ما هو هذا النظام فعلياً؟
بحسب تقارير متعددة نُشرت يوم 28 مايو 2026، فإن نسخة 1.0 من نظام تدريب سبيس إكس مكتوبة بشكل رئيسي بلغة C، مع استخدام قدر ضئيل من لغة C++ في التطبيق العملي . تم تصميم بنيته لتتوافق بشكل دقيق ومباشر مع تخطيط العتاد الصلب الذي يضم 220,000 وحدة معالجة رسوميات من نوع نفيديا GB300، والموصولة بشبكة فائقة السرعة تبلغ 800 غيغابت في الثانية
. وقد وصف ماسك الفلسفة التصميمية بأنها "الاقتراب قدر الإمكان من المعدن الخام"، وهو ما يتحقق عبر الاستخدام المكثف لما يُعرف بـ"توازي الأنابيب" (Pipeline Parallelism)
.
طبيعة لغة C منخفضة المستوى والمُترجمة (Compiled) تتناقض بشكل صارخ مع اعتماد قطاع الذكاء الاصطناعي الكبير على أطر عمل مبنية على لغة بايثون. فأطر مثل JAX وPyTorch وTensorFlow تقدم طبقات تجريد عالية المستوى تبسط تطوير النماذج بشكل كبير، ولكنها في المقابل تُدخل عبئاً إضافياً على وقت التشغيل. عبر البرمجة بلغة C مباشرة، تستطيع سبيس إكس نظرياً التخلص من هذا العبء، مما يسمح بتحكم أدق في عرض النطاق الترددي للذاكرة، وجدولة العمليات الحسابية، والتواصل بين وحدات معالجة الرسوميات .
هناك أيضاً خارطة طريق تتجاوز مرحلة التدريب. فقد أكد ماسك أنه يجري التخطيط لبناء نظام استدلال (Inference Stack) لاحق مكتوب بلغة C، يستهدف عمليات التعلم المعزز (Reinforcement Learning) فائقة السرعة عبر كتل كبيرة من وحدات GB300. وأشار إلى أن هذه التقنية لن تقتصر على سبيس إكس، بل ستمتد لتشمل أيضاً أحمال عمل شركتيه الأخريين xAI وتسلا . الهدف العملي المباشر للنظام الحالي هو تدريب الإصدارات القادمة من نموذج Grok التابع لـ xAI
.
ادعاء الـ 10 أضعاف ولماذا هو مهم
الادعاء المُبلغ عنه واضح ومباشر: من المتوقع أن يحقق نظام C المخصص هذا سرعة تدريب "تزيد عن 10 أضعاف" سرعة إطار JAX على عتاد مماثل عند تشغيل مهام تدريب واسعة النطاق . إذا كان هذا دقيقاً، فسيمثل قفزة تاريخية في كفاءة التدريب. فعادةً، لا يتحقق تحسين في الأداء بمقدار 10 أضعاف إلا عبر اختراقات معمارية جوهرية – تغييرات في العتاد الصلب، أو الخوارزميات، أو كليهما – ومن النادر جداً تحقيق ذلك عبر تحسين البرمجيات وحدها.
لتوضيح السياق، حتى عمليات التوسع المُحسَّنة جيداً على أطر عمل مثل JAX غالباً ما تُظهر تسارعاً دون الخطّي. في دليل عملي نُشر في يناير 2026، أظهر تدريب نموذج Transformer باستخدام JAX على وحدات معالجة رسوميات من نوع نفيديا Blackwell زيادة في الإنتاجية بمقدار 4.08 مرة فقط عند التوسع من وحدة معالجة رسوميات واحدة إلى 16 وحدة – وهو بعيد كل البعد عن تحسين بمقدار 10 أضعاف لكل وحدة . نظام أسرع بـ 10 مرات فعلاً على نطاق 220,000 وحدة معالجة رسوميات سيُعيد تشكيل اقتصاديات تدريب نماذج الذكاء الاصطناعي المتطورة بالكامل.
لماذا لا يزال الادعاء غير مثبت
هناك عدة أسباب تدعو إلى الحذر:
الصورة الأكبر
هذه الخطوة تضع سبيس إكس ضمن مجموعة صغيرة لكنها متنامية من المؤسسات المستعدة لتجاوز أطر تعلم الآلة القياسية بالكامل. معظم المختبرات تقبل المقايضات الإنتاجية التي تقدمها أطر مثل JAX أو PyTorch، لأن فوائد التجريب السريع والنظام البيئي الهائل عادة ما تفوق كفاءة العتاد الخام. يبدو أن سبيس إكس تراهن على أنه عند النطاقات الفائقة الضخامة، تنعكس هذه المقايضات – وأن تكلفة تطوير نظام خاص بلغة C يتم تبريرها عبر التوفير الهائل في تكاليف التدريب عبر كتلة تضم 220,000 وحدة معالجة رسوميات.
ما إذا كان هذا الرهان سيؤتي ثماره يعتمد كلياً على ما إذا كان ادعاء الـ 10 أضعاف يمكن إعادة إنتاجه تحت المجهر. حتى تنشر سبيس إكس أو xAI المنهجية وتفاصيل أحمال العمل ومقارنات قابلة للتحقق، سيبقى هذا الادعاء مجرد طموح هندسي استثنائي، وليس حقيقة علمية ثابتة.
Comments
0 comments