراكمة،

20:39

والتي تبلغ قيمتها

20:40

بالمناسبة حوالي 25

20:41

مليار دولار. لقد

20:42

اطلعت على تقرير أرباح

20:43

الربع الثاني الخاص

20:45

بهم منذ بضعة أشهر،

20:46

وأدركت أنه على الرغم

20:47

من أنهم يحققون حوالي

20:49

514 مليون دولار سنوياً

20:50

حالياً، إلا أن حجم

20:51

الطلبات المتراكمة

20:52

لديهم على مدار

20:53

العامين المقبلين

20:54

يبلغ 25 مليار دولار.

20:56

بالطبع، جزء كبير من

20:57

ذلك يأتي من شركة OpenAI،

20:59

لكنهم بدأوا في بناء

21:00

قائمة من العملاء

21:01

المستقلين. تظهر بعض

21:03

هذه الأسماء على

21:04

الشاشة التي أعرضها

21:05

على اليمين، والتي

21:06

تشمل IBM و Mistral و Notion و

21:08

Mayo Clinic، بالإضافة إلى

21:09

Lovable و Cognition. تعد شركتا

21:11

Lovable و Cognition مثيرتين

21:12

للاهتمام حقاً لأنهما

21:13

منصات برمجة تعتمد على

21:14

الذكاء الاصطناعي.

21:15

لديهما وكلاء ذكاء

21:15

اصطناعي خاصون بهما.

21:17

لذا، من المثير

21:17

للاهتمام أنهم يريدون

21:18

الاتصال بأسرع بنية

21:19

تحتية للتغلب على

21:20

بعضهم البعض، وهو أمر

21:21

مثير للسخرية إلى حد

21:22

كبير. ثم لديك شركة IBM،

21:23

التي تمثل انكشافاً

21:24

أكثر تقليدية على

21:25

مستوى المؤسسات. ثم

21:26

لديك Mistral، وهي مختبر

21:27

ذكاء اصطناعي بحد

21:28

ذاتها. ثم Notion، التي

21:29

تعمل في مجال إنتاجية

21:31

العمل. أو Mayo Clinic، التي

21:32

تركز على البحث العلمي

21:34

. إذن، تبدأ في إدراك

21:35

أن الأمر ربما لا

21:36

يقتصر على شركات

21:37

البحوث المالية

21:38

الكمية أو شركات

21:39

التداول المالي التي

21:40

ترغب في استخدام رقائق

21:41

Cerebras. بل هو متاح لكل

21:43

ما يمت بصلة لأجهزة

21:44

الكمبيوتر. لذا، أعتقد

21:46

أن ما أحاول إيصاله

21:48

هنا هو أننا ندخل

21:49

عالماً غريباً جداً،

21:51

حيث لم يعد زمن الحصول

21:52

على المعلومات

21:53

السريعة وتحقيق نتائج

21:55

بمليارات الدولارات

21:57

مقتصراً على العاملين

21:59

في التمويل أو شركات

22:00

التداول فحسب. أصبح

22:02

الأمر الآن متاحاً لكل

22:03

من يمكنه الوصول إلى

22:04

جهاز كمبيوتر ويحتاج

22:06

إلى أتمتة أنواع معينة

22:07

من العمل، أو يحتاج

22:08

إلى تطوير وبناء

22:09

المنتجات، خاصة إذا

22:11

كنت شركة تعمل في مجال

22:12

البرمجيات. وإذا كنت

22:13

شركة كبرى متعددة

22:14

الجنسيات، حيث يُعتبر

22:16

إنفاق عشرات الملايين

22:17

من الدولارات جزءاً من

22:18

البحث والتطوير

22:19

لمحاولة صنع منتج أفضل

22:21

. تخيل لو أنك أنفقت 50

22:22

مليون دولار وانتهى بك

22:23

الأمر بإنشاء منتج حقق

22:25

لك مئات الملايين إلى

22:26

مليارات الدولارات

22:27

على مدار العامين

22:28

المقبلين. هذه تكلفة

22:30

رأسمالية تستحق

22:31

الإنفاق. لذا، تتراجع

22:33

كل شركة في قائمة Fortune

22:34

500 خطوة إلى الوراء.

22:36

إنهم ينظرون إلى مثال

22:37

شركة Jane Street التي تحقق

22:39

200 مليون دولار لكل

22:40

ميجاوات سنوياً،

22:42

ويفكرون في كيفية

22:43

تطبيق ذلك على أنفسهم.

22:45

كيف يمكننا التفوق على

22:46

منافسينا؟ ما الذي

22:48

يفعله منافسونا مع

22:49

إمكانية الوصول

22:50

المحتملة إلى هذه

22:51

الرقائق؟ لهذا السبب

22:52

نفد مخزون Cerebras حالياً

22:53

، ولهذا أعتقد أن OpenAI

22:54

تفرض مبلغاً باهظاً

22:55

مقابل البيع

22:56

للمستهلكين الأفراد.

22:57

لا أعتقد أنهم بحاجة

22:58

للقيام بذلك. أعتقد

23:00

أنهم يفعلون ذلك كخدمة

23:01

فقط. والآن، إذا

23:02

تراجعنا قليلاً،

23:03

النقطة الأخيرة التي

23:04

سأطرحها هنا هي إذا

23:05

كنت تستمع لهذا وتقول:

23:06

"حسناً، رائع". "أنا

23:07

أفهم الفكرة العامة،

23:08

لكنني لا أفهم كيف

23:09

ينطبق هذا عليّ شخصياً

23:10

". ليس لدي إجابة رائعة

23:12

لك، لكن ما أشجعك على

23:13

التفكير فيه هو توني

23:14

ستارك من فيلم "آيرون

23:16

مان" عندما يتفاعل مع "

23:17

جارفيس". إنه يتحدث إلى

23:18

هذا الذكاء الاصطناعي.

23:20

وبالنسبة لأولئك

23:20

الذين لم يشاهدوا

23:21

الفيلم، اذهبوا

23:22

لمشاهدته أيضاً. إنه

23:23

يتحدث إلى هذا الذكاء

23:24

الاصطناعي. يرد عليه

23:26

جارفيس بصوت بشري

23:27

للغاية يحمل مشاعر

23:29

ونوايا. وأي شيء يطلبه

23:30

توني ستارك، يظهر له

23:32

سحرياً في أجزاء من

23:34

الثانية أمامه في صور

23:35

ثلاثية الأبعاد، أو

23:37

حزم برمجية، أو

23:38

تحديثات لبذلة "آيرون

23:40

مان". إنه يظهر له

23:42

ببساطة وبشكل سحري.

23:43

هذا هو العالم الذي

23:45

سندخله، وسيغير طرق

23:46

تفاعلنا مع الأجهزة من

23:48

حولنا، سواء كانت

23:49

هواتف محمولة أو

23:50

الكمبيوتر المحمول

23:52

الذي أمامي. بدلاً من

23:53

الانتقال إلى موقع

23:55

إلكتروني أو تحميل

23:56

تطبيق والتمرير عبره،

23:58

سيظهر أمامك مباشرة،

23:59

ولن يقتصر الأمر على

24:01

تطبيقات محددة. سيكون

24:02

تطبيقاً مصمماً

24:03

خصيصاً لك وقد لا يكون

24:05

موجوداً لأي شخص آخر

24:06

في العالم. تخيل تطبيق

24:08

هذا في هوليوود أو

24:09

الأفلام أو مقاطع

24:11

الفيديو، حيث يظل

24:12

المحتوى كما هو، لكنه

24:14

مصمم خصيصاً لك ليظهر

24:15

فورياً، ويتكيف مع

24:17

تفاعلات تعبيرات وجهك.

24:18

إنه مستقبل غريب جداً

24:20

يشبه عالم "بليد رانر".

24:22

آمل ألا يكون بتلك

24:23

القتامة، لكن من

24:24

المثير للاهتمام

24:25

استكشافه، ولا أعرف

24:26

تماماً كيف سيتطور

24:27

الأمر، لكن نعم، هذه

24:29

هي الحلقة. أردت فقط

24:30

التحدث عن الاستدلال

24:31

لأن هذا الأمر برمته

24:32

بدأ مع قصة "سيري برا"

24:33

وأدركت حينها: "انتظر،

24:34

هناك قصة أكثر أهمية

24:35

للحديث عنها هنا". لكن،

24:36

هذا كل شيء. شكراً

24:38

جزيلاً لكم على

24:39

الاستماع. إذا استمتعت

24:40

بهذا وترغب في

24:40

الاشتراك، من فضلك، من

24:42

فضلك اشترك. أعتقد

24:43

أنني أبذل قصارى جهدي

24:44

لمحاولة تبسيط بعض

24:45

أكثر المواضيع

24:45

تعقيداً، وأقدم لك

24:46

قيمة تتجاوز مجرد

24:47

العناوين الرئيسية،

24:48

وآمل أنك وجدت هذا

24:49

مفيداً. إذا لم تجد ذلك

24:50

، أخبرني أيضاً في

24:51

التعليقات. أريد أن

24:52

أسمع آراءكم، وإذا

24:53

استمتعتم بالحلقة

24:54

وتذكرتم صديقاً قد

24:55

يرغب في الاستماع

24:56

إليها، يرجى نسخ

24:57

الرابط ومشاركته معه.

24:58

هذا يساعدنا كثيراً.

24:59

أعتقد أن هذا كل شيء،

25:01

وأراكم في حلقة الغد.

25:02

شكراً جزيلاً

25:03

لاستماعكم لحلقة

25:04

اليوم من "In the Loop"

25:05

المقدمة لكم من شركة

25:06

كوالكوم.

Interactive Summary

Ask follow-up questions or revisit key timestamps.

يتناول الفيديو الأهمية المتزايدة لسرعة استنتاج نماذج الذكاء الاصطناعي، مستخدماً شركة "سيريبرس" (Cerebras) وشرائحها الفريدة كمثال. يوضح الفيديو سبب الصراع التجاري حول هذه الرقائق، خاصة مع شركات التداول الكمي مثل "جين ستريت" التي تدفع مبالغ ضخمة مقابل سرعات معالجة فائقة تمنحها ميزة تنافسية. كما يشرح الفرق التقني بين رقائق "إنفيديا" التقليدية وبين رقائق "سيريبرس"، وكيف أن الأخيرة تدمج الذاكرة مع المعالج لتقليل زمن الاستجابة، مما يجعلها أداة بالغة القيمة في مجالات البرمجة والبحث والتطوير المستقبلي.