أداة TorchNeuron الجديدة من أمازون تسعى لتخفيف قبضة إنفيديا على مطوري الذكاء الاصطناعي

أطلقت أمازون ويب سيرفسز (AWS) يوم الاثنين أداة TorchNeuron، وهي واجهة خلفية أصلية لـPyTorch مخصصة لشرائح Trainium الخاصة بالذكاء الاصطناعي من أمازون، تتيح للمطورين نقل تطبيقات PyTorch الحالية إلى عتاد Trainium بتغيير سطر إعداد واحد فقط - دون الحاجة لإعادة كتابة الكود. وتقول AWS إن نحو 85% من تطبيقات الذكاء الاصطناعي مكتوبة بالفعل بلغة PyTorch، ما يجعل التوافق - لا مواصفات الشريحة الخام - ساحة المعركة الحقيقية لأي طرف يسعى لمنافسة إنفيديا.

وهذا التأطير هو بيت القصيد. فهيمنة إنفيديا في حوسبة الذكاء الاصطناعي تستند بشكل كبير إلى البرمجيات لا إلى السيليكون وحده: فمنصة CUDA التابعة لها ضُبطت لسنوات لتعمل بسلاسة مع PyTorch، ما جعل عتاد إنفيديا الخيار الافتراضي الخالي من الاحتكاك لمعظم المطورين. وتُعد TorchNeuron محاولة أمازون لمحو ميزة الاحتكاك هذه لصالح شرائح Trainium الخاصة بها - وبطموح أكبر، لدفع تغييرات إلى أعلى داخل مشروع PyTorch الرئيسي نفسه تقلل من اعتماد الإطار على أي مُصنّع شرائح بعينه.

من الناحية التقنية، تستبدل TorchNeuron نهج التجميع القديم المعتمد على XLA الذي كانت AWS تستخدمه سابقاً لتشغيل PyTorch على شرائحها بتكامل أصلي عبر آلية الواجهة الخلفية للأجهزة PrivateUse1 في PyTorch. وتدعم كلاً من وضع التنفيذ الفوري (eager) للتطوير التفاعلي والتجميع الآني عبر TorchDynamo لأداء الإنتاج - وهما الوضعان نفسهما اللذان يتوقعهما مطورو PyTorch بالفعل على معالجات إنفيديا الرسومية. وكانت AWS قد عرضت هذه الواجهة الخلفية الأصلية لأول مرة في نسخة تجريبية خاصة ضمن Neuron SDK 2.27 في ديسمبر 2025؛ ويمثل إطلاق يوم الاثنين انتقالها نحو التوفر العام.

كما تؤطر AWS جاذبية Trainium بما يتجاوز التكلفة الخام لكل رمز (توكن). وقال كولين بريس، نائب رئيس برمجيات التقنية في Annapurna Labs التابعة لـAWS، إن ميزة الشريحة تكمن في كونها «منصة واحدة لكل من التدريب والاستدلال» مندمجة بإحكام مع بنية AWS التحتية - وهو تباين تطرحه الشركة مقارنة بـ«السحب الجديدة» المعتمدة على إنفيديا مثل CoreWeave وNebius وFirmus، والتي واجه العديد منها ضغوطاً تمويلية خاصة بها هذا العام. وأضاف بريس: «القصة الحقيقية هي إزالة القيود التي منعت المطورين من الحصول على خيار حقيقي من الأساس».

وتشير أمازون إلى شركة Deepgram للذكاء الاصطناعي الصوتي، المنافسة لـElevenLabs، كدليل مبكر على النجاح: فبعد الانتقال إلى Trainium باستخدام PyTorch الأصلي، تقول Deepgram إنها الآن تعالج صوتاً أكثر بنسبة 70% لكل دولار بدقة بمستوى الإنتاج. وتقول أمازون إنها ستساهم أيضاً بكود في مشروع PyTorch الأساسي لإزالة التبعيات الخاصة بشرائح معينة، وهي خطوة تهدف صراحة إلى جعل الإطار أكثر حيادية تجاه العتاد على مستوى الصناعة ككل، لا مجرد جعله أكثر ملاءمة لشرائح AWS.

ويبقى ما إذا كان ذلك سيُترجم إلى خيار حقيقي للمطورين سؤالاً مفتوحاً. فالغرض التصميمي الكامل لـPyTorch هو إخفاء معاناة تشغيل الكود نفسه عبر عتاد مختلف - وهو أمر ذو حدين: إذا نجحت أمازون، فسيحصل أي مُصنّع شرائح على مدخل أسهل، لا AWS وحدها. ويلاحظ المتشككون أن تبديل البنية التحتية، حتى بتغيير إعداد من سطر واحد، لا يزال يعني إعادة اختبار الأداء والموثوقية على نطاق واسع، وأن المطورين تمكنوا لفترة من إعادة توجيه PyTorch نحو معالجات AMD الرسومية أو شرائح أبل بتعديلات إعداد مماثلة دون أن يؤدي ذلك إلى خلع إنفيديا عن عرشها. والاختبار الحقيقي لـTorchNeuron ليس ما إذا كانت تعمل في عرض توضيحي - بل ما إذا كانت شركات ذكاء اصطناعي كافية ستقرر أن تكلفة التبديل تستحق العناء.

المصدر: إعلان أمازون ويب سيرفسز، كما نقلته TechCrunch، 19 أكتوبر 2026.