نمایش Fusion AI In-a-Box شرکت ABA Technology به مدیرعامل انویدیا در رویداد GTC برلین

shattered.io

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

شرکت ABA Technology در رویداد GTC برلین ۲۰۲۶، پلتفرم Fusion AI In-a-Box را به جنسن هوانگ، مدیرعامل انویدیا، معرفی کرد؛ خبری که پایگاه خبری La Vie éco گزارش داده است. به گفته این شرکت، انویدیا آن را برای حضور در این رویداد انتخاب کرده بود. این معرفی در ۲۲ اکتبر ۲۰۲۶ انجام شد و گزارش‌های مربوط به آن روز بعد منتشر شدند.

ایده اصلی محصول ساده است: Fusion AI In-a-Box یک پلتفرم نرم‌افزاری را با زیرساخت محاسباتی یکپارچه ترکیب می‌کند تا سازمان‌ها بتوانند برنامه‌های هوش مصنوعی را در محل خود توسعه دهند و اجرا کنند. این محصول در دو پیکربندی عرضه می‌شود که می‌توان آن‌ها را جداگانه یا در کنار یکدیگر به کار گرفت. یکی بر توسعه برنامه‌های هوش مصنوعی تمرکز دارد و دیگری برای اجرای مدل‌ها در محیط عملیاتی طراحی شده است.

اطلاعاتی که در گزارش‌ها نیامده‌اند، به‌اندازه جزئیات منتشرشده اهمیت دارند. در منابع موجود، نه قیمتی اعلام شده، نه تعداد پردازنده‌های گرافیکی و مدل سخت‌افزار مشخص است، نه میزان مصرف انرژی ذکر شده و نه نقل‌قول مستقیمی از هوانگ وجود دارد. در این بررسی، اطلاعات تأییدشده از ادعاهای تبلیغاتی شرکت تفکیک می‌شوند، جایگاه محصول در بازار رقابتی بررسی می‌شود و پرسش‌هایی مطرح می‌شوند که خریداران باید پیش از امضای قرارداد بپرسند.

ABA Technology در رویداد GTC برلین ۲۰۲۶ چه چیزی به جنسن هوانگ نشان داد؟

واقعیت‌های اصلی این رویداد محدودند، اما دو رسانه‌ای که آن را پوشش داده‌اند، روایت تقریباً یکسانی ارائه می‌کنند. ABA Technology می‌گوید انویدیا این شرکت را برای شرکت در GTC برلین ۲۰۲۶ انتخاب کرده است. در اطلاعیه‌ای شرکتی به تاریخ ۲۲ اکتبر که La Vie éco آن را نقل کرده، به این انتخاب و معرفی Fusion AI In-a-Box به هوانگ اشاره شده است. وب‌سایت Industries.ma نیز همین توالی رویدادها را گزارش کرده و تاریخ معرفی را ۲۲ اکتبر ۲۰۲۶ در برلین دانسته است.

هر دو رسانه محصول را به شیوه‌ای مشابه توصیف می‌کنند: Fusion AI In-a-Box از یک پلتفرم نرم‌افزاری و یک لایه محاسباتی یکپارچه تشکیل شده است. دامنه کارکرد آن، بر اساس توضیحات شرکت، مدیریت داده‌ها، استفاده از چندین مدل، استقرار عامل‌های هوشمند و فراهم‌کردن منابع محاسباتی موردنیاز برای اجرای آن‌ها را در بر می‌گیرد. این توصیف چهاروجهی، شرح خود شرکت است که از طریق دو رسانه خبری منتشر شده است.

هیچ‌یک از این دو گزارش نقل‌قولی از هوانگ ارائه نمی‌کند. همچنین در آن‌ها گفته نشده است که او محصول را تأیید کرده، آن را آزمایش کرده یا انویدیا را به تعهدی در قبال آن ملزم کرده باشد. برداشت دقیق از اطلاعات موجود محدود به این موارد است: برگزاری رویدادی از سوی انویدیا، انتخاب شرکتی برای حضور در آن و معرفی محصول به مدیرعامل این شرکت. این رویداد را نباید به‌منزله اعلام همکاری تجاری یا دریافت تأییدیه رسمی تفسیر کرد. منابع چنین ادعایی مطرح نکرده‌اند و نمی‌توان چیزی به آن‌ها افزود.

بااین‌حال، محل برگزاری رویداد اهمیت دارد. انویدیا در رویدادهای GTC دیدگاه خود درباره زیرساخت هوش مصنوعی را مطرح می‌کند و حضور در چنین رویدادی به شرکت‌های کوچک‌تر امکان می‌دهد محصولاتشان را به خریداران، شرکای تجاری و رسانه‌هایی معرفی کنند که شاید در شرایط عادی به آن‌ها دسترسی نداشته باشند. برای شرکتی که در مراکش فعالیت می‌کند، همین فرصت دیده‌شدن در سطح بین‌المللی اهمیت اصلی این خبر است.

ساختار Fusion AI In-a-Box: دو پیکربندی با یک ایده مشترک

این محصول بر اساس دو مرحله آشنا برای تیم‌های هوش مصنوعی طراحی شده است: ابتدا باید برنامه‌ها را ساخت و بهینه کرد و سپس آن‌ها را در مقیاس عملیاتی اجرا کرد، بدون آنکه هزینه‌ها از کنترل خارج شوند. ABA Technology برای هر مرحله پیکربندی جداگانه‌ای در نظر گرفته و به خریداران اجازه می‌دهد یکی یا هر دو را تهیه کنند. جدول زیر دو پیکربندی را بر اساس اطلاعات منتشرشده مقایسه می‌کند.

ویژگیFusion AI Factory In-a-BoxFusion AI Inference In-a-Box
هدفتوسعه برنامه‌های هوش مصنوعی و یکپارچه‌سازی آن‌ها در سازمان‌هااجرای مدل‌های هوش مصنوعی پس از استقرار در محیط عملیاتی
مرحله چرخه عمرساخت و سازگار‌سازیبهره‌برداری و پایش
اجزای نام‌برده‌شدهFusion Data، Fusion Forge، Fusion Agentic، Fusion Automation و Fusion PerformanceFusion Forge Inference و Fusion Performance
تعداد اجزا۵۲ جزء، به‌علاوه یک گزینه اختیاری
افزونه اختیاریموردی اعلام نشده استFusion Data Platform
کارکرد اعلام‌شدهآماده‌سازی داده‌ها، ارزیابی و سازگار‌سازی مدل‌ها، طراحی عامل‌ها و خودکارسازی گردش کارمدیریت و هماهنگ‌سازی استنتاج، ردیابی عملکرد و فراهم‌کردن قابلیت مشاهده‌پذیری
نحوه استقرارجداگانه یا در کنار پیکربندی دیگرجداگانه یا در کنار پیکربندی دیگر
قیمت و مشخصات سخت‌افزاریتأیید نشدهتأیید نشده

نکته قابل‌توجه، وجود یک جزء مشترک در هر دو پیکربندی است. Fusion Performance در هر دو حضور دارد؛ موضوعی که نشان می‌دهد لایه پایش‌پذیری احتمالاً در مسیر انتقال یک بار کاری از مرحله توسعه به محیط عملیاتی نیز به کار می‌رود. چنین طراحی‌ای منطقی است: تیمی که عملکرد یک عامل هوشمند را در محیط توسعه تنظیم می‌کند، پس از مواجهه آن عامل با کاربران واقعی نیز به همان شاخص‌ها نیاز خواهد داشت.

پیکربندی Factory و پنج جزء اصلی آن

Fusion AI Factory In-a-Box برای سازمان‌هایی طراحی شده که می‌خواهند برنامه‌های هوش مصنوعی را خودشان ایجاد کنند، نه اینکه صرفاً محصولات آماده بخرند. در گزارش‌ها پنج جزء برای آن نام برده شده است: Fusion Data، Fusion Forge، Fusion Agentic، Fusion Automation و Fusion Performance. به گزارش La Vie éco، این محیط به تیم‌ها امکان می‌دهد داده‌ها را آماده کنند، مدل‌ها را ارزیابی و سازگار کنند، عامل‌های هوشمند بسازند و بخشی از فرایندهای کاری خود را خودکار کنند.

Industries.ma جزئیات دیگری نیز مطرح می‌کند. به گفته این رسانه، شرکت اعلام کرده است که پیکربندی Factory با سامانه‌های اطلاعاتی و برنامه‌های کسب‌وکار، یعنی حوزه فناوری اطلاعات (IT)، و همچنین با تجهیزات و سامانه‌های صنعتی، یعنی حوزه فناوری عملیاتی (OT)، ارتباط برقرار می‌کند. این ترکیب برای تولیدکنندگان، شرکت‌های خدمات عمومی و اپراتورهای لجستیک اهمیت دارد. داده‌های این سازمان‌ها اغلب در سامانه‌های داخل کارخانه نگهداری می‌شوند که هیچ ارتباطی با ابر عمومی ندارند. بنابراین، لایه هوش مصنوعی که بتواند به هر دو محیط متصل شود، می‌تواند حجم کار یکپارچه‌سازی را کاهش دهد.

هدف اعلام‌شده این است که تیم‌ها از مرحله آزمایش به بهره‌برداری واقعی برسند. هر کسی که شاهد متوقف‌ماندن یک پروژه آزمایشی بوده باشد، می‌داند چرا این هدف در معرفی محصولات شرکت‌های فناوری بارها تکرار می‌شود. یک نمونه اولیه ممکن است روی لپ‌تاپ و با مجموعه‌داده‌ای قرضی کار کند، اما سامانه عملیاتی به خطوط انتقال داده، کنترل دسترسی، ارزیابی، پایش و مسئول مشخص نیاز دارد. Fusion AI Factory In-a-Box مدعی است این اجزا را در قالب یک محصول یکپارچه فراهم می‌کند؛ بااین‌حال، منابع موجود مشخص نمی‌کنند که هر جزء تا چه اندازه از قابلیت‌های موردنیاز را پوشش می‌دهد.

جایگاه لایه عامل‌های هوشمند

Fusion Agentic بیش از دیگر اجزای محصول با تمرکز کنونی بازار هم‌خوانی دارد. عامل‌هایی که می‌توانند ابزارها را فراخوانی کنند، اسناد داخلی را بخوانند و اقداماتی را به جریان بیندازند، در کانون توجه بودجه‌های هوش مصنوعی سازمانی قرار گرفته‌اند. معرفی یک جزء اختصاصی برای عامل‌های هوشمند نشان می‌دهد ABA Technology می‌خواهد در این حوزه حضور داشته باشد، نه اینکه فقط یک سرور ساده برای اجرای مدل بفروشد. ازآنجاکه منابع موجود فهرستی از قابلیت‌های این جزء ارائه نمی‌کنند، خریداران باید تا زمان مشاهده یک نمایش عملی، نام آن را صرفاً بیانگر حوزه کاربردش بدانند، نه اثبات‌کننده قابلیت‌های مشخص.

Fusion AI Inference In-a-Box و هزینه اجرای مدل‌ها

پیکربندی دوم به بخشی از هوش مصنوعی می‌پردازد که می‌تواند به‌تدریج بخش بزرگی از بودجه را مصرف کند. آموزش و تنظیم مدل‌ها معمولاً در بازه‌های زمانی مشخص انجام می‌شود، اما استنتاج ممکن است شبانه‌روز و به‌طور پیوسته ادامه داشته باشد. Fusion AI Inference In-a-Box دو جزء را ترکیب می‌کند: Fusion Forge Inference که به‌عنوان لایه مدیریت و هماهنگ‌سازی استنتاج معرفی شده و Fusion Performance که برای ردیابی عملکرد و فراهم‌کردن قابلیت مشاهده‌پذیری به کار می‌رود. Fusion Data Platform نیز می‌تواند به‌صورت افزونه‌ای اختیاری به این مجموعه اضافه شود.

ABA Technology می‌گوید این طراحی با هدف استفاده کارآمد از منابع محاسباتی و کنترل هزینه پردازش، مصرف انرژی و زمان پاسخ‌گویی انجام شده است. همچنین به گفته شرکت، ظرفیت سامانه را می‌توان متناسب با حجم عملیات و نیازهای هر سازمان افزایش داد. بااین‌حال، این موارد اهداف طراحی هستند، نه نتایج اندازه‌گیری‌شده. گزارش‌ها هیچ عددی درباره تأخیر، تعداد توکن‌های پردازش‌شده در ثانیه یا معیارهای مصرف انرژی ارائه نمی‌کنند.

با وجود این محدودیت‌ها، چارچوب ارائه محصول منطقی است. بسیاری از خریداران اکنون می‌دانند که قیمت اولیه یک مدل، اطلاعات چندانی درباره هزینه کل استفاده از آن نمی‌دهد. میزان بهره‌برداری از منابع، پردازش دسته‌ای، مدیریت صف درخواست‌ها و پایش، همگی تعیین می‌کنند که استقرار یک مدل از نظر اقتصادی به‌صرفه باشد یا خیر. عرضه یک پیکربندی اختصاصی برای مدیریت استنتاج نشان می‌دهد که اجرای مدل‌ها خود حوزه‌ای تخصصی است و نمی‌توان آن را مرحله‌ای فرعی در نظر گرفت. سازمان‌هایی که مدل‌های آموزش‌دیده دارند و فقط به محیطی کنترل‌شده برای ارائه آن‌ها نیازمندند، می‌توانند بدون تهیه پیکربندی Factory از محصول استفاده کنند.

چرا هوش مصنوعی محلی برای شرکت‌ها و نهادهای عمومی جذاب است؟

مهم‌ترین مزیتی که در گزارش‌ها برجسته شده، کنترل داده‌هاست. Industries.ma اصل محوری محصول را این‌گونه توضیح می‌دهد که شرکت‌ها و سازمان‌های دولتی می‌توانند برنامه‌های هوش مصنوعی را در محل خود توسعه دهند و اجرا کنند و در عین حال، حاکمیت داده، حق انتخاب مدل و کنترل بر عامل‌های هوشمندشان را حفظ کنند. La Vie éco نیز استدلال مشابهی مطرح می‌کند و این محصول را با راهکارهایی مقایسه می‌کند که داده‌ها را به سرویس‌های ابری خارجی ارسال می‌کنند.

در این زمینه باید یک نکته احتیاطی را در نظر گرفت. Industries.ma می‌نویسد که محصول بدون انتقال داده‌ها به فضای ابری اجرا می‌شود. این مطلب توصیفی است که در یک گزارش آمده، نه مشخصاتی رسمی و مستند که بتوان آن را مستقلاً تأیید کرد. تضمین واقعی باید در اسناد معماری، نمودارهای شبکه و مفاد قرارداد مشخص باشد. خریداران در صنایع تحت نظارت باید این مدارک را مطالبه کنند و به خلاصه یک گزارش خبری بسنده نکنند.

نیاز پشت این رویکرد واقعی است. بانک‌ها، بیمارستان‌ها، وزارتخانه‌ها و پیمانکاران دفاعی اغلب به دلایل قانونی یا سیاست‌های داخلی اجازه ندارند برخی سوابق و داده‌ها را در اختیار یک مدل میزبانی‌شده قرار دهند. برخی سازمان‌های دیگر از نظر فنی امکان این کار را دارند، اما نمی‌خواهند فروشنده بدون اطلاع آن‌ها مدل مورد استفاده را تغییر دهد. تجهیزی که تحت کنترل خود سازمان باشد، محیطی قابل‌پیش‌بینی‌تر فراهم می‌کند. این رویکرد با علاقه روزافزون به اجرای مدل‌های توانمند روی سخت‌افزاری که خود سازمان در اختیار دارد نیز هم‌سو است؛ موضوعی که در مقایسه پردازنده‌های گرافیکی انویدیا و AMD برای هوش مصنوعی محلی به آن پرداخته‌ایم.

البته حاکمیت و کنترل بیشتر هزینه‌هایی هم دارد. خریدار مسئول نصب وصله‌های امنیتی، برنامه‌ریزی ظرفیت، تقویت امنیت و تأمین نیروی متخصص خواهد بود. تجهیزی که در محل سازمان نصب می‌شود، به‌خودی‌خود مدیریت نخواهد شد. پرسش اصلی این است که آیا نرم‌افزار یکپارچه محصول به‌اندازه کافی از این بار می‌کاهد تا مالکیت سخت‌افزار توجیه اقتصادی پیدا کند یا خیر.

منابع چه چیزهایی را تأیید می‌کنند و چه اطلاعاتی را ارائه نمی‌دهند؟

در گزارش دقیق درباره معرفی یک محصول باید ادعاهای شرکت از اطلاعاتی که دیگران می‌توانند بررسی کنند، جدا شوند. جدول زیر وضعیت جزئیاتی را نشان می‌دهد که احتمالاً برای خوانندگان اهمیت دارند.

جزئیاتوضعیتمبنای اطلاعات
معرفی محصول به جنسن هوانگ در ۲۲ اکتبر ۲۰۲۶گزارش‌شدهLa Vie éco و Industries.ma
انتخاب ABA Technology از سوی انویدیا برای GTC برلین ۲۰۲۶ادعای شرکتاطلاعیه ۲۲ اکتبر که La Vie éco نقل کرده است
وجود دو پیکربندی که جداگانه یا با هم قابل استقرارندگزارش‌شدهLa Vie éco و Industries.ma
تاریخ رسمی ثبت‌شده برای عرضه Fusion AI۲ آوریل ۲۰۲۶اطلاعات رسمی
طراحی و تولید در مراکشتوصیف رسمیاطلاعات رسمی و Industries.ma
قیمتتأیید نشدهدر منابع موجود ذکر نشده است
مدل‌های سخت‌افزار، تعداد پردازنده‌های گرافیکی، ظرفیت، ابعاد و مصرف انرژیتأیید نشدهدر منابع موجود ذکر نشده است
نقل‌قول مستقیم از هوانگ یا سخنران مشخص دیگریدر دسترس نیستگزارش‌ها نقل‌قول قابل انتسابی ارائه نمی‌کنند
تضمین رسمی درباره انتقال‌نیافتن داده‌ها به فضای ابریبه‌عنوان مشخصات رسمی تأیید نشدهیک گزارش به اجرای محلی اشاره می‌کند

موارد نامشخص از اطلاعات تأییدشده بیشترند و این وضعیت برای محصولی که به‌تازگی در یک رویداد بین‌المللی معرفی شده، غیرعادی نیست. در عین حال، همین موضوع نشان می‌دهد که این خبر بیشتر درباره جایگاه‌یابی محصول است تا عرضه‌ای همراه با مشخصات فنی کامل. انتظار می‌رود جزئیات سخت‌افزاری، قیمت‌گذاری و نمونه‌های مشتریان در مراحل بعد، از طریق کانال‌های فروش و نشست‌های توجیهی شرکای تجاری منتشر شوند.

بخش اخبار وب‌سایت رسمی ABA Technology نیز مطالب مرتبطی دارد. از جمله، مطلبی با عنوان عرضه Fusion AI شرکت ABA Technology برای آینده سلامت در پرتغال که نشان می‌دهد نام تجاری Fusion AI پیش از حضور در برلین نیز از مرزهای مراکش فراتر رفته بود.

زمینه رویداد GTC برلین ۲۰۲۶: راهبرد یکپارچه انویدیا

برای درک دلیل تمایل شرکت‌ها به حضور در این رویداد، باید به محصولات و راهبردی توجه کرد که خود انویدیا معرفی می‌کند. این شرکت در مطالب مربوط به GTC برلین ۲۰۲۶، کارخانه هوش مصنوعی را مجموعه‌ای یکپارچه از سخت‌افزار، نرم‌افزار سیستمی، کتابخانه‌های CUDA-X و مدل‌ها توصیف می‌کند. انویدیا همچنین می‌گوید پلتفرم Vera Rubin وارد مرحله تولید کامل شده و برای بارهای کاری‌ای طراحی شده است که عامل‌های هوش مصنوعی کامل را اجرا می‌کنند، نه صرفاً فراخوانی‌های منفرد مدل‌ها را.

انویدیا همچنین DSX POD را معرفی کرده است؛ طرح مرجعی که شرکای این شرکت برای کارخانه‌های کامل هوش مصنوعی مبتنی بر Vera Rubin طراحی کرده‌اند و در قالب کانتینرهای ماژولار ارائه می‌شود. در بخش محصولات کوچک‌تر، این شرکت سه خانواده مرتبط با هوش مصنوعی محلی را معرفی می‌کند: RTX Spark برای عامل‌های شخصی روی رایانه‌های ویندوزی، DGX Spark برای توسعه در محیط لینوکس و DGX Station برای بارهای کاری پیشرفته سازمانی. مجموعه مدل‌های باز معرفی‌شده در این رویداد نیز شامل Nemotron برای زبان، Cosmos برای مدل‌های جهان، GR00T برای رباتیک انسان‌نما، Alpamayo برای خودروهای خودران، Ising برای محاسبات کوانتومی-کلاسیک و Earth-2 برای هوش مصنوعی مبتنی بر فیزیک است.

این زمینه توضیح می‌دهد که چرا معرفی Fusion AI In-a-Box در چنین رویدادی برای یک شرکت جذاب است. انویدیا تراشه‌ها و طرح‌های مرجع را عرضه می‌کند و برای تبدیل آن‌ها به محصولاتی که مشتریان بتوانند بخرند و راه‌اندازی کنند، به شرکای خود متکی است. یک شرکت یکپارچه‌ساز منطقه‌ای که نرم‌افزار، ابزارهای داده و توان محاسباتی را برای استقرار محلی در یک مجموعه گرد هم می‌آورد، با این الگو سازگار است. بااین‌حال، نتوانستیم تأیید کنیم که Fusion AI In-a-Box از کدام اجزای انویدیا استفاده می‌کند یا اساساً چنین اجزایی در آن وجود دارند یا نه؛ بنابراین هرگونه ارتباط مشخص در این زمینه تأییدنشده است.

نمونه‌های دیگری نیز همین الگو را نشان می‌دهند. بررسی ما درباره استقرار Nemotron انویدیا از سوی Cassava روی CAIMEx نشان داد که یک بازیگر منطقه‌ای با استفاده از مدل‌های باز انویدیا در حال ساخت خدمات مبتنی بر عامل‌های هوشمند است. وجه مشترک این نمونه‌ها آن است که تأمین‌کننده جهانی تراشه و مدل، برای دسترسی به مشتریانی که نمی‌تواند مستقیماً به آن‌ها خدمات بدهد، به شرکای محلی تکیه می‌کند.

مقایسه رقابتی: تجهیز یکپارچه، رابط ابری یا زیرساخت دست‌ساز

رقابت Fusion AI In-a-Box فقط با محصولات سخت‌افزاری مشابه نیست. این محصول با سه رویکرد کلی دیگر برای رساندن هوش مصنوعی به مرحله بهره‌برداری نیز رقابت می‌کند. جدول زیر چارچوبی کیفی برای مقایسه این رویکردهاست، نه مجموعه‌ای از داده‌های اندازه‌گیری‌شده؛ همچنین مقایسه درباره دسته‌های محصول است، نه یک محصول مشخص.

رویکردمحل نگهداری داده‌هامیزان کنترل بر مدل‌هاساختار هزینهسرعت رسیدن به نخستین نتیجه
رابط برنامه‌نویسی مدل میزبانی‌شدهابر ارائه‌دهندهکم؛ ارائه‌دهنده می‌تواند مدل‌ها را تغییر دهدبر اساس میزان استفاده و متناسب با افزایش ترافیکبیشترین سرعت
اجاره پردازنده‌های گرافیکی ابریمحیط اختصاصی مشتری در ابر عمومیزیادساعتی و متناسب با میزان استفادهسریع
زیرساخت محلی که مشتری خودش می‌سازدمحل سازمانبیشترین میزان کنترلهزینه اولیه بالا به‌علاوه هزینه نیروی انسانیکمترین سرعت
تجهیز یکپارچه مانند Fusion AI In-a-Boxمحل مشتری، طبق گزارش‌هازیاد؛ خریدار مدل‌ها را انتخاب می‌کندهزینه اولیه به‌علاوه پشتیبانی؛ قیمت تأیید نشده استمتوسط
ترکیب ترکیبی از رویکردهای بالابسته به بار کاری میان چند محیط تقسیم می‌شودمتغیرپیش‌بینی پیچیده‌تر از سایر گزینه‌هامتوسط

مدل تجهیز یکپارچه زمانی مزیت دارد که سه شرط برقرار باشد: سازمان داده‌هایی داشته باشد که نتواند یا نخواهد آن‌ها را از محیط خود خارج کند؛ نیروی متخصص داخلی کافی برای ساخت زیرساخت از اجزای جداگانه در اختیار نداشته باشد؛ و انتظار داشته باشد حجم درخواست‌های استنتاج به‌اندازه‌ای ثابت و قابل‌پیش‌بینی باشد که مالکیت سخت‌افزار در بلندمدت از پرداخت هزینه بر اساس میزان استفاده ارزان‌تر تمام شود. اگر یکی از این شرایط برقرار نباشد، استفاده از رابط ابری یا اجاره پردازنده‌های گرافیکی احتمالاً از نظر هزینه و سرعت برتری خواهد داشت.

ارائه‌دهندگان بزرگ خدمات ابری نیز در سوی دیگر این رقابت قرار دارند. برنامه‌های آن‌ها برای توسعه ظرفیت، مانند طرح‌های A5X گوگل کلاد که در گزارش برنامه‌های A5X گوگل کلاد بررسی شده‌اند، نشان می‌دهد شرکت‌های بزرگ ابری چه حجم عظیمی از توان محاسباتی را می‌توانند در اختیار مشتریانی بگذارند که شرایط میزبانی آن‌ها را می‌پذیرند. تأمین‌کنندگان محلی قادر به رقابت با این مقیاس نیستند. مزیت مورد فروش آن‌ها چیز دیگری است: کنترل بیشتر و نزدیکی به مشتری.

پیشینه تاریخی: از اولویت ابر تا هوش مصنوعی حاکمیتی

فناوری اطلاعات سازمانی طی چند دهه میان تمرکزگرایی و کنترل محلی در نوسان بوده است. رایانه‌های بزرگ جای خود را به معماری کارخواه-کارساز دادند و پس از آن، رایانش ابری عمومی گسترش یافت. هر موج وعده هزینه کمتر و دردسر کمتر را می‌داد، اما در هر مرحله گروهی از خریداران ترجیح می‌دادند برخی بارهای کاری را به دلایل قانونی، تأخیر شبکه یا امنیت در محیط خود نگه دارند.

هوش مصنوعی همین مسیر را با سرعتی بیشتر طی کرد. نخستین موج استفاده از هوش مصنوعی مولد تقریباً به‌طور کامل بر رابط‌های برنامه‌نویسی مدل‌های میزبانی‌شده متکی بود، زیرا این روش سریع‌ترین راه برای ساخت یک نمونه نمایشی عملی به شمار می‌رفت. سپس تیم‌های امنیتی، نهادهای ناظر و واحدهای تدارکات شروع کردند به پرسیدن اینکه درخواست‌ها و اسناد به کجا ارسال می‌شوند. این نگرانی‌ها بازاری برای استقرارهای خصوصی ایجاد کرد و از آن زمان، تأکید بر مالکیت مدل‌ها و داده‌ها هر فصل پررنگ‌تر شده است.

زیرساخت نیز پیشینه مشابهی دارد. شرکت‌ها سال‌هاست سامانه‌های ازپیش‌یکپارچه‌شده عرضه می‌کنند، زیرا کنار هم قراردادن سرورها، شبکه، ذخیره‌سازی و نرم‌افزار کار دشواری است. در نسخه ویژه هوش مصنوعی، رایانه‌های عمومی جای خود را به سامانه‌های محاسباتی شتاب‌یافته می‌دهند و نرم‌افزار ارائه مدل نیز به مجموعه اضافه می‌شود. بررسی پیشین ما درباره رقابت زیرساخت هوش مصنوعی و شباهت آن به رونق‌های فناوری در گذشته استدلال می‌کرد که با تبدیل‌شدن یک فناوری از مرحله آزمایش به بخشی از هزینه‌های عملیاتی، بسته‌های یکپارچه نیز معمولاً پدیدار می‌شوند. Fusion AI In-a-Box با همین الگو مطابقت دارد.

واژه «حاکمیتی» اکنون نقش پررنگی در بازاریابی هوش مصنوعی دارد. در گزارش‌های مربوط به ABA Technology، این اصطلاح به کنترل سازمان بر داده‌ها، انتخاب مدل‌ها و عامل‌های هوشمند اشاره می‌کند. این تعریف جنبه‌ای عملی دارد، نه سیاسی، و برای ارزیابی محصول از رویکردهایی که بر افتخار ملی تأکید می‌کنند، معیار مفیدتری به شمار می‌رود.

تأثیر بر بازار: برندگان و گروه‌های تحت فشار

یک معرفی محصول به‌تنهایی بازار را تغییر نمی‌دهد، اما این رویداد جهت حرکت رقابت را نشان می‌دهد. شرکت‌های یکپارچه‌ساز منطقه‌ای در حال تصاحب جایگاهی میان طرح‌های مرجع انویدیا و مراکز داده مشتریان هستند و به‌جای رقابت بر سر مقیاس خام، بر اعتماد و نزدیکی به مشتری تأکید می‌کنند.

بر اساس ارزیابی ما، انویدیا و شبکه شرکای آن از برندگان بالقوه این روند هستند، زیرا هر استقرار محلی می‌تواند تقاضا برای محاسبات شتاب‌یافته را افزایش دهد. خریداران بخش عمومی نیز از گزینه‌های بیشتر شرکت‌هایی بهره‌مند می‌شوند که با زبان و نیازهای منطقه آشنا هستند و در همان محدوده جغرافیایی فعالیت می‌کنند. شرکت‌های یکپارچه‌ساز منطقه‌ای نیز می‌توانند به‌جای فروش صرف خدمات و ساعات کاری، محصولی مشخص و بسته‌بندی‌شده عرضه کنند.

در مقابل، دو گروه با فشار بیشتری روبه‌رو می‌شوند. ارائه‌دهندگان عمومی رابط‌های ابری در صنایعی که مقررات محل نگهداری داده‌ها را محدود می‌کند، برای متقاعدکردن مشتریان با دشواری بیشتری مواجه خواهند شد. همچنین ممکن است فروشندگان جهانی سخت‌افزار که رک‌های بزرگ و گران‌قیمت عرضه می‌کنند، بخشی از بازار میان‌رده را به تجهیزات منطقه‌ای واگذار کنند؛ بازاری که در آن مشتری به سامانه‌ای آماده بهره‌برداری نیاز دارد، نه صرفاً یک معماری مرجع.

عامل نامشخص، قیمت است. تا زمانی که رقمی منتشر نشود، نمی‌توان گفت Fusion AI In-a-Box برای یک بار کاری مشخص، هزینه کمتری از خدمات میزبانی‌شده دارد یا خیر. بنابراین، ارزیابی تأثیر محصول بر بازار تا زمان اعلام شرایط فروش از سوی ABA Technology یا فروشندگان مجاز آن، همچنان فرضی باقی می‌ماند.

جایگاه مراکش در زنجیره سخت‌افزار و نرم‌افزار هوش مصنوعی

طبق توصیف رسمی، Fusion AI در مراکش طراحی و تولید شده و تاریخ رسمی ثبت‌شده برای عرضه آن ۲ آوریل ۲۰۲۶ است. در نتیجه، پیش از معرفی محصول در برلین حدود شش ماه و نیم از حضور آن در بازار گذشته بود. Industries.ma این حضور را فرصتی کم‌سابقه برای معرفی یک شرکت مراکشی و مهندسانی توصیف کرد که در این کشور فناوری می‌سازند و آن را در کنار نام‌های بزرگ جهانی به نمایش می‌گذارند.

اعتبار این تصویر به اقدامات بعدی شرکت بستگی دارد. حضور در GTC می‌تواند درها را باز کند، اما جذب مشتری است که نتیجه را مشخص می‌کند. باید منتظر اعلام استقرارهای مشخص در مراکش، دیگر کشورهای آفریقا و اروپا بود و دید آیا پلتفرم می‌تواند بارهای کاری عملیاتی را در مقیاسی که خریداران انتظار دارند، مدیریت کند یا خیر.

این موضوع برای بازارهای نوظهور نیز اهمیت راهبردی دارد. کشورهایی که ایجاد خوشه‌های محاسباتی بسیار بزرگ برایشان دشوار است، همچنان می‌توانند مدل‌های توانمند را روی سخت‌افزارهای محدودتر اجرا کنند. پلتفرمی که در داخل یک کشور ساخته شده و ابزارهای داده، عامل‌های هوشمند و مدیریت استنتاج را یکجا فراهم می‌کند، می‌تواند نیاز به مهارت‌های تخصصی را برای وزارتخانه‌ها و شرکت‌های متوسط کاهش دهد. اگر Fusion AI In-a-Box به این وعده عمل کند، ممکن است الگویی باشد که مناطق دیگر نیز از آن پیروی کنند.

ریسک‌ها و پرسش‌هایی که خریداران باید مطرح کنند

هر سازمانی که Fusion AI In-a-Box را ارزیابی می‌کند، باید با فهرستی از پرسش‌های مشخص وارد مذاکره شود. گزارش‌های موجود چند موضوع تعیین‌کننده را بی‌پاسخ گذاشته‌اند و تیم تدارکات باید درباره هر یک توضیح بخواهد.

  • فهرست کامل سخت‌افزارها: چه نوع شتاب‌دهنده‌هایی استفاده می‌شوند، تعداد آن‌ها چقدر است و چه میزان حافظه دارند؟ منابع موجود هیچ‌یک از این جزئیات را مشخص نمی‌کنند.
  • پشتیبانی از مدل‌ها: کدام مدل‌های باز و تجاری از ابتدا قابل اجرا هستند و چه کسی به‌روزرسانی آن‌ها را مدیریت می‌کند؟
  • مدارک مربوط به جریان داده: آیا فروشنده می‌تواند مستند کند که هیچ داده‌ای از محل سازمان خارج نمی‌شود، از جمله داده‌های تله‌متری و درخواست‌های بررسی به‌روزرسانی؟
  • ایمنی عامل‌های هوشمند: Fusion Agentic چگونه محدود می‌کند که عامل به چه اطلاعاتی دسترسی داشته باشد و چه اقداماتی انجام دهد؟ پژوهش‌ها و راهکارهای صنعتی برای کنترل محیط اجرای عامل‌ها، از جمله NVIDIA Sentry روی BlueField-4، نشان می‌دهند که بازار تا چه اندازه این موضوع را جدی گرفته است.
  • مدل پشتیبانی: در ساعت دو بامداد چه کسی پاسخ‌گوی درخواست پشتیبانی خواهد بود و خدمات به چه زبان‌هایی ارائه می‌شوند؟
  • امکان خروج از پلتفرم: آیا مشتری می‌تواند دارایی‌های آموزش‌دیده و پیکربندی‌های خود را به پلتفرمی دیگر منتقل کند؟
  • هزینه کل مالکیت: هزینه سخت‌افزار، مجوزها، برق و نیروی انسانی در یک دوره سه‌ساله چقدر خواهد بود؟

طرح این پرسش‌ها به معنای وجود نقص در محصول نیست. این‌ها بخشی از بررسی‌های لازم برای خرید هر تجهیز یکپارچه‌اند و پاسخ‌ها مشخص خواهند کرد که آیا با نمایشی چشمگیر روبه‌رو هستیم یا با پلتفرمی قابل‌اتکا.

پنج پیش‌بینی درباره آینده Fusion AI In-a-Box

موارد زیر پیش‌بینی‌های ما بر اساس گزارش‌های موجود و الگوهای بازار هستند و نباید آن‌ها را اظهارنظر ABA Technology، انویدیا یا تحلیلگران مشخص تلقی کرد.

  • مشخصات فنی طی چند ماه آینده منتشر می‌شوند. شرکت‌هایی که فرصت معرفی محصول در رویدادهای مهم را به دست می‌آورند، معمولاً به‌زودی برگه‌های مشخصات فنی را نیز منتشر می‌کنند، زیرا مشتریان بالقوه آن‌ها را درخواست می‌کنند. انتظار می‌رود جزئیات سخت‌افزاری از طریق شرکا و فروشندگان مجدد در دسترس قرار گیرد.
  • پیکربندی استنتاج زودتر به فروش می‌رسد. سازمان‌هایی که از قبل مدل‌های آموزش‌دیده دارند، معمولاً بیش از یک محیط کامل برای ساخت مدل، به لایه‌ای کنترل‌شده برای اجرای آن‌ها نیاز فوری دارند.
  • حاکمیت عامل‌های هوشمند به میدان اصلی رقابت فروش تبدیل می‌شود. با تکامل Fusion Agentic، خریداران قابلیت‌های آن را بر اساس مجوزهای دسترسی، ثبت رویدادها و ردپای ممیزی ارزیابی خواهند کرد، نه صرفاً تعداد وظایفی که می‌تواند خودکار کند.
  • بسته‌های مشابه از سوی شرکت‌های منطقه‌ای دیگر عرضه می‌شوند. یکپارچه‌سازانی در اروپا، خلیج فارس و آسیا نیز مجموعه‌های مشابهی ارائه خواهند کرد و برای جذب بودجه‌های بخش عمومی به رقابت خواهند پرداخت.
  • استقرارهای ترکیبی از راهکارهای کاملاً محلی پیشی می‌گیرند. بسیاری از مشتریان بارهای کاری حساس را در تجهیز محلی نگه می‌دارند و سایر فعالیت‌ها را به سرویس‌های میزبانی‌شده می‌سپارند؛ بنابراین، قابلیت تعامل میان سامانه‌ها از جداسازی کامل آن‌ها مهم‌تر خواهد شد.

برای آشنایی بیشتر با تغییرات مدل‌ها و پلتفرم‌ها، بخش پوشش خبری هوش مصنوعی و یادگیری ماشین ما، انتشارها و توافق‌هایی را دنبال می‌کند که بر این تصمیم‌ها اثر می‌گذارند.

جمع‌بندی برای خوانندگان و خریداران

ABA Technology با معرفی Fusion AI In-a-Box به جنسن هوانگ در GTC برلین ۲۰۲۶، فرصتی مهم برای جلب توجه بین‌المللی به دست آورد. گزارش‌های موجود، اصل معرفی محصول، ادعای انتخاب شرکت از سوی انویدیا، وجود دو پیکربندی و اجزای نام‌برده‌شده آن‌ها را تأیید می‌کنند. اما قیمت، سخت‌افزار، عملکرد و هیچ اظهارنظر مستقیمی از هوانگ در این منابع تأیید نشده است.

بنابراین، این خبر را باید نشانه‌ای از جهت حرکت بازار دانست، نه حکمی قطعی درباره موفقیت محصول. این نشانه می‌گوید هوش مصنوعی محلی و قابل‌کنترل به حوزه‌ای جدی در بازار تبدیل شده و شرکت‌های منطقه‌ای می‌خواهند در آن سهم داشته باشند. ارزیابی نهایی به انتشار مشخصات فنی، آزمایش‌های مستقل و استقرارهای واقعی نزد مشتریان بستگی دارد. تا آن زمان، ادعاهای مربوط به حاکمیت داده را باید امیدوارکننده اما اثبات‌نشده دانست و پیش از اعتماد به شعارهای تبلیغاتی، اسناد لازم را از فروشنده مطالبه کرد.

پرسش‌های متداول

Fusion AI In-a-Box چیست؟
محصولی از ABA Technology است که یک پلتفرم نرم‌افزاری را با زیرساخت محاسباتی یکپارچه ترکیب می‌کند. طبق گزارش‌های La Vie éco و Industries.ma، این محصول مدیریت داده‌ها، استفاده از چندین مدل، استقرار عامل‌های هوشمند و منابع محاسباتی لازم برای اجرای آن‌ها را پوشش می‌دهد.

ABA Technology این محصول را به چه کسی معرفی کرد؟
هر دو رسانه گزارش داده‌اند که این شرکت در ۲۲ اکتبر ۲۰۲۶ و در جریان GTC برلین ۲۰۲۶، راهکار خود را به جنسن هوانگ، مدیرعامل انویدیا، معرفی کرد.

دو پیکربندی محصول چه هستند؟
Fusion AI Factory In-a-Box برای توسعه برنامه‌های هوش مصنوعی و یکپارچه‌سازی آن‌ها در سازمان‌ها طراحی شده است. Fusion AI Inference In-a-Box برای اجرای مدل‌های هوش مصنوعی پس از استقرار در محیط عملیاتی به کار می‌رود. این دو پیکربندی را می‌توان جداگانه یا در کنار هم مستقر کرد.

هر پیکربندی شامل چه اجزایی است؟
پیکربندی Factory شامل Fusion Data، Fusion Forge، Fusion Agentic، Fusion Automation و Fusion Performance است. پیکربندی Inference شامل Fusion Forge Inference و Fusion Performance می‌شود و Fusion Data Platform نیز به‌صورت افزونه‌ای اختیاری در دسترس است.

قیمت Fusion AI In-a-Box چقدر است؟
منابع موجود قیمتی اعلام نکرده‌اند. مدل‌های سخت‌افزار، تعداد پردازنده‌های گرافیکی، ظرفیت پردازش، ابعاد و مشخصات مصرف انرژی نیز تأیید نشده‌اند.

آیا جنسن هوانگ درباره محصول اظهارنظر کرد؟
در گزارش‌های موجود هیچ نقل‌قول قابل انتسابی از هوانگ یا سخنران مشخص دیگری منتشر نشده است؛ بنابراین نمی‌توان درباره نظر او نسبت به محصول نتیجه‌گیری کرد.

آیا محصول مانع انتقال تمام داده‌ها به فضای ابری می‌شود؟
یکی از گزارش‌ها می‌گوید محصول به‌صورت محلی و بدون انتقال داده‌ها به فضای ابری اجرا می‌شود. بااین‌حال، منابع موجود تضمینی رسمی و مستند در این زمینه ارائه نمی‌کنند. خریداران باید اسناد معماری و مفاد قراردادی مربوط را از فروشنده درخواست کنند.

Fusion AI چه زمانی عرضه شد و کجا ساخته شده است؟
تاریخ رسمی ثبت‌شده برای عرضه Fusion AI، ۲ آوریل ۲۰۲۶ است و در توصیف رسمی محصول آمده که طراحی و تولید آن در مراکش انجام شده است.