نشرت شركة Cerebras تحليلًا هندسيًا تفصيليًا لكيفية نشر نماذج الذكاء الاصطناعي ذات تريليون معلمة على أجهزتها ذات حجم الرقاقة - وهي نظرة عامة نادرة على السباكة وراء الاستدلال فائق السرعة للنماذج التي تتطلب أوزانها وحدها تيرابايت من الذاكرة.

هذا المنشور، الذي كتبته سارة تشينج وتم نشره على مدونة Cerebras في 22 أكتوبر 2026، لفت الانتباه متجددًا خلال عطلة نهاية الأسبوع بعد وصوله إلى الصفحة الأولى من Hacker News. سؤالها المركزي بسيط: تحتوي شريحة Cerebras WSE-3T الواحدة على 44 جيجابايت من الذاكرة الموجودة على الرقاقة، لكن النماذج الحدودية ذات تريليون معلمة تحتاج إلى تيرابايت فقط لتخزين أوزانها. كيف يمكنك سد هذه الفجوة؟ لمزيد من السياق حول هذه القصة، راجع تغطية صناعة الذكاء الاصطناعي.

لماذا تتعطل نماذج تريليون معلمة عن الأجهزة العادية

تبدأ الإجابة بحقيقة غير مريحة بالنسبة للمسرعات التقليدية: فبالدقة الكاملة، لا يمكن لنموذج يحتوي على ثلاثة تريليونات من المعلمات أن يتناسب مع ذاكرة أي شريحة واحدة في السوق. تحل مجموعات وحدات معالجة الرسومات هذه المشكلة عن طريق تقسيم النماذج عبر العديد من الأجهزة وشحن الأوزان وعمليات التنشيط باستمرار عبر وصلات بينية عالية السرعة - وهو جزء كبير من سبب كون الاستدلال على النماذج الضخمة مكلفًا وبطيئًا.

يأخذ Cerebras نهجا مختلفا. تحتوي رقائقها ذات حجم الرقاقة على كميات هائلة من ذاكرة SRAM الموجودة على الرقاقة - 44 جيجابايت لكل رقاقة WSE-3T - مما يعني أن هدف الشركة هو الحفاظ على الأوزان الموجودة على الرقاقة، حيث يكون الوصول إلى الذاكرة أسرع بشكل كبير من أي رابط خارج الرقاقة.

تقول الشركة إن هذه البنية تتيح لها تشغيل نماذج متعددة تريليونات المعلمات بمعدل 1000 إلى 2000+ رمز مميز في الثانية.

##كيمي K3 كمثال عملي

ولجعل التفسير ملموسًا، قامت شركة Cerebras بنشر Kimi K3، وهو نموذج مفتوح المصدر يحتوي على ما يقرب من 3 تريليون معلمة. يستخدم النموذج بنية هجينة: 69 طبقة خطية و24 طبقة كثيفة.

نقلاً عن النتائج القياسية، تقول المدونة إن Kimi K3 سجل 88.3% على Terminal-Bench 2.1 — خلف GPT-5.6 Sol الذي حصل على 88.8% — و91.2% على BrowseComp، متقدمًا على GPT-5.6 Sol الذي حصل على 90.4%. يقول سيريبراس إن هذه الأرقام تظهر قدرة على التشفير والفاعلية على المستوى الحدودي في نموذج الأوزان المفتوحة، مما يجعله هدفًا توضيحيًا جيدًا.

يفترض المثال العملي أن متوسط ​​حجم الطلب يبلغ 256000 رمز مميز، وتكميم الوزن 4 بت (مطابقة لتطبيق Hugging Face) وذاكرة تخزين مؤقت KV 8 بت.

تقطيع نموذج 3T إلى قطع بحجم 44 جيجابايت

الحساب هو الجزء الأكثر إلقاء الضوء على هذا المنصب. عند 4 بتات لكل معلمة، تصل معلمات Kimi K3 البالغ عددها 3 تريليون إلى حوالي 1.5 تيرابايت من الأوزان الأولية. مقسمة على 93 طبقة للنموذج، تحتاج كل طبقة إلى حوالي 16 جيجابايت.

يتناسب هذا بشكل أنيق مع سعة 44 جيجابايت المتوفرة على كل رقاقة، ولكن نوعي الطبقة ينقسمان بشكل مختلف:

  • الطبقات الكثيفة تحتاج إلى مساحة لذاكرة التخزين المؤقت KV، لأن الاهتمام الكامل يخزن المفاتيح والقيم لكل رمز مميز في كل طلب نشط. تضع Cerebras طبقة كثيفة واحدة لكل رقاقة، تاركة SRAM المتبقية لتلك الذاكرة المؤقتة.
  • طبقات الانتباه الخطي تحتفظ فقط بحالة صغيرة ذات حجم ثابت لكل طلب بغض النظر عن طول السياق، لذلك ليست هناك حاجة إلى ذاكرة تخزين مؤقت KV. وهذا يترك مساحة لطبقتين خطيتين لكل رقاقة.

مع 69 طبقة خطية و24 طبقة كثيفة، يرسم النموذج 35 رقاقة للطبقات الخطية بالإضافة إلى 24 رقاقة للطبقات الكثيفة - 59 رقاقة إجمالاً لنسخة واحدة من Kimi K3.

الأوزان لا تتحرك أبدًا — فقط عمليات التنشيط هي التي تفعل ذلك

الفكرة الرئيسية الثانية هي ما ترسله شركة سيريبراس – وما لا ترسله – بين تلك الرقاقات الـ 59. تقوم الشركة بتنفيذ النماذج كخط أنابيب: بعد أن يقوم المترجم بتعيين الطبقات على مناطق الرقاقات، يقوم وقت التشغيل برسم المسار الذي تسلكه الرموز المميزة من رقاقة إلى أخرى.

والأهم من ذلك، نظرًا لأن كل طبقة تتناسب تمامًا مع رقاقة واحدة (أو اثنتين، للطبقات الخطية)، فإن أوزان النموذج لا يجب أن تتحرك أبدًا. لا يتم تقسيم الطبقات عبر الرقائق. تنتقل عمليات التنشيط فقط من شريحة إلى أخرى، ويتم نقلها عبر RDMA على شبكة Ethernet القياسية مع وقت قفز يبلغ حوالي 2 ميكروثانية.

تشرح نقطة التصميم هذه الكثير عن ادعاءات أداء Cerebras. في عمليات نشر وحدة معالجة الرسومات، غالبًا ما يكون نقل الأوزان أو حالة التجزئة بين الأجهزة هو عنق الزجاجة؛ في أجهزة Cerebras، يحمل التوصيل البيني فقط موترات التنشيط الأصغر بكثير.

سبب أهميته لسوق الاستدلال

يعد هذا المنشور جزئيًا شرحًا هندسيًا وجزئيًا حجة: أن SRAM على نطاق الرقاقة هي وسيلة موثوقة لخدمة النماذج الهائلة المتزايدة التي تشحنها الصناعة. نظرًا لأن الإصدارات ذات الوزن المفتوح مثل Kimi K3 تقترب من ثلاثة تريليونات معلمة، يصبح جدار الذاكرة هو القيد المحدد لاقتصاديات الاستدلال، كما تتمتع الأساليب التي تحافظ على الأوزان ثابتة بميزة هيكلية على سرعة كل رمز مميز.

كما أنه يؤكد على مدى اعتماده على التكميم. يعتمد النشر بالكامل على أوزان 4 بت وذاكرة تخزين مؤقت KV 8 بت - وهي تقنيات تقلل آثار الذاكرة بنسبة 75% تقريبًا أو أكثر مقارنة بخطوط الأساس 16 بت مع الحفاظ على الأداء القياسي. وبدونها، حتى 59 رقاقة لن تكون كافية.

المقايضات حقيقية أيضًا. يعد نظام 59 رقاقة عبارة عن آلة كبيرة ومتخصصة، ويفترض نهج خط الأنابيب إمكانية تجميع الطلبات عبر النظام بكفاءة. تتناول مدونة Cerebras التزامن كأحد موضوعاتها الأساسية، مع ملاحظة أن البنية مصممة للتعامل مع عدد كبير من الطلبات المتزامنة.

في الوقت الحالي، يعد هذا المنشور واحدًا من أوضح التفسيرات العامة لما يتطلبه الأمر فعليًا لخدمة نموذج مفتوح على نطاق حدودي بسرعات رمزية مكونة من أربعة أرقام - وإشارة إلى أن المحادثة حول أجهزة الاستدلال تتحول من الرقائق إلى أنظمة الرقاقات الكاملة.

المصدر: مدونة Cerebras، "كيف ننشر نماذج حدودية ذات تريليون معلمة على Cerebras" (22 أكتوبر 2026).

---

ابق على اطلاع بأخبار الذكاء الاصطناعي

آخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →