إنفيديا تفتح مصدر cuFile وتطلق Storage-Next وSCADA لمعالجة اختناق وحدات معالجة الرسوميات

تستهدف هذه الخطوات مشكلة أساسية في بنية الذكاء الاصطناعي الحديثة: وحدات معالجة الرسوميات أصبحت أسرع من أنظمة التخزين، ولذلك قد تبقى قدراتها الحسابية معطلة وهي تنتظر وصول البيانات. وفي الوقت نفسه، يفرض نقل البيانات مباشرة بين وحدة المعالجة والتخزين تحديات جديدة تتعلق بالعزل والصلاحيات والأمان.

ما الذي أعلنته Nvidia؟

فتح مصدر cuFile

تفتح Nvidia مصدر واجهات برمجة التطبيقات cuFile، إلى جانب حزمة برمجيات التخزين المتكاملة التي تقف خلفها. وتسمح هذه الواجهات لوحدات معالجة الرسوميات، وليس وحدات المعالجة المركزية فقط، بقراءة البيانات من التخزين والكتابة إليه مباشرة . ويُعد cuFile مكوّنًا أساسيًا من منصة GPUDirect Storage .

سيُستضاف التطوير في مستودعات GitHub التابعة لمنظمة xio-sig، أو مجموعة الاهتمام الخاصة بالإدخال والإخراج المسرّع، مع Google وIntel وNvidia وMeta كجهات صيانة مؤسسة . والهدف هو تحويل الواجهة إلى مشروع مفتوح قابل للتشغيل البيني، بدل أن تبقى واجهة مملوكة لمورّد واحد .

لكن الإعلان لا يعني بالضرورة أن عملية التبنّي جاهزة فورًا. فقد أشار تحليل نُشر بعد الإعلان إلى أنه حتى 4 أغسطس 2026 لم يكن هناك كود عام أو ترخيص أو مصفوفة نوى مدعومة أو مسار ترحيل منشور لعمليات GPUDirect Storage الحالية. لذلك ينبغي لمهندسي التخزين التعامل مع الخطوة باعتبارها اتجاهًا معلنًا، لا إصدارًا مكتملًا متاحًا للإنتاج .

إطلاق Storage-Next

أطلقت Nvidia رسميًا مبادرة Storage-Next، وهي تجمع يضم أكثر من 40 شركة من شركات التخزين والذاكرة الفلاش، من بينها DDN وKIOXIA وMicron، إلى جانب مصنّعي وحدات التحكم، ومتخصصي التبريد، وجهات وضع المعايير .

وتسعى المبادرة إلى تنسيق طريقة عمل التخزين المدفوع بوحدات معالجة الرسوميات، ثم تحويل التطورات الجديدة إلى معايير مفتوحة ومتوافقة بين المنتجات. وهذا مهم لأن تسريع وحدة المعالجة وحدها لن يحل المشكلة إذا بقيت وحدات التخزين ووحدات التحكم والشبكات تعمل وفق افتراضات مصممة لعصر كانت فيه وحدة المعالجة المركزية تدير كل عمليات الإدخال والإخراج .

تقديم إطار SCADA

يمثل SCADA، وهو اختصار لـ Scaled, Accelerated Data Access، النسخة التي تحولت إلى منتج من أبحاث Nvidia السابقة المعروفة باسم BaM، أو Big Accelerator Memory، والتي عُرضت في مؤتمر ASPLOS عام 2023 .

يتيح الإطار لوحدات معالجة الرسوميات ذات التوازي الواسع بدء عمليات الإدخال والإخراج من التخزين وإدارتها بنفسها. وبذلك يستطيع كل عدد كبير من خيوط GPU طلب البيانات مباشرة، مع الاستفادة من ذاكرة تخزين مؤقت داخل وحدة المعالجة والوصول إلى وحدات NVMe أو التخزين البعيد .

كيف تعالج الإعلانات الاختناقات الرئيسية؟

1. تقليل انتظار وحدات معالجة الرسوميات

في نموذج الإدخال والإخراج التقليدي، يتولى المضيف، عادةً عبر وحدة المعالجة المركزية، إعداد كل عملية نقل تقريبًا. ويجبر ذلك وحدة معالجة الرسوميات على الانتظار، بينما تضيف عمليات إطلاق النواة ومزامنة CPU-GPU تكاليف زمنية قد تصل إلى ميكروثوانٍ لكل عملية .

يُخرج cuFile وحدة المعالجة المركزية من مسار البيانات، إذ يمكن نقل البيانات مباشرة إلى ذاكرة GPU باستخدام الوصول المباشر للذاكرة DMA . أما SCADA فيذهب خطوة أبعد بإخراج وحدة المعالجة المركزية من مسار التحكم أيضًا: فتبدأ خيوط GPU طلبات القراءة، وتجمع الطلبات الصغيرة والمتناثرة، وتخدم المتكرر منها من ذاكرة تخزين مؤقت موجودة على الوحدة نفسها .

وفي العتاد نفسه، حققت أبحاث BaM التي يستند إليها SCADA أداءً أسرع 5.3 مرات في أحمال تحليل البيانات مقارنة بالوصول الذي يبدأه CPU، كما أظهرت أحمال الرسوم البيانية خفضًا يصل إلى 21.7 مرة في تكلفة العتاد مقارنة بتخزين البيانات في ذاكرة المضيف . وهذه أرقام بحثية وليست وعدًا بأن كل تطبيق سيحقق النتيجة ذاتها.

2. سد فجوة التخزين في أحمال الذكاء الاصطناعي

تستطيع وحدات معالجة الرسوميات معالجة البيانات بسرعة تفوق قدرة كثير من أنظمة التخزين على تسليمها، ما يجعل التخزين حلقة الاختناق في تدريب نماذج الذكاء الاصطناعي وتشغيلها .

يوفر cuFile وصولًا آمنًا منخفض الكمون إلى البيانات، بزمن وصول على مستوى الميكروثانية، مستفيدًا من مئات الآلاف من خيوط GPU وذاكرة عالية النطاق الترددي . ويمكن أن يفيد هذا النوع من المسارات السريعة تطبيقات مثل التوليد المعزّز بالاسترجاع (RAG)، ونماذج مزيج الخبراء، وسير عمل الذكاء الاصطناعي الوكيلي التي تحتاج إلى جلب كميات كبيرة من البيانات بالتوازي وبسرعة .

أما Storage-Next فتسعى إلى منع تحول الحل إلى تقنية مرتبطة بمورّد واحد. فمشاركة أكثر من 40 جهة من شركات التخزين والفلاش تهدف إلى بناء معايير قابلة للتشغيل البيني، حتى يتمكن النظام البيئي بأكمله من مواكبة سرعة وحدات معالجة الرسوميات .

3. حماية الوصول المباشر إلى التخزين

قد يؤدي منح GPU وصولًا مباشرًا إلى التخزين، من دون ضوابط مناسبة، إلى تمكين تطبيق من قراءة بيانات تطبيق آخر أو إفسادها . ولهذا يفصل تصميم SCADA بين مستويات الصلاحيات.

يعمل كود التطبيق المسؤول عن الأداء خارج قاعدة الحوسبة الموثوقة وبصلاحيات غير مميّزة، بينما يتولى مكوّن مميّز إعداد الوصول المحمي بين كل تطبيق ومساحة التخزين المصرّح له بها أثناء مرحلة الإعداد، بالاستناد إلى آليات أمان Linux القياسية .

وتعتبر Nvidia أن فتح مصدر cuFile يمكن أن يدعم أمن الذكاء الاصطناعي أيضًا، لأن أنظمة الدفاع الوقائية والكاشفة تحتاج إلى الوصول إلى البيانات وسياقها وإلى التخزين بسرعة مماثلة لسرعة التهديدات التي تحاول رصدها . كما يرتبط هذا التوجه بـ Open Secure AI Alliance .

وعلى مستوى العتاد، تستخدم الحزمة التي تشمل معالجات Nvidia Vera BlueField-4 STX حزمة الأمان الموحدة NVIDIA DOCA لتطبيق السياسات بصورة مستمرة داخل مسار بيانات الذكاء الاصطناعي .

ماذا تعني الخطوة لمستقبل البنية التحتية للذكاء الاصطناعي؟

تكشف إعلانات FMS 2026 عن محاولة واسعة لمعالجة عدم التوازن بين سرعة الحوسبة على GPU وسرعة إيصال البيانات من التخزين. فتح مصدر cuFile قد يسرّع التطوير ويزيد فرص التوافق بين المنتجات، لكنه سيحتاج إلى كود وترخيص ومسار ترقية واضح حتى يتحول الإعلان إلى خيار عملي لمهندسي مراكز البيانات .

في المقابل، يوفر Storage-Next آلية لتنسيق جهود شركات الفلاش ووحدات التحكم والتبريد والشبكات، بينما يقدم SCADA مسارًا مباشرًا لتقليل اعتماد عمليات الإدخال والإخراج على CPU، في مسار البيانات والتحكم معًا .

إذا نجحت هذه المكونات في العمل ضمن منظومة مفتوحة وآمنة، فقد يصبح التخزين شريكًا فعليًا لوحدات معالجة الرسوميات بدل أن يكون عنق الزجاجة الذي يحد من الاستفادة من قدرتها الحسابية. لكن التنفيذ الفعلي، وتوافر الكود، وتوافق العتاد والبرمجيات، ستحدد مدى سرعة انتقال هذه الرؤية من إعلان صناعي إلى بنية تشغيلية واسعة الاستخدام.