Kog تُعيد تعريف كفاءة وحدات معالجة الرسوميات لوكلاء الذكاء الاصطناعي

لطالما ساد اعتقاد في الأوساط التقنية بأن وحدات معالجة الرسوميات (GPUs)، رغم قوتها الهائلة في تدريب النماذج الكبيرة، لا تُعد الخيار الأمثل لتشغيل مهام وكلاء الذكاء الاصطناعي المعقدة والمتسلسلة (Agentic Workflows). إلا أن شركة Kog الفرنسية الناشئة تسعى لتغيير هذا المفهوم، مؤكدة أن هذه الوحدات تحمل إمكانات غير مستغلة يمكن تسخيرها بكفاءة أكبر. تُركز Kog جهودها على التعمق في بنية وحدات معالجة الرسوميات وتقنيات الاستدلال (Inference) لاستخلاص أقصى أداء ممكن منها عند التعامل مع مهام وكلاء الذكاء الاصطناعي. تُعرف مهام الوكلاء بأنها سلاسل من العمليات التي يقوم بها نموذج الذكاء الاصطناعي لاتخاذ قرارات وتنفيذ إجراءات متعددة الخطوات، وغالباً ما تتطلب مرونة وكفاءة في معالجة البيانات بشكل متتابع. ترى Kog أن التحدي لا يكمن في قدرة وحدات معالجة الرسوميات بحد ذاتها، بل في كيفية استغلالها وتحسينها لهذه الأنماط من العمليات، مما يُشير إلى وجود مساحة كبيرة للابتكار في طبقات البرمجيات والأجهزة. إذا نجحت Kog في إثبات صحة رؤيتها وتطوير حلولها، فإن ذلك قد يُحدث تحولاً كبيراً في كيفية تصميم وتشغيل أنظمة وكلاء الذكاء الاصطناعي. فبدلاً من البحث عن حلول معالجة بديلة أو مخصصة قد تكون باهظة التكلفة، يمكن لوحدات معالجة الرسوميات الحالية أن تصبح أكثر فعالية من حيث التكلفة والأداء لتشغيل هذه الأنظمة. هذا من شأنه أن يسرّع من وتيرة تطوير ونشر وكلاء الذكاء الاصطناعي في مجالات متنوعة، من الأتمتة الصناعية إلى المساعدين الشخصيين الذكيين، ويقلل من الحواجز التقنية والاقتصادية أمام اعتمادها على نطاق واسع. تُقدم Kog بذلك منظوراً جديداً حول قدرات وحدات معالجة الرسوميات، وتُشير إلى أن الابتكار لا يزال قادراً على إعادة تعريف حدود الأجهزة الحالية، مما يفتح الباب أمام مستقبل أكثر كفاءة ومرونة لوكلاء الذكاء الاصطناعي.