Callosum تراهن على ذكاء اصطناعي لا يعتمد على نموذج أو شريحة واحدة

ولا يعني ذلك أن نموذجاً واحداً أو شريحة واحدة ستختفي. الفكرة هي أن يصبح كل منهما جزءاً قابلاً للاستبدال ضمن منظومة حوسبية أوسع، يجري اختياره وفق احتياجات الطلب أو التطبيق.

كيف يعمل توجيه الذكاء الاصطناعي غير المتجانس؟

تصف Callosum برمجيتها بأنها طبقة تنسيق لأعباء الذكاء الاصطناعي. وعملياً، يُفترض أن تقوم المنصة بما يلي:

1. تقسيم المهمة المعقدة إلى مهام فرعية: فقد يضم التطبيق متعدد الخطوات أنواعاً مختلفة من الاستدلال واستخدام الأدوات والتنفيذ.
2. اختيار النموذج المناسب لكل خطوة: يمكن لنموذج أسرع وأقل تكلفة التعامل مع التكرارات الروتينية، بينما يُحجز نموذج أكثر قدرة على الاستدلال للقرارات الصعبة.
3. اختيار العتاد الملائم: يمكن توزيع الحمل على أنواع مختلفة من المعالجات بدلاً من ربطه ببنية مورّد واحد.
4. مراعاة قيود التشغيل: يمكن أن تستند قرارات التوجيه إلى زمن الاستجابة والتكلفة ومتطلبات الطاقة.

وتقول الشركة إن منصتها مصممة للعمل عبر بيئات سحابية وعتاد يشمل شرائح Nvidia وAMD، وشرائح AWS Trainium وInferentia، وأنظمة Cerebras.

وبالنسبة إلى وكيل مؤسسي قادر على استخدام الحاسوب، قد يعني ذلك تشغيل التفاعلات المتكررة على مسرّع منخفض زمن الاستجابة، واستخدام وحدة معالجة رسومية عامة في مرحلة أخرى، والاستعانة بنموذج استدلال أقوى فقط عندما تتطلب المهمة ذلك. ولا تقتصر الفائدة المحتملة على مرونة العتاد؛ بل تشمل بناء مسار عمل يستفيد من نقاط قوة عدة مكونات.

فوائد معلنة، لكن مع تحفظ مهم

تقول Callosum إن نهجها حقق، في أعباء عمل معقدة مختارة، تحسناً يصل إلى ضعفين في الدقة، و7 أضعاف في الأداء، وانخفاضاً قدره 4 أضعاف في التكلفة. وهذه أرقام أعلنتها الشركة في الفترة المحيطة بخروجها من وضع التخفي في فبراير، ولا تُظهر التغطية المتاحة أنها خضعت لتحقق مستقل أو أنها تنطبق على أعباء الذكاء الاصطناعي عموماً.

والمنطق الاقتصادي وراء الفكرة واضح: إذا لم تكن كل خطوة في التطبيق بحاجة إلى أقوى نموذج متاح، فقد يؤدي استخدام خيار أرخص أو أسرع في المهام الروتينية إلى خفض تكلفة الاستدلال. وإذا لم تكن كل الخطوات بحاجة إلى المعالج نفسه، يمكن للمشغلين الاستفادة من الطاقة المتاحة بكفاءة أكبر وتقليل الارتهان لمورّد عتاد واحد.

وقد يكون هذا النهج مناسباً لأتمتة استخدام الحاسوب، والمدفوعات، والأمن السيبراني، والتطبيقات متعددة الوكلاء، وهي مجالات تجمع بين أنواع متعددة من العمليات الحوسبية. لكن نجاحه سيتوقف على قدرة طبقة التوجيه على اتخاذ قرارات موثوقة من دون إضافة قدر كبير من التعقيد أو النفقات التشغيلية التي تمحو المكاسب المتوقعة.

من تحسين الأداء إلى «سيادة الذكاء الاصطناعي»

لا تقتصر رسالة Callosum على تحسين الكفاءة. فتدريب وتشغيل أنظمة الذكاء الاصطناعي المتقدمة يتطلبان رأس مال كبيراً وكميات ضخمة من الكهرباء وعتاداً متخصصاً. وقد يؤدي تركيز هذه المتطلبات لدى عدد محدود من شركات النماذج ومورّدي الشرائح إلى زيادة الاعتماد على مزوّدي البنية التحتية المهيمنين وعلى المناطق التي يتوافر فيها هذا العتاد.

ويمكن لطبقة برمجية لا تعتمد على نوع محدد من العتاد أن تمنح المؤسسات خيارات أوسع بشأن مكان تشغيل أعبائها، وأن تسهّل استخدام معالجات بديلة. ومن هنا تربط Callosum بين البنية غير المتجانسة واستراتيجية سيادة الذكاء الاصطناعي؛ إذ قد تتمكن الدول والشركات من استخدام نطاق أوسع من الشرائح المتاحة بدلاً من الاعتماد الكامل على منظومة تقنية واحدة.

لكن ذلك يظل طموحاً لا نتيجة مثبتة. فدعم شرائح متعددة لا ينشئ تلقائياً سوقاً تنافسية للعتاد، وستعتمد القيمة العملية على الأداء والتوافر وأدوات المطورين وموثوقية تكاملات Callosum.

تمويل Callosum والمستثمرون فيها

في فبراير 2026، أعلنت الشركة عند خروجها من وضع التخفي جمع 10.25 مليون دولار في جولة قادتها Plural، بمشاركة مستثمرين ملائكيين من بينهم Charlie Songhurst وStan Boland وJohn Lazar. كما قدمت وكالة الأبحاث والاختراع المتقدمة البريطانية، المعروفة اختصاراً باسم ARIA، دعماً في صورة منحة بحثية لدمج الشرائح الجديدة؛ ولم تُوصف الوكالة بأنها مستثمر أسهم في تلك الجولة.

وفي 20 أغسطس 2026، أعلنت Callosum جولة تأسيسية إضافية بقيمة 100 مليون دولار قادتها Atomico، مع مشاركة كبيرة من Plural وDCVC وصندوق الذكاء الاصطناعي السيادي البريطاني، إلى جانب مستثمرين وملائكة آخرين.

وإذا كانت الجولة الثانية إضافة إلى تمويل فبراير، كما عرضت التغطية المتاحة، تكون Callosum قد أعلنت عن تمويل إجمالي يقارب 110.25 مليون دولار منذ خروجها من وضع التخفي. ويعكس هذا الرقم طريقة عرض الجولات في المصادر المتاحة، في حين لا يقدم الإعلان العام للشركة تفصيلاً كاملاً بأسماء جميع المشاركين غير المسمّين.

ماذا يعني الدعم البريطاني؟

تقول Callosum إن هذا الاستثمار هو أول استثمار على الإطلاق لصندوق الذكاء الاصطناعي السيادي البريطاني، وإن الشركة أُدرجت ضمن خطة المملكة المتحدة لعتاد الذكاء الاصطناعي البالغة قيمتها 1.1 مليار جنيه إسترليني. كما شدد وزير الذكاء الاصطناعي البريطاني Kanishka Narayan علناً على أهمية الاستخدام الكفء للشرائح مع تنامي الطلب على القدرة الحوسبية للذكاء الاصطناعي.

وتضع هذه الإشارات تقنية Callosum في إطار يتجاوز تحسين البنية التحتية لشركة خاصة. فالحكومة البريطانية تقدم تنويع الوصول إلى عتاد الذكاء الاصطناعي وتحسين تنسيق الأعباء باعتبارهما جزءاً من القدرة الوطنية والسيادة في مجال الذكاء الاصطناعي. وهذا لا يضمن نجاح الشركة تقنياً أو تجارياً، لكنه يفسر جذب طبقة التوجيه دعماً حكومياً استراتيجياً إلى جانب رأس المال الجريء.

لماذا تكتسب شراكة Cerebras أهمية؟

تُدخل الشراكة الرئيسية بين Callosum وCerebras قدرة Cerebras إلى طبقة التوجيه غير المتجانس التابعة للشركة. ويتمثل الهدف في استخدام استدلال Cerebras منخفض زمن الاستجابة عندما تكون السرعة حاسمة، مع توجيه المراحل الأخرى من عبء العمل إلى نماذج أو معالجات مختلفة.

وقد يكون ذلك مفيداً للأنظمة الآنية ومتعددة الوكلاء، حيث تتراكم التأخيرات عبر استدعاءات متعددة للنماذج. وتصف الشركتان هذا التكامل بأنه وسيلة لتمكين أنظمة ذكاء اصطناعي كانت ستصبح بطيئة جداً أو مكلفة أو غير عملية للتشغيل على نطاق واسع.

لكن هناك اختلافاً في المصادر المتاحة بشأن نسبة هذا التصريح إلى صاحبه: إذ تنسبه Tech.eu إلى الرئيس التنفيذي لـ Cerebras، Andrew Feldman، بينما ينسب إعلان Callosum نفسه الصياغة ذاتها إلى Andy Hock، كبير مسؤولي الاستراتيجية في Cerebras. أما جوهر الشراكة والهدف المعلن المتمثل في خفض زمن الاستجابة، فمتسقان بين المصدرين؛ والاختلاف يقتصر على نسبة التصريح والصفة الوظيفية.

الاختبار الحقيقي لم يبدأ بعد

تقوم أطروحة Callosum على أن بنية الذكاء الاصطناعي يجب ألا تشبه آلة ضخمة واحدة، بل منظومة منسقة تضم نماذج متعددة وأنواعاً مختلفة من الشرائح، إلى جانب برمجيات تسند كل مهمة إلى المورد الأنسب.

وتلامس الفكرة ضغوطاً حقيقية في تشغيل الذكاء الاصطناعي، من زمن الاستجابة والتكلفة إلى استهلاك الطاقة والاعتماد على سلاسل توريد مركزة. لكن الاختبار الحاسم سيكون عملياً: سيتعين على Callosum إثبات أن التوجيه غير المتجانس يحسن أداء التطبيقات الكاملة، لا نتائج الاختبارات المنفردة فحسب، مع جعل بيئة العتاد المختلطة بسيطة بما يكفي للمطورين وموثوقة بما يكفي للاستخدام الإنتاجي.

وتشير جولة الـ100 مليون دولار إلى أن المستثمرين يرون في مشكلة التنسيق هذه فرصة كبيرة وذات أهمية استراتيجية. أما الوعد الأوسع للتقنية، فيبقى مشروطاً بقدرة الشركة على تحويل تنوع العتاد إلى مكاسب قابلة للقياس والتكرار لدى المستخدمين الفعليين.