#

النقاط الرئيسية

• جمعت نيتريس 15 مليون دولار في جولة تمويل من الفئة A بقيادة Andreessen Horowitz.

• تركز الشركة على أتمتة الشبكات لمشغلي النيوكلاود للذكاء الاصطناعي.

• يساعد برنامجها في تهيئة المحولات، وأتمتة العمليات، وإدخال عناقيد GPU إلى الخدمة بسرعة أكبر.

• تقول TechCrunch إن نيتريس تعمل بالفعل في أكثر من 35 عنقود GPU حول العالم.

• بالنسبة للمغرب، تبرز القصة أن بنية الذكاء الاصطناعي تحتاج إلى الشبكات والمهارات والحوكمة، وليس وحدات GPU فقط.

ما الذي تحاول نيتريس حله

أفادت TechCrunch بأن نيتريس جمعت 15 مليون دولار في جولة تمويل من الفئة A بقيادة Andreessen Horowitz. وتقول الشركة إن برنامجها يساعد مشغلي النيوكلاود للذكاء الاصطناعي على تهيئة المحولات وأتمتة العمليات. كما يهدف إلى تقليص الوقت اللازم لإدخال عناقيد GPU إلى الخدمة.

وهذا مهم لأن بنية الذكاء الاصطناعي لا تتعلق بشراء وحدات GPU فقط. فقد تحدد طبقة الشبكة ما إذا كان العنقود عمليًا أم صعب التشغيل. وبالنسبة للقراء المغاربة، فهذا تذكير مفيد بأن الجاهزية للذكاء الاصطناعي تعتمد على العمليات بقدر اعتمادها على العتاد.

لماذا يهم هذا المغرب

قد لا يحتاج المغرب إلى نفس الحجم الذي ذُكر في التقرير عن عناقيد GPU العالمية. لكن المشكلة الأساسية متشابهة. أي مؤسسة تريد تشغيل أحمال عمل الذكاء الاصطناعي تحتاج إلى شبكة مستقرة، وإجراءات واضحة، وأشخاص قادرين على إدارة أنظمة معقدة.

وهذا مهم للشركات المغربية والمؤسسات العامة والشركات الناشئة التي قد ترغب في استخدام الذكاء الاصطناعي بجدية أكبر. إذا كانت الشبكة صعبة التهيئة، فقد يستغرق تشغيل العنقود وقتًا أطول. وإذا كانت العمليات يدوية، فقد ترتفع التكاليف والأخطاء.

حالات استخدام عملية في المغرب

بالنسبة للقراء المغاربة، فإن حالة الاستخدام الأكثر مباشرة هي الكفاءة التشغيلية. يمكن لفريق يدير بنية تحتية للذكاء الاصطناعي استخدام الأتمتة لتقليل أعمال التهيئة المتكررة. وقد يساعد ذلك عندما تكون فرق تقنية المعلومات الداخلية صغيرة أو عندما تكون مهارات الشبكات المتخصصة محدودة.

حالة استخدام ثانية هي النشر الأسرع. إذا كانت مؤسسة مغربية تخطط لبيئة تعتمد على GPU، فإن تقليل وقت الإعداد قد يحسن جداول المشاريع. وسيكون ذلك مفيدًا بشكل خاص عندما تكون دورات الشراء طويلة وتحتاج قرارات البنية التحتية إلى تبرير دقيق.

حالة استخدام ثالثة هي الاتساق. يمكن لعمليات الشبكة المؤتمتة أن تساعد الفرق على تطبيق الإعدادات نفسها عبر العديد من الأنظمة. وفي بيئة عمل متعددة اللغات، قد يقلل ذلك أيضًا من الالتباس إذا كانت الإجراءات موثقة بوضوح في مزيج اللغات الذي يستخدمه الفريق.

السياق المغربي: ما الذي توحي به القصة

لا يذكر التقرير أي شيء محدد عن السوق المغربية. ومع ذلك، فهو يشير إلى درس أوسع لصناع القرار المحليين. يمكن أن تفشل مشاريع الذكاء الاصطناعي إذا لم تكن البنية التحتية المحيطة جاهزة.

ويشمل ذلك توافر البيانات، والشراء، والمهارات الداخلية. كما يشمل تخطيط البنية التحتية، وضوابط الخصوصية، والأمن السيبراني، والامتثال. وينبغي على المؤسسات المغربية أن تتعامل مع هذه العناصر بوصفها جزءًا من ميزانية الذكاء الاصطناعي، لا كأمور ثانوية.

غالبًا ما تكون طبقة الشبكة أقل وضوحًا من طبقة GPU. ومع ذلك، يمكنها أن تؤثر في الموثوقية، ووقت التشغيل، وسرعة التوسع. وبالنسبة للمغرب، يعني ذلك أن تخطيط الذكاء الاصطناعي يجب أن يتضمن تصميم الشبكة منذ البداية.

المخاطر والحوكمة

يمكن للأتمتة أن تقلل العمل اليدوي، لكنها تخلق أيضًا مخاطر جديدة. فإذا كان النظام مهيأً بشكل خاطئ، فقد ينتشر الخطأ بسرعة أكبر. وإذا كانت ضوابط الوصول ضعيفة، فقد تصبح أدوات الأتمتة مشكلة أمنية.

ولهذا السبب تكتسب الحوكمة أهمية. ستحتاج الفرق المغربية إلى مسارات موافقة واضحة، وتسجيل للعمليات، وضبط وصول قائم على الأدوار. كما ستحتاج إلى مراجعة كيفية انتقال البيانات بين الأنظمة ومن يمكنه تغيير إعدادات الشبكة.

يجب أن تكون الخصوصية والأمن السيبراني جزءًا من التصميم. غالبًا ما تتعامل عناقيد الذكاء الاصطناعي مع أحمال عمل حساسة، حتى عندما لا يحدد المقال نوع البيانات. وبالنسبة لصناع القرار والمشغلين المغاربة، فإن النهج الآمن هو افتراض أن ضوابط أقوى ضرورية.

ما الذي ينبغي على المؤسسات المغربية فعله بعد ذلك

ابدأ بتقييم واقعي للبيئة الحالية. ينبغي للفرق أن ترسم خريطة لشبكتها، وتحدد الخطوات اليدوية، وتسجل أين تحدث التأخيرات. وقد يوضح ذلك ما إذا كانت الأتمتة ستوفر الوقت أم ستضيف تعقيدًا فقط.

بعد ذلك، حدد فجوة المهارات. إذا كانت المؤسسة تفتقر إلى خبرة في أتمتة الشبكات، فقد تحتاج إلى تدريب أو دعم خارجي. وهذا مهم في المغرب، حيث قد تحتاج الفرق إلى الموازنة بين الطموح والموارد البشرية المتاحة.

ثم اختبر على نطاق صغير. يمكن لمشروع تجريبي أن يكشف مشكلات الشراء والتكامل والعمليات قبل التوسع الأكبر. كما يمكنه أن يوضح ما إذا كان مزيج اللغات الذي يستخدمه الفريق يؤثر في التوثيق والدعم.

وأخيرًا، ابنِ الحوكمة مبكرًا. ضع قواعد للوصول، وإدارة التغيير، والاستجابة للحوادث. وبالنسبة للقراء المغاربة، فهذا هو الفرق بين خطة بنية تحتية واعدة للذكاء الاصطناعي ونظام يصعب الوثوق به.

الخلاصة

تذكّر جولة تمويل نيتريس أن بنية الذكاء الاصطناعي هي طبقات مترابطة. وحدات GPU مهمة، لكن الشبكات والأتمتة هما ما يجعل هذه الطبقات قابلة للاستخدام. وبالنسبة للمغرب، فإن الدرس عملي: أي خطة جادة للذكاء الاصطناعي يجب أن تشمل العمليات والمهارات والضوابط منذ اليوم الأول.